-
题名面向多采样率数据的TTPA-LSTM软测量建模
被引量：1
- 1
-
-
作者
王法正
隋璘
熊伟丽
-
机构
江南大学物联网工程学院
江南大学轻工过程先进控制教育部重点实验室
-
出处
《化工学报》
北大核心
2025年第4期1635-1646,共12页
-
基金
国家自然科学基金项目(61773182)
国家重点研发计划子课题项目(2018YFC1603705-03)
江南大学“轻工技术与工程”双一流学科与支撑学科协同发展支持计划项目(QGJC20230203)。
-
文摘
实际工业生产中,过程变量间存在的时滞和采样率差异会降低建模质量,使得许多软测量模型无法适用。因此,提出一种基于时间感知模式注意力(time-aware temporal pattern attention,TTPA)机制和长短时记忆网络的软测量建模方法。首先,将高、低采样率对应的数据分别重构为短期和长期信息,采用时间感知模块将输入信息分解并考虑时间间隔特性,针对质量相关信息占比低的问题,设计非递增启发式衰减函数对短期信息进行加权,组合后获得长短期信息集成特征,降低因多采样率产生的数据缺失影响。其次,引入特征优化模块实现特征二维滤波,跨时间步解析多元时间序列中的时滞信息,获取更有效的质量相关特征。最后,搭建了基于TTPA的长短期记忆网络软测量模型。通过工业青霉素发酵过程和脱丁烷塔过程的应用仿真,验证了所提模型的有效性和优越性。
-
关键词
多采样率
时间感知模式注意力
长短时记忆网络
软测量
神经网络
过程控制
动态建模
-
Keywords
multi-sampling rate
time-aware temporal pattern attention
long short-term memory network
soft-sensor
neural networks
process control
dynamic modeling
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
