基于多任务学习多目标优化的稀土元素组分含量与浓度多维度软测量
Content and concentration of rare earth element components based on multi-task learning multi-objective optimization multidimensional soft measurement作者机构:江西理工大学信息工程学院江西赣州341000
出 版 物:《控制理论与应用》 (Control Theory & Applications)
年 卷 期:2024年第41卷第3期
页 面:454-467页
核心收录:
学科分类:080603[工学-有色金属冶金] 08[工学] 081104[工学-模式识别与智能系统] 0806[工学-冶金工程] 0811[工学-控制科学与工程]
基 金:江西理工大学博士科研启动基金项目(2022205200100595) 国家自然科学基金委员会项目(72261018) 江西省教育厅青年项目(GJJ2200868)资助.
主 题:稀土萃取 组分含量 多任务学习 多目标优化 机器学习 深度学习 帕累托
摘 要:稀土混合萃取溶液中各元素组分含量的在线软测量是优化连续萃取生产过程、确保产品高纯化的前提.现有软测量方法可独立求解单个稀土元素组分含量,但忽略了多元素组分含量间或组分含量与其它相关因素(如浓度)间的共性.本文为探索多稀土元素组分含量间及组分含量与浓度间的共性,将多任务学习方法用于稀土元素组分含量软测量中.首先,构建多任务深度神经网络,提高模型的泛化能力和鲁棒性.其次,提出基于多目标优化算法的稀土多元素组分含量预测方法,通过搜索Pareto最优以提升各任务的预测精度.经多组对比实验表明,该方法在多元素组分含量或多元素组分含量与浓度同时训练时性能最佳,能满足稀土元素组分含量在线检测的精确性和实时性.