期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于工厂数据的注意力LSTM网络辨识方法 被引量:9
1
作者 王雅欣 徐宝昌 +2 位作者 徐朝农 董秀娟 许立伟 《化工学报》 EI CAS CSCD 北大核心 2020年第12期5664-5671,共8页
化工企业控制系统日益复杂,辨识被控对象模型是自动控制和优化设计的首要任务。针对化工过程多数辨识实验需要对过程施加测试信号,可能导致生产中断或引发安全事故的问题,利用长短时记忆(long short-term memory,LSTM)网络对含高维度、... 化工企业控制系统日益复杂,辨识被控对象模型是自动控制和优化设计的首要任务。针对化工过程多数辨识实验需要对过程施加测试信号,可能导致生产中断或引发安全事故的问题,利用长短时记忆(long short-term memory,LSTM)网络对含高维度、强耦合、非线性等特点的工厂时序数据具有的强适应性的特点,提出一种结合注意力机制思想的LSTM非线性动态模型辨识算法。该算法在LSTM模型基础上考虑输入变量对目标变量的重要性,为输入序列中影响输出结果的关键特征分配更多注意力,提高了LSTM模型的泛化能力。基于工厂日常运行数据构建LSTM网络模型可作为被辨识对象的数字化虚拟装置,利用人工测试信号在虚拟装置上离线辨识局部线性模型。在Tennessee-Eastman(TE)过程上的辨识实验验证了本文方法的有效性。 展开更多
关键词 化工过程建模 系统辨识 非线性动态模型 长短时记忆 数字化虚拟装置
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部