-
题名基于最近邻与神经网络融合模型的软测量建模方法
被引量：3
- 1
-
-
作者
杨逸俊
王振雷
王昕
-
机构
华东理工大学化工过程先进控制和优化技术教育部重点实验室
上海交通大学电工与电子技术中心
-
出处
《化工学报》
EI
CAS
CSCD
北大核心
2020年第12期5696-5705,共10页
-
基金
国家重点研发计划项目(2018YFB1701103)。
-
文摘
软测量建模能够有效地解决生产过程中在线分析仪表测量滞后大、价格昂贵、维护保养复杂等问题。目前,基于数据驱动的神经网络是软测量建模的主要工具之一。而在建模数据的采集过程中,主导变量的采集相对辅助变量要困难得多,由此产生了大量缺失标签的数据。但传统的软测量建模方法却忽视了这些无标签数据,只利用少量的有标签数据建模,从而影响了模型的预测精度。为了解决标签缺失的问题,采用最近邻算法对无标签数据进行伪标记,同时设计了由卷积操作与门限循环单元神经网络(GRU)结合的网络结构来进一步利用无标签数据,提取不同时刻数据中的动态特征,提高神经网络的预测精度。最后将该方法应用于丙烯精馏塔塔顶丙烷浓度的预测,实验结果表明该模型能有效处理非线性动态系统的标签缺失问题,具有更高的预测精度。
-
关键词
软测量
动态建模
过程系统
最近邻算法
门限循环单元神经网络
-
Keywords
soft sensor
dynamic modeling
process systems
nearest neighbor algorithm
gated recurrent unit neural network
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
