检索结果-南通市图书馆

基于CJS-SLLE降维与即时学习的转炉炼钢终点碳温软测量方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2023年第10期40卷 1839-1850页

作者：赵安刘辉陈甫刚刘旭琛张大锦昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500 云南昆钢电子信息科技有限公司云南昆明650500

转炉炼钢中碳温的准确检测是终点判断的关键,基于数据驱动的终点碳温软测量方法是一种有效途径,但转炉炼钢生产过程数据存在高维度、非线性和数据波动大的问题.针对这一问题,本文提出一种降维与即时学习的终点碳温软测量(CJS-SLLE)算法... 详细信息

转炉炼钢中碳温的准确检测是终点判断的关键,基于数据驱动的终点碳温软测量方法是一种有效途径,但转炉炼钢生产过程数据存在高维度、非线性和数据波动大的问题.针对这一问题,本文提出一种降维与即时学习的终点碳温软测量(CJS-SLLE)算法用于过程数据的监督降维.通过在距离度量中引入量化后的碳温标签信息,从而构造了一种带有监督信息的度量方式实现类内类间方差的调整,然后在带标签信息的基础上引入数据间方向信息,从而实现了样本标签、方向和距离三者信息融合的一种新型(CJS)相似性度量策略,应用到局部线性嵌入中获得高维训练样本低维坐标;其次,提出一种自适应局部线性投影策略用于无标签待测样本,实现其低维坐标中同样包含标签信息;最后,根据即时学习算法选取样本子集建立偏最小二乘局部回归模型对终点碳温预测.在实际转炉炼钢生产过程数据仿真下,碳含量在±0.02%误差范围内预测精度达到90%,温度在±10℃误差范围内预测精度达到87%.

关键词：转炉炼钢即时学习相似性度量预测分析降维

基于半监督集成即时学习的橡胶混炼过程门尼黏度软测量研究

在线全文

学校读者我要写书评

暂无评论

高校化学工程学报 2022年第4期36卷 586-596页

作者：金怀平张燕董守龙杨彪钱斌陈祥光昆明理工大学信息工程与自动化学院云南昆明650500 北京理工大学化学与化工学院北京100081

针对工业橡胶混炼过程中门尼黏度标记数据有限,导致模型预测性能受限的问题,提出了一种半监督(SS)集成即时学习(EJIT)高斯过程回归(GPR)软测量方法,称为SSEJITGPR。当查询样本到来时,该方法通过在线迭代学习的方式获取高置信度伪标记样... 详细信息

针对工业橡胶混炼过程中门尼黏度标记数据有限,导致模型预测性能受限的问题,提出了一种半监督(SS)集成即时学习(EJIT)高斯过程回归(GPR)软测量方法,称为SSEJITGPR。当查询样本到来时,该方法通过在线迭代学习的方式获取高置信度伪标记样本,其中使用集成后的即时学习高斯过程回归(JITGPR)模型对非标记样本进行预测,并以集成预测方差作为置信度评价准则。随后,基于伪标记样本扩充后的建模数据库构建多样性的半监督JITGPR基模型。最后,采用有限混合机制实现基模型的自适应集成。与传统门尼黏度软测量方法相比,SSEJITGPR在处理局部过程特征、克服标记样本不足、预测可靠度不高等问题上表现出显著优势,其有效性和优越性通过工业案例进行了验证。

关键词：软测量即时学习半监督学习集成学习高斯过程回归门尼黏度橡胶混炼

在线全文

学校读者我要写书评

暂无评论

基于时空相似性的即时学习在线建模

仪器仪表学报 2022年第6期43卷 185-193页

作者：施锦涛陈磊秦凯李振兴郝矿荣东华大学数字化纺织服装技术教育部工程研究中心上海201620 东华大学信息科学与技术学院上海201620

流程工业数据具有较大的时变性以及非线性,传统的离线模型难以应对实际生产过程中的工况变化,而即时学习是在线建模的有效方法。已有研究对即时学习的相似度度量方法大多只侧重于样本的空间距离,忽略了工业数据时序性的特点。为此,提出... 详细信息

流程工业数据具有较大的时变性以及非线性,传统的离线模型难以应对实际生产过程中的工况变化,而即时学习是在线建模的有效方法。已有研究对即时学习的相似度度量方法大多只侧重于样本的空间距离,忽略了工业数据时序性的特点。为此,提出基于时空相似性的即时学习建模方法。首先,将样本点延拓成样本序列,结合动态时间规整计算样本间的时序距离。其次,提出时空相似性度量准则,通过对时序距离和空间距离进行非线性加权,构建时空相似性度量指标。最后,提出基于时空相似性的即时学习在线建模方法。将所提算法应用于公共数据集及聚酯纤维聚合过程,拟合优度分别达到了91.6%和98.6%,实验结果验证了算法的有效性和优越性。

关键词：时空相似性即时学习在线建模流程工业数据驱动

在线全文

学校读者我要写书评

暂无评论

即时学习多模型加权GPR软测量方法

北京理工大学学报 2018年第2期38卷 196-199,204页

作者：王莉孙玉梅杨凯刘学杰陈祥光北京理工大学化学与化工学院北京100081 烟台南山学院电气工程学院山东龙口265713 中国人民公安大学国际警务执法学院北京100038

