莫堃 张沛 官雪梅 光海杰 熊章伍

(中国东方电气集团有限公司,四川成都 610036)

0 引言

近年来,我国高精度加工产品需求剧增。在核行业中大型筒体的精度加工关系到装配精度、尺寸位置公差。根据研究发现钛和氮能够结合形成氮化钛,钛和氧能够结合形成二氧化钛,在实际不锈钢生产中起到避免晶间腐蚀的作用,但钛元素在不锈钢中也是有害,有时钛会危害到不锈钢的性能,如使不锈钢铸锭的表面质量变差,导致工序修磨量增加,高精度表面的加工难度大等问题。因此在大型筒体高精度加工时应该尽量选择不含钛元素的不锈钢原材料,而如何简单快速地测定出钛则非常关键。

LSTM是一种可以进行信息处理的数学算法模型,它善于模仿生物神经网络的行为特征[1]。1997年DalleMolle人工智能研究所的尤根施密杜伯主任在论文《递归神经网络中的消失梯度问题及其解决方法》中提出了长短时记忆人工神经网络,它比传统的循环神经网络(RNN)更加有效[2-3]。LSTM算法考虑时间影响因素,又解决了长序列信息丢失问题,因此被广泛应用于故障诊断、电力调度等领域。本研究以不锈钢样品为例,提出了一种基于LSTM神经网络算法对不锈钢中钛元素的定性判别方法,以实现高效准确地解谱的目的。

1 LSTM神经网络算法

在t时刻,LSTM的输入有三个：当前时刻网络的输入值Xt、上一时刻LSTM的输出值ht-1、上一时刻的单元状态Ct-1。LSTM的输出有两个：当前时刻LSTM输出值ht和当前时刻的单元状态Ct。LSTM去除或者增加信息到单元是通过“门”结构实现的。……