高速预测钢铁制造中的表面纹理
机器学习
2023-01-23 v1
摘要
在镀锌和平整轧制过程中控制钢带表面纹理对于满足客户要求至关重要，传统上采用触针在生产后测量。生产中的激光反射测量虽不如物理测量一致，但能够实现处理参数的实时调整以优化产品表面特性。我们提出使用机器学习来提高从在线激光反射测量到表面特性预测的转换精度。除精度外，模型评估速度对于快速反馈控制也很重要。ROCKET 模型是最快的先进模型之一，但可通过利用 GPU 加速。我们的贡献在于在 PyTorch 中实现该模型以进行快速 GPU 核变换，并提供比例正值（Proportion of Positive Values, PPV）非线性池化函数的软版本，从而允许梯度流动。我们进行了比较各实现的计时与性能实验。
引用
@article{arxiv.2301.08527,
title = {Predicting Surface Texture in Steel Manufacturing at Speed},
author = {Alexander J. M. Milne and Xianghua Xie},
journal= {arXiv preprint arXiv:2301.08527},
year = {2023}
}