来源：期刊VIP网 时间：
作者：肖雄;宫雨昕;张勇军;赵云涛;周洪宇;张飞;
单位：北京科技大学工程技术研究院;武汉科技大学人工智能与自动化学院;北京科技大学国家材料服役安全科学中心;
摘要：为解决特钢生产线能源预测中复杂工况与多品规切换导致的数据稀缺和模型不稳定问题，提出了一种基于多重在线迁移学习优化的模型，实现电耗持续精准预测。模型首先通过自适应网络样本迁移实现源域与目标域样本在有限数据下的重用，并行训练多个子数据集构建弱学习器；其次，利用模仿学习和知识蒸馏实现弱学习器间的结构共享；最后采用弱学习缓冲池策略筛选最优弱学习器集成强学习器模型，并持续更新以提升实时预测性能。并基于某钢管厂热轧产线数据进行验证。结果表明：相比ARMA-ONS、Transformer和BiGRU模型，本模型在多品规切换及多工况下的预测性能更优、稳定性更高。基于此模型构建的阈值预警机制对故障停机、空转及电耗异常实现了98%以上的准确预警。
关键词：热轧钢管;;电耗在线预测;;迁移学习;;集成学习;;特钢工业
基金资助：北京科技大学青年教师学科交叉研究项目资助项目（FRF-IDRY-23-028）;; 开放式基金（MADTOF2023A02）
