基于离线到在线强化学习框架的锡冶炼工艺多目标优化研究

《Electronics》:Tin Smelting Process Parameter Optimization Based on Offline-to-Online Reinforcement Learning

【字体: 大 中 小 】 时间:2026年10月02日 来源:Electronics 2.9

编辑推荐:

   摘要

  

摘要

提高锡直接回收率的同时降低能耗仍然是锡冶炼中的基本挑战,原因在于工艺变量之间存在强烈的非线性关系和复杂的交互作用。针对这一问题,本研究提出了一种从离线到在线的强化学习框架,用于锡冶炼工艺参数的多目标优化。首先,采用Spearman相关性分析识别影响锡直接回收率和能耗的主要变量。随后,开发了一种集成自举概率神经网络(Ensemble-BPNN)来建立操作参数与工艺目标之间的非线性关系模型。基于该预测模型,提出了一种策略动态融合的从离线到在线强化学习算法(O2O-PDF)。该算法将离线策略预训练与在线策略细化相结合,以高效识别帕累托最优操作策略。此外,还开发了一种混合决策策略,从帕累托前沿中选取优选解,该策略融合了竞争解距离方法和熵权法。工业顶吹炉实验验证了所提方法的有效性。与经验操作参数相比,优化后的参数使锡直接回收率提高了3.02%,能耗降低了5.67%。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号