基于遷移學習的爐溫預測框架

　　冶金行業一直是我國工業的能源消耗大戶，是推進節能降耗的重點行業。高爐熱風爐和加熱爐等裝置是節能降耗的關鍵環節，因此，其燃燒控制與優化問題一直是國內外專家學者研究和關注的重點。

　　中國科學院沈陽自動化研究所科研團隊以加熱爐的優化控制為切入點，提出了一種基于遷移學習的加熱爐爐溫預測算法。實現加熱爐的優化控制，首先要克服加熱爐生產過程中原料來源多樣、生產條件多變、工況波動頻繁等難題，對加熱爐各個加熱區的溫度精準預測。同時，還需要滿足工況對實時性的要求，對預測算法的計算效率和計算時間等性能指標提出了更高的要求。

　　為了應對這些挑戰，研究團隊設計了基于時間卷積網絡和遷移學習技術的多區爐溫預測框架，并通過生成對抗網絡來提升預測精度，建立了實時的爐溫預測模型。實例研究表明，團隊所提出的基于遷移學習的爐溫預測框架在每個加熱區快速建模的基礎上都能極大提升預測精度。相關學術成果已經發表于Sensors，也為人工智能技術應用于冶金行業加熱爐能耗優化控制提供了新方法。

　　近年來，數字工廠研究室依托中科云翼工業互聯網平臺開展了基于工業大數據的人工智能方法研究，取得了一系列高水平研究成果，為人工智能和大數據技術與制造工藝的深度融合提供了理論方法和技術支撐。