可解释集成学习的间歇过程质量在线预测方法

    公开(公告)号:CN113807606A

    公开(公告)日:2021-12-17

    申请号:CN202111176711.0

    申请日:2021-10-09

    摘要: 一种可解释集成学习的间歇过程质量在线预测方法,通过传感器采集的间歇过程历史数据集建立最终产品质量模型,经数据预处理得到候选输入变量;分时段计算候选输入变量与最终产品质量之间的Copula熵并进行排序,选取Copula熵最大的前M个候选输入变量作为关键变量;根据最终产品质量模型设计堆叠集成随机森林算法,训练该堆叠集成随机森林算法后,利用训练得到的堆叠集成随机森林算法对间歇过程的最终产品质量进行在线预测。本发明显著提升了质量预测的可解释性,可以帮助现场工程师准确地把握生产运行状态和产品质量信息,进而为间歇过程的控制决策提供有用参考。

    一种物理机制驱动的多元时空网络交互建模方法

    公开(公告)号:CN118036445A

    公开(公告)日:2024-05-14

    申请号:CN202410082718.3

    申请日:2024-01-19

    发明人: 王兴宇 王迪 秦威

    摘要: 本发明涉及一种物理机制驱动的多元时空网络交互建模方法,包括以下步骤:基于传感器数据,对多物理场之间存在耦合相关性场景下的复杂建模问题进行统计‑物理融合建模;根据融合建模结果,基于B样条基函数表述时变参数并建立参数相关性调节指数模型,表征多物理场之间的耦合关系;建立交互式贝叶斯层次分析框架,利用参数相关性调节指数模型将不同观测变量之间的耦合关系反映为物理模型参数之间的相关关系强度,并把这种相关性融入贝叶斯参数估计过程中,实现参数准确估计。与现有技术相比,本发明得到的联合后验分布能够对多物理场模型同时进行参数估计,其参数估计结果能够反映参数的时变动态特性,并实现跨模型间的信息相互利用。

    两阶段的面向复杂约束下的钢铁企业设备检修调度方法

    公开(公告)号:CN111950786A

    公开(公告)日:2020-11-17

    申请号:CN202010781979.6

    申请日:2020-08-06

    摘要: 一种两阶段的面向复杂约束下的钢铁企业设备检修调度方法,通过设备检修预调度阶段依据设备管理人员实际经验中归纳出的规则自动生成该调度时段内的各个设备的检修任务,并明确这些检修任务间的相容、相斥约束关系,最后为各个检修任务确定合适的检修开始时间并指派人力资源;进一步由智能优化阶段基于改进遗传算法,对问题中涉及的各种复杂约束关系进行处理,并以最小化检修人力资源冲突、最小化非工作日检修人力资源数量、最小化检修任务间隔时间与模型周期偏差为目标对设备检修预调度进行优化,以使得最终检修方案符合实际需求。本发明改变传统的手工调度方式,自动生成设备检修调度方案,提高设备检修调度效率与检修方案的合理性、科学性。

    数据驱动的中医药制造过程工艺参数优化方法

    公开(公告)号:CN116414095A

    公开(公告)日:2023-07-11

    申请号:CN202310413626.4

    申请日:2023-04-18

    IPC分类号: G05B19/418

    摘要: 一种数据驱动的中医药制造过程工艺参数优化方法,通过计算中医药产品生产过程历史工艺参数和产品质量间的最大互信息系数(MIC),同时构建质量预测模型(PM‑AdaBoost),根据最大互信息系数和质量预测模型的均方误差计算适应度函数,通过粒子群的初始化、计算适应度函数、多次迭代更新粒子在工艺参数搜索空间的速度和位置,得到中医药产品生产过程中的关键工艺参数和优化质量预测模型,进一步将优化质量预测模型的均方误差作为适应度函数,利用粒子群优化算法得到优化关键工艺参数。本发明通过最大信息系数衡量变量间的线性及非线性关系,选用最大信息系数和质量预测均方误差作为筛选关键工艺参数和构建质量预测模型的标准,在准确性上占有绝对优势;基于质量预测模型通过粒子群算法优化关键,粒子群作为工艺参数优化算法,在收敛速度上占有绝对优势。

    基于注意力机制的高炉热负荷异常状态监测方法

    公开(公告)号:CN114015825B

    公开(公告)日:2022-12-06

    申请号:CN202111318176.8

    申请日:2021-11-09

    IPC分类号: G06N20/00

    摘要: 一种基于注意力机制的高炉热负荷异常状态监测方法,首先进行数据采集与数据预处理,然后构建包括双层一维卷积神经网络结构与单层双向长短记忆网络下结构的基于注意力机制的预测模型,再基于联合训练机制的方式进行预测模型的训练,最后通过添加注意力机制的1DCNN提取输入参数显著异常波动的特征,再由BiLSTM在时间维度上的记忆功能,实现在线监测,本发明考虑所采集历史数据的质量问题设计两阶段数据预处理方法,能够显著提升热负荷急剧变化时趋势状态的预测准确性,把握高炉设备的运行状况,保证高炉炼铁生产过程的持续与稳定。