-
公开(公告)号：CN118111847B
公开(公告)日：2024-10-01
申请号：CN202410247694.2
申请日：2024-03-05
Applicant: 中南大学
IPC: G01N5/00 , G01N33/24 , G01N33/202 , G06F18/27 , G06F18/2135 , G06N3/0455 , G06F123/02
Abstract: 本发明公开了一种低温低压环境下的氧化铝溶出率测量方法及相关装置，方法包括：获取低温低压环境下氧化铝溶出过程中的实时测量数据；测量数据包括流速、苛性比值以及液位等数据；根据实时测量数据提取与氧化铝溶出率相关的强特征生产数据；将强特征生产数据划分为多个单通道时间序列数据；其中每个单通道处理同一变量的时间序列数据；将多个单通道时间序列数据输入至氧化铝溶出率网络模型，预测得到低温低压溶出过程中的氧化铝溶出率；其中氧化铝溶出率网络模型为生成式预训练Transformer网络，并采用多头注意力以及多层感知机冻结策略。通过冻结Transformer多头注意力及单通道变量处理方法，降低计算成本提高预测精度。
-
公开(公告)号：CN118111847A
公开(公告)日：2024-05-31
申请号：CN202410247694.2
申请日：2024-03-05
Applicant: 中南大学
IPC: G01N5/00 , G01N33/24 , G01N33/202 , G06F18/27 , G06F18/2135 , G06N3/0455 , G06F123/02
Abstract: 本发明公开了一种低温低压环境下的氧化铝溶出率测量方法及相关装置，方法包括：获取低温低压环境下氧化铝溶出过程中的实时测量数据；测量数据包括流速、苛性比值以及液位等数据；根据实时测量数据提取与氧化铝溶出率相关的强特征生产数据；将强特征生产数据划分为多个单通道时间序列数据；其中每个单通道处理同一变量的时间序列数据；将多个单通道时间序列数据输入至氧化铝溶出率网络模型，预测得到低温低压溶出过程中的氧化铝溶出率；其中氧化铝溶出率网络模型为生成式预训练Transformer网络，并采用多头注意力以及多层感知机冻结策略。通过冻结Transformer多头注意力及单通道变量处理方法，降低计算成本提高预测精度。
-
公开(公告)号：CN118194922A
公开(公告)日：2024-06-14
申请号：CN202410361795.2
申请日：2024-03-28
Applicant: 中南大学
IPC: G06N3/0455 , G06F18/214 , G06N3/084 , G06N3/0499 , G06F123/02
Abstract: 本发明公开了一种小样本工况下的氧化铝苛性比先进控制方法及相关装置，其中方法包括：获取氧化铝工厂生产的小样本数据；从小样本数据中选择影响苛性比的若干个干扰变量、若干个操纵变量以及一个控制变量，将干扰变量、操作变量以及控制变量合并为训练数据集；通过滑动数据窗口提取训练数据集的顺序样本，得到多元时间序列数据集；根据多元时间序列数据集训练得到氧化铝苛性比网络模型；该模型在微调时冻结自注意力块，仅更新位置编码与正则项；将氧化铝工厂的生产数据输入至氧化铝苛性比网络模型，预测得到苛性比值；基于未来多个苛性比值，通过梯度下降滚动优化操作变量，以实现氧化铝苛性比先进控制。
-
公开(公告)号：CN118194922B
公开(公告)日：2024-12-24
申请号：CN202410361795.2
申请日：2024-03-28
Applicant: 中南大学
IPC: G06N3/0455 , G06F18/214 , G06N3/084 , G06N3/0499 , G06F123/02
Abstract: 本发明公开了一种小样本工况下的氧化铝苛性比先进控制方法及相关装置，其中方法包括：获取氧化铝工厂生产的小样本数据；从小样本数据中选择影响苛性比的若干个干扰变量、若干个操纵变量以及一个控制变量，将干扰变量、操作变量以及控制变量合并为训练数据集；通过滑动数据窗口提取训练数据集的顺序样本，得到多元时间序列数据集；根据多元时间序列数据集训练得到氧化铝苛性比网络模型；该模型在微调时冻结自注意力块，仅更新位置编码与正则项；将氧化铝工厂的生产数据输入至氧化铝苛性比网络模型，预测得到苛性比值；基于未来多个苛性比值，通过梯度下降滚动优化操作变量，以实现氧化铝苛性比先进控制。
-
-
-
Search Results
4
records
(took 0.016 seconds)
