基于贝叶斯网络参数迁移学习的电熔镁炉异常工况识别

何大阔孙钰沣王福利闫浩

东北大学;

摘要：

在贝叶斯网络(Bayesian network,BN)参数学习中,如果数据不够充分,将无法建立准确的BN模型来分析和解决问题.针对电熔镁炉熔炼过程的异常工况识别建模,提出一种新的BN参数迁移学习方法来改进异常工况识别精度.该方法可以解决源域BN与目标域BN在结构不一致情况下的参数迁移学习问题.在实验部分,首先在著名的Asia网络上对该方法进行了验证,然后将其应用于电熔镁炉熔炼过程排气异常工况识别BN模型的参数学习.实验结果表明,与小数据下建立的目标域BN模型相比,该方法较大地提高了异常工况识别的准确性.

关键词：电熔镁炉、异常工况识别、贝叶斯网络、参数学习、迁移学习

所属期刊栏目：47

资助基金：国家自然科学基金;创新研究群体科学基金;中央高校基本科研业务费

在线出版日期：2021-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：197-208