-
公开(公告)号:CN119200538A
公开(公告)日:2024-12-27
申请号:CN202411333691.7
申请日:2024-09-24
Applicant: 中国矿业大学
IPC: G05B19/418 , G06N3/092 , G06N3/096
Abstract: 一种面向非线性间歇过程下的深度强化学习优化补偿方法,将三维输入数据矩阵展开成二维矩阵;进行标准化处理;构建JY‑KPLS模型;构造JY‑KPLS模型优化问题;求解优化问题;计算历史与查询数据的相似性;根据相似性大小,从旧、新过程数据集中分别筛选出m条旧数据、n条新数据,并与当前查询数据进行作差;以偏差样本作为数据集,建立JITL‑JYKPLS局部模型,解决失配问题;对补偿后模型与优化系统进行交互、试错训练;若当前批次内训练总奖励值超过前一批次内训练总奖励值,则将当前训练好的优化系统用于批次间优化;否则,采用前一批次优化系统用于批次间优化;输出最终产品质量。该方法可显著提升最终产品的质量。
-
公开(公告)号:CN119596688A
公开(公告)日:2025-03-11
申请号:CN202411725261.X
申请日:2024-11-28
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于自适应修正的间歇过程鲁棒优化质量提升方法,对新间歇过程因数据不足而难以建立稳健模型的问题,利用相似过程的充足数据构建JYPLS迁移模型;分析间歇过程复杂的运行环境和频繁的扰动等引起的不确定性因素,利用鲁棒优化方法,建立模型不确定性下的间歇过程批次间鲁棒优化数学模型对不确定性问题并进行处理;在使用鲁棒优化方法解决间歇过程复杂的运行环境和过程扰动等引起的不确定性因素的同时引入自适应修正方法;根据运行优化不同阶段的最优必要条件不匹配问题,制定一种数据更新与剔除引导的迁移模型和不确定集双重更新机制;最后对模型进行求解,寻找出最优操作变量。该方法能有效提升产品的最终质量和企业的经济效益。
-