郑州职业技术学院信息工程与大数据学院;
建立了一种湿法冶金设备控制的经济效益最优化模型，引入了基于深度双Q网络(Double Deep Deterministic Q-Network, DDQN)模型优化求解算法，同时结合残差网络(Residual Network, ResNet)的深度学习能力，以实现对设备运行异常状态的检测和预警。对比仿真试验结果表明：该智能控制算法不仅能大幅提高湿法冶金设备运行效率，还可增强系统的稳定性与可靠性，提高企业经济效益。
| 99 | 0 | 53 |
| 下载次数 | 被引频次 | 阅读次数 |
[1] 阳春华，孙备，李勇刚，等复杂生产流程协同优化与智能控制[J].自动化学报，2023,49(3):528-539.
[2] 顾群.湿法冶金下游流程的分层优化及全流程优化仿真算法分析研究[J].湿法冶金，2023,42(2):205-214.
[3] 李晓冉，焦烜，李晖，等基于改进粒子群算法的湿法冶金技术优化控制[J].黄金，2024,45(7):39-45.
[4] 牛大鹏，臧雅丽，贾明兴.基于案例推理的湿法冶金全流程优化设定[J].东北大学学报(自然科学版),2020,41(1):1-6.
[5] 陈春林，戴兴征，魏昶.湿法炼锌协同处置富氧顶吹炼铅烟尘分离回收镉的生产实践[J].矿冶，2023,32(1):60-64.
[6] 李晶，洪武，张文亮，等.基于 YOLOv5 算法的智能剥锌机预开口识别技术研究[J].中国矿业，2024,33(增刊1):258-262.
[7] 马少腾.冶金设备管理与维修存在的问题及对策[J].工程管理与技术探讨，2023,5(19):25-27.
[8] 桂卫华，阳春华，陈晓方，等.有色冶金过程建模与优化的若干问题及挑战[J].自动化学报，2013,39(3):197-207.
[9] 杨欣伟，赵雪娇.某湿法冶金流程运行状态的在线评价方法优化及仿真分析[J].湿法冶金2023,42(4):422-428.
[10] 张明，高利坤，饶兵，等.铜冶炼渣湿法浸出资源化高效回收研究现状[J].矿冶，2022,31(5):88-97.
[11] 黄松勇，王贤琳，鄢威，等.基于 DRL 的离散生产线动态感知决策[J].组合机床与自动化加工技术，2023(8):176-182.
[12] 易佞纯，桂卫华，梁骁俊，等.挥发窑鼓风管的关键点识别及其摆放位置监测[J].控制理论与应用，2024,41(1):172-182.
[13] 雷伟岩，李金贵，何齐升，等.湿法炼锌除铁工艺研究进展[J].湿法冶金，2023,42(5):458-463.
[14] 蒋桂玉，夏洪应，张奇，等.湿法炼锌浸出渣的工艺矿物学研究[J].有色金属科学与工程，2023,14(3):381-386.
[15] 薛乃阳，丁丹，贾玉童，等.基于 DQN 的异构测控资源联合调度方法[J].系统仿真学报，2023,35(2):423-434.
[16] 陈睿奇，黎雯馨，王传洋，等.基于深度强化学习的工序交互式智能体Job shop 调度方法[J].机械工程学报，2023,59(12):78-88.
[17] 郑文杰，杨祎，乔木，等.基于改进 YOLO和Resnet 的变电设备热缺陷识别及诊断方法[J].重庆理工大学学报(自然科学),2023,37(9):261-269.
[18] 毕忠勤，李欢峰，张伟娜，等.基于域泛化的工业设备无监督异常声音检测算法[J].科学技术与工程，2024,24(3):1091-1099.
[19] 常禧龙，梁琨，李文涛.深度学习优化器进展综述[J].计算机工程与应用，2024,60(7):1-12.
[20] 李宗坤，郑晶星，周晶.误差反向传播神经网络模型的改进及其应用[J].水利学报，2003,34(7):111-114.
基本信息:
DOI：10.13355/j.cnki.sfyj.2024.06.017
中图分类号:TF355
引用信息:
[1]赵秋锦.基于DDQN优化控制及ResNet异常检测的湿法冶金设备智能控制模型研究[J].湿法冶金,2024,43(06):710-716.DOI:10.13355/j.cnki.sfyj.2024.06.017.
基金信息:
河南省高等学校重点科研项目(23B520047)