利用深度学习对深冲钢机械性能的预测

当前钢铁企业主要采用“事后抽检”方式来控制最终的产品质量。但因无法基于传统方法对所有产品实现在线质量预测，常发生索赔和退货，这也是导致企业经济损失的一大因素。在生产过程中为实现对深冲钢在线质量预测，引入了基于深度学习的机械性能预测模型。首先利用LSTM（长短时记忆）、GRU（门控循环单元）网络和GPR（高斯过程回归）模型去预测深冲钢的机械性能，并讨论了三种模式的预测精度和学习效率，其次提出了在线迁移学习模型。从结果来看不仅预测精度得到改善，而且预测耗时缩短能更好满足在线实时预测的要求。