|国家科技期刊平台
| 注册
首页|期刊导航|自动化学报|基于时序图像深度学习的电熔镁炉异常工况诊断

基于时序图像深度学习的电熔镁炉异常工况诊断

吴高昌 刘强 柴天佑 秦泗钊

自动化学报2019，Vol.45Issue(8)：1475-1485,11.
✕
自动化学报2019，Vol.45Issue(8)：1475-1485,11.DOI:10.16383/j.aas.c180453

基于时序图像深度学习的电熔镁炉异常工况诊断

Abnormal Condition Diagnosis Through Deep Learning of Image Sequences for Fused Magnesium Furnaces

吴高昌 1刘强 1柴天佑 2秦泗钊1

作者信息

  • 1. 东北大学流程工业综合自动化国家重点实验室 沈阳110819中国
  • 2. 国家冶金自动化工程技术研究中心 沈阳110819中国
  • 折叠

摘要

关键词

电熔镁炉/时空特征提取/异常工况诊断/卷积神经网络/循环神经网络

引用本文复制引用

吴高昌,刘强,柴天佑,秦泗钊..基于时序图像深度学习的电熔镁炉异常工况诊断[J].自动化学报,2019,45(8):1475-1485,11.

基金项目

国家自然科学基金(61673097,61490704,61490701,61833004)资助 （61673097,61490704,61490701,61833004）

自动化学报

OA北大核心CSCDCSTPCD

0254-4156

访问量0
|
下载量0
段落导航相关论文