申请/专利权人:中冶东方工程技术有限公司;青岛东方融智数字科技有限公司
申请日:2024-01-25
公开(公告)日:2024-04-12
公开(公告)号:CN117875513A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q10/0631;G06Q50/04;G16C20/70;G16C60/00;G06N3/045;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开的一种基于深度强化学习的高炉成本最优配料方法及系统,根据原燃料数据信息、炼铁需求信息、高炉炉况信息及训练好的高炉成本最优配料模型,获得成本最优的原燃料配比,其中,高炉成本最优配料模型包括预测网络模块和目标网络模块,预测网络模块估计高炉炉况信息及配料系统在该高炉炉况信息下采用不同原燃料配比时的价值,根据估计出的高炉炉况信息对应的动作价值进行原燃料配比选择,并将选择到的成本最优的原燃料配比反馈至目标网络模块中,目标网络模块对预测网络模块估计的状态值、动作值、状态以及动作进行评价;控制配料系统按照成本最优的原燃料配比,对原燃料进行配料。能够确定成本最优的原燃料配比。
主权项:1.一种基于深度强化学习的高炉成本最优配料方法,其特征在于,包括:获取原燃料数据信息、炼铁需求信息及高炉炉况信息;根据原燃料数据信息、炼铁需求信息、高炉炉况信息及训练好的高炉成本最优配料模型,获得成本最优的原燃料配比,其中,高炉成本最优配料模型包括预测网络模块和目标网络模块,预测网络模块估计高炉炉况信息及配料系统在该高炉炉况信息下采用不同原燃料配比时的价值,根据估计出的高炉炉况信息对应的动作价值进行原燃料配比选择,并将选择到的成本最优的原燃料配比反馈至目标网络模块中,目标网络模块对预测网络模块估计的状态值、动作值、状态以及动作进行评价;控制配料系统按照成本最优的原燃料配比,对原燃料进行配料。
全文数据:
权利要求:
百度查询: 中冶东方工程技术有限公司;青岛东方融智数字科技有限公司 一种基于深度强化学习的高炉成本最优配料方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。