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
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%。
生物通微信公众号
生物通新浪微博
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