-
公开(公告)号：CN120013310A
公开(公告)日：2025-05-16
申请号：CN202411863556.3
申请日：2024-12-17
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/10 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及化工生产过程控制技术领域，具体公开了一种基于性能驱动知识蒸馏的生产过程出口质量预测方法，包括以下步骤：步骤1，采集工业生产过程的可观测过程数据和出口质量指标的化验数据，并构成数据集；步骤2，对数据集进行清洗和标准化，并按照一定比例随机划分为训练集、验证集与测试集；步骤3，搭建基础质量预测器，以孪生神经网络框架，将LSTM模块嵌入其中；步骤4，训练多个基础孪生LSTM质量预测器，获得教师模型；步骤5，以性能作为驱动，结合知识蒸馏与有监督学习，训练具有相同结构的学生模型；步骤6，输入测试样本的过程数据，获取输出的预测值，以在保证模型稳定性的基础上提高对工业过程生产质量指标软测量的准确性。
-
公开(公告)号：CN118209148A
公开(公告)日：2024-06-18
申请号：CN202410314618.9
申请日：2024-03-19
Applicant: 中南大学
IPC: G01D18/00 , G06F18/2415 , G06F18/23 , G06N3/0895
Abstract: 本发明涉及工业传感与测量技术领域，具体公开了一种受外部干扰变量引起的传感器测量偏差校正方法，包括以下步骤：采集与偏差传感器相关的过程变量数据、引起传感器产生偏差的干扰变量数据以及偏差传感器数据，构成数据集；采用基于中间样本增强的高斯混合聚类方法对干扰数据和偏差传感器数据所构成的数据样本进行聚类，并得到高斯混合模型中各分类子模型的隶属度；选取样本数最多的类别样本作为零偏差样本，其余样本为待校正样本；利用相关过程数据作为输入、零偏差传感器测量值作为标签，采用神经网络进行有监督训练；将聚类信息集成到半监督学习的拉普拉斯矩阵中，以过程数据作为输入训练半监督神经网络，得到偏差样本的校正值。
-
公开(公告)号：CN119179269A
公开(公告)日：2024-12-24
申请号：CN202411310126.9
申请日：2024-09-19
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本发明涉及自动控制技术领域，公开了一种前馈双向关联下的前馈反馈同步强化学习控制方法，包括以下步骤：建立控制输出对扰动的逆扰动模型和复合扰动模型，获得前馈双向关联下的系统动力学模型；将设定跟踪问题转化到系统误差框架下，从状态自转移产生的误差中，分解出扰动导致的分量作为中间变量；将系统误差、中间变量增广为新的状态，基于增广状态设计反馈控制器保证有限的稳定性，剩余的稳定性问题转化为仅与前馈控制输出有关的增广系统状态收敛问题；在前馈控制作为动作、增广系统状态作为反馈的环境下，利用DQN强化学习算法获得最优动作下的最优增广状态，从最优增广状态再连接到最优反馈控制器输出，本发明控制效果更好、求解速度更快。
-
公开(公告)号：CN118071201A
公开(公告)日：2024-05-24
申请号：CN202410210448.X
申请日：2024-02-26
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/04 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明涉及化工生产过程控制技术领域，具体公开了一种基于正交自注意力LSTM的多装置级联生产过程出口质量预测方法，包括以下步骤：步骤1，采集过程数据和化验数据，构成数据集；步骤2，分析不同装置过程变量和质量指标之间的时滞关系；步骤3，基于时滞关系为过程变量划分时间窗，将划分后的过程变量矩阵与对应的质量指标打包成为单个模型数据样本，对所有样本进行随机划分；步骤4，采用正交自注意力网络结构提取过程数据本身的时滞变化信息；步骤5，将正交自注意力网络结构融合于级联LSTM神经网络结构中，步骤6，通过级联LSTM神经网络结构进行有监督训练，获得训练模型；步骤7，输入测试样本的过程数据，并获得输出预测值。
-
-
-
Search Results
4
records
(took 0.013 seconds)
