公开(公告)号：CN117316327A

公开(公告)日：2023-12-29

申请号：CN202311298880.0

申请日：2023-10-09

Applicant: 南京工业大学

Inventor： 喻果 ,  江超 ,  杨澄 ,  薄翠梅

IPC: G16C20/30 ,  G16C20/10 ,  G16C20/70 ,  G06N3/096 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/047

Abstract: 本发明提供了一种用于煤制乙二醇过程的小样本质量预测方法，建立了一种可迁移对抗慢特征提取网络(TASF‑Net)。该网络结合了慢度原则与贝叶斯深度学习，能够有效刻画煤制乙二醇过程中的大惯性及非线性的特性。同时该网络采用最小‑最大博弈理论进行对抗学习，从而提高模型的鲁棒性和隐式提取高阶统计信息的能力。此外，利用增量微调迁移学习来将预训练模型中的知识迁移到目标域，并使用有限的目标域标记数据对目标模型SF‑Net进一步增量微调，从而提高目标模型的小样本预测精度。这种综合性方法有效解决了离线化验分析数据样本极其稀缺导致的建模困难问题，为后续过程监测、优化和控制等操作提供了强有力的基础。

公开(公告)号：CN117291267A

公开(公告)日：2023-12-26

申请号：CN202311364399.7

申请日：2023-10-20

Applicant: 南京工业大学

Inventor： 喻果 ,  江超 ,  杨澄 ,  薄翠梅

IPC: G06N5/04 ,  G06N3/094 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明提供了一种基于深度对抗慢特征提取网络的化工过程推断建模方法。该方法采用变量注意力机制，在每个时间步长自适应筛选输入变量，以增强模型的预测性能并抑制冗余。同时，引入PSF‑Net用于有效刻画化工过程中的非线性和大惯性的过程特性。为进一步提高模型的鲁棒性和隐式提取高阶特征的能力，本发明开发了一个鉴别器，并设计了对抗性学习框架。在该框架中，鉴别器与PSF‑Net进行最小‑最大博弈，不断博弈迭代直到达到纳什均衡。最后，推导出适用于APSF‑Net的最终目标函数，能够有效地对模型参数进行迭代更新至局部最优，实现了质量变量的在线估计，为后续过程监测、优化和控制等操作提供了强有力的基础。

公开(公告)号：CN119335975A

公开(公告)日：2025-01-21

申请号：CN202411446268.8

申请日：2024-10-16

Applicant: 南京工业大学

Inventor： 薄翠梅 ,  叶胜利 ,  李俊 ,  王玉 ,  张贺 ,  喻果

IPC: G05B19/418

Abstract: 本发明公开了一种精馏塔分层经济优化预测控制方法。该发明中精馏塔的双层结构预测控制策略包含经济自优化的稳态优化层和设定值跟踪的动态控制层，旨在同时满足经济性和控制性能目标；稳态优化层在精馏塔出口浓度、回流量等输出输入值的约束下求解精馏塔稳态模型的最优目标函数，确定出经济效益最大化的最优稳态输入和输出；动态控制层采用改进的动态矩阵控制算法，将最优操作变量输出到阀门的开度或传统PID控制器的设定值上，实现最优设定点的动态跟踪控制，最终完成精馏塔的多目标分层预测的控制。