基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法 收稿日期:2021-01-04基金项目:国家自然科学基金资助项目（51674028）

水梁印是板坯加热的一种常见问题，造成钢板尺寸和板形缺陷。针对水梁印识别困难且工作量大问题，本文提出一种基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法。该算法在降噪自编码器编码层的每一层添加随机噪声，在隐藏层后添加分类层，并对数据添加伪标签，使得降噪自编码器具有半监督学习能力。通过提取热轧带钢粗轧出口温度数据中的温差特征，用相应特征对模型进行训练。实验结果表明，与BP神经网络，深度BP神经网络，DBN，LSTM和CNN-LSTM分类识别模型对比，本文提出的模型在带标签样本数量较小时，分类精度相比其他模型高5.0%-10.0%；在带标签样本数量较大时，提出的模型分类精度达到93.8%。