基于ISTA-LSTM模型的间歇过程质量预测

作     者：赵小强 脱奔奔 惠永永 蒋红梅 ZHAO Xiao-qiang;TUO Ben-ben;HUI Yong-yong;JIANG Hong-mei

作者机构：兰州理工大学电气工程与信息工程学院兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2023年第38卷第11期

页      面：3279-3289页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1002[医学-临床医学] 08[工学] 0804[工学-仪器科学与技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62263021) 甘肃省科技计划项目(21YF5GA072,21JR7RA206)。 

主　　题：间歇过程 质量预测 注意力机制 长短时记忆网络 网格搜索法 偏最小二乘方法 

摘      要：为了考虑过程变量与质量变量的相关性,解决间歇过程的时序性和动态特性导致预测精度不高的问题,提出一种基于改进时空注意力-长短时记忆神经网络(improved spatial and temporal attention long short-term memory,ISTA-LSTM)的模型进行间歇过程质量预测.首先,对间歇过程的三维数据按变量方向展开成二维矩阵,对二维数据采用Min-max方法归一化;然后,使用偏最小二乘(PLS)方法对原始数据降维,提取数据的特征信息,基于时间注意力和空间注意力构建编码-解码器结构的双层LSTM网络,利用注意力机制自适应地学习神经网络参数,关注每一个过程变量对质量变量的重要性并分配相应的注意值,从而保留所有输入的必要信息,采用带交叉验证的网格搜索算法对预测模型进行超参数寻优,并建立预测模型;最后,在青霉素发酵仿真平台上进行实验验证,实验结果验证了所提模型对间歇过程质量预测的可行性和有效性.