基于BSCWEformer的退火炉内分组式辊速序列预测

退火炉内带钢的长度受到温度、张力等因素的影响而变化,导致辊的转速改变以及焊缝位置的不确定,从而威胁生产安全.为了准确预测辊的转速以计算焊缝的实时位置,本文提出基于带状稀疏柯西自注意力的BSCWEformer (banded sparse Cauchy weight enhanced Transformer)模型.模型采用带状稀疏的、使用基于相对位置计算的柯西分布权重值增强的自注意力结构,在提高相邻输入序列的重要性的同时,将自注意力的复杂度由二次方降低为线性.通过实际生产数据进行实验,并与LogSparse Transformer、Transformer、RNMT+等模型进行对比,得出本文所提出的BSCWEformer模型在退火炉内分组式辊速序列预测任务上具有较高的预测精度.