一种基于CAEs-ACNN的软测量建模方法
基本信息
| 申请号 | CN202110724717.0 | 申请日 | - |
| 公开（公告）号 | CN113485261B | 公开（公告）日 | 2022-06-28 |
| 申请公布号 | CN113485261B | 申请公布日 | 2022-06-28 |
| 分类号 | G05B19/418（2006.01）I | 分类 | 控制；调节; |
| 发明人 | 高世伟;许金鹏;马忠彧;田冉;刘颜星;张青松;仇素龙 | 申请（专利权）人 | 西北师范大学 |
| 代理机构 | 北京盛凡佳华专利代理事务所（普通合伙） | 代理人 | - |
| 地址 | 730070甘肃省兰州市安宁东路967号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种结合堆叠卷积自编码器和注意力机制的卷积神经网络的深度学习软测量模型（CAEs‑ACNN）。首先分别构建无监督的卷积自编码器和具有卷积注意力模块用来共同提取数据的深层特征，其次再将提取出的数据特征分别输入相应的回归器得到对应的输出值，最后通过两个输出值求平均得到整体模型（CAEs‑ACNN）的关键变量的预测值。该发明解决了复杂工业过程中关键变量难以测量的问题，用软件的方法代替硬件，节省了生产成本，并且该发明相比于传统的软测量建模方法预测性能有显著提升。该发明通过蒸汽火力发电和石油精炼的脱丁烷塔两个工业过程验证本发明的有效性，证明本发明能够很好的适用于复杂的工业过程关键变量难以测量的场景。 |
