来源：期刊VIP网 时间：
作者：赵铮;
单位：平顶山职业技术学院计算机科学与应用系;
摘要：针对当前湿法冶金设备控制和智能检测模型较为简单、泛化能力较弱等问题，提出了一种基于深度学习的湿法冶金设备智能控制和故障检测算法模型，首先利用基于SAC深度强化学习算法对湿法冶金设备进行智能控制，再根据智能控制的近期历史数据，采用改进ARIMA算法对设备进行故障检测。为了进一步提升算法的实时性，引入LoRA微调网络对模型进行低参数微调和加速，LoRA微调网络对模型进行低参数微调和加速。该模型对设备智能化控制精度达93.24%,故障检测准确率达91.34%,实际应用效果较好。
关键词：实时机器学习;;SAC;;ARIMA;;LoRA
