TY  - JOUR
TI  - 基于智能技术的炼钢设备故障率预测与优化研究
AU  - 王成龙
JO  - 冶金与材料
PY  - 2025
IS  - 9
SP  - 153
EP  - 155
SN  - 2096-4854
AB  - 为提高炼钢设备管理水平，并降低设备故障率，文章提出基于LSTM深度学习的炼钢设备故障预测与优化方案。该方案以山东某炼钢厂转炉和连铸机设备为研究对象，构建了包含278个特征维度的设备状态数据集，设计了双层LSTM网络结构用于故障预测建模。同时开发了分布式微服务架构的故障预测系统，实现设备状态实时监测和预警。实际应用结果表明，该方案使设备故障率降低62.4%，维护响应时间缩短64.3%，年度维护成本降低312万元，在提升设备管理效率和经济效益方面表现突出。
KW  - 智能技术
KW  - 炼钢设备
KW  - 故障预测
UR  - https://journal.zazhitong.com/yjycl/articles/2108474164660535297
ER  -