针对工业过程中难以实现实时在线测量的重要过程变量,在主成分降解变量分组的基础上,提出了一种基于即时学习与集成学习的多模型高斯过程回归建模方法.该方法首先利用多变量组合实现集成模型的多样性,然后借助即时学习的自适应能力进行... 详细信息

针对工业过程中难以实现实时在线测量的重要过程变量,在主成分降解变量分组的基础上,提出了一种基于即时学习与集成学习的多模型高斯过程回归建模方法.该方法首先利用多变量组合实现集成模型的多样性,然后借助即时学习的自适应能力进行即时建模,最终多模型加权获得最终的预测结果.将所提方法应用于实际的工业炼胶过程,实验结果表明,该方法具有很好的预测性能.

关键词：软测量即时学习集成建模高斯过程回归

在线全文

学校读者我要写书评

暂无评论

基于即时学习的改进条件高斯回归软测量

化工学报 2024年第6期 2299-2312页

作者：黎宏陶王振雷王昕上海交通大学电工与电子技术中心华东理工大学能源化工过程智能制造教育部重点实验室

基于数据驱动的在线软测量是当前工业智能化感知的重要研究方向。在算法实际部署中，过程模态切换以及数据漂移都会导致软测量性能下降，传统自适应方法又存在模型单一、模态遗忘等不足。针对上述问题提出一种基于即时学习的样本时空加... 详细信息

基于数据驱动的在线软测量是当前工业智能化感知的重要研究方向。在算法实际部署中，过程模态切换以及数据漂移都会导致软测量性能下降，传统自适应方法又存在模型单一、模态遗忘等不足。针对上述问题提出一种基于即时学习的样本时空加权条件高斯回归(STWCGR)软测量算法。该方法用概率密度估计和条件概率计算实现软测量建模和预测：首先根据即时学习思想通过样本时空混合加权方法筛选局部建模数据，然后结合高斯混合回归思想累积局部单高斯概率密度模型对数据分布进行拟合，最后引入预测动量更新和模态更新策略提高预测稳定性并赋予模型对新工况的学习适应能力。通过仿真实验验证了所提方法在预测精度、稳定性以及新模态适应能力上的有效性。

关键词：智能感知数据驱动软测量预测即时学习高斯混合回归

基于二次相似性度量的即时学习转炉炼钢终点碳温软测量方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机集成制造系统 2021年第5期27卷 1429-1439页

作者：曾鹏飞刘辉昆明理工大学信息工程与自动化学院云南昆明650500

转炉炼钢过程中碳、温连续实时预报是终点控制的关键,针对炉次间的时间序列样本差异度大进而影响模型预测精度的问题,提出一种二次相似性度量的即时学习策略加具有反馈补偿机制的长短期记忆网络混合模型预测终点碳温方法。利用灰色关联... 详细信息

转炉炼钢过程中碳、温连续实时预报是终点控制的关键,针对炉次间的时间序列样本差异度大进而影响模型预测精度的问题,提出一种二次相似性度量的即时学习策略加具有反馈补偿机制的长短期记忆网络混合模型预测终点碳温方法。利用灰色关联度准则进行一次度量建立初始局部模型,在其局部模型中定位出"质心"样本进行二次度量,从而获取最优局部模型;长短期记忆网络训练时,将输出反馈回输入端,使其二次训练能够提高泛化能力。通过钢厂转炉炼钢生产过程的实际数据对方法进行测试和验证,结果表明,按照炼钢工艺要求,温度预测误差在±5℃的精度为76.7%,碳预测误差在±0.01的精度为86.7%。

关键词：转炉炼钢即时学习灰色关联度长短期记忆网络

基于即时学习的高炉炼铁过程数据驱动自适应预测控制

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2020年第2期37卷 295-306页

作者：易诚明周平柴天佑东北大学流程工业综合自动化国家重点实验室辽宁沈阳110819

针对高炉炼铁过程,本文提出一种基于即时学习的高炉铁水质量自适应预测控制方法(JITL–APC).该方法的特点是控制器通过k向量近邻(k–VNN)方法搜索数据库中的输入输出(I/O)数据信息,对非线性系统进行局部建模,并在此基础上计算控制律.而... 详细信息

针对高炉炼铁过程,本文提出一种基于即时学习的高炉铁水质量自适应预测控制方法(JITL–APC).该方法的特点是控制器通过k向量近邻(k–VNN)方法搜索数据库中的输入输出(I/O)数据信息,对非线性系统进行局部建模,并在此基础上计算控制律.而且,该方法中引入了工业异常数据处理机制,利用JITL学习子集中的平均数据项,对异常数据项进行填补或替换,从而消除异常数据对控制系统的影响.此外,本文提出一种JITL模型保留策略(MRS),避免由于数据库中相似数据样本不足导致的局部模型严重失配,并通过实时收集I/O数据更新数据库,使控制器自适应不同的工况条件,MRS还可以有效抑制噪声干扰的影响,从而提高控制系统的稳定性.最后,基于某大型钢铁厂2#高炉的数值仿真实验,充分验证了该方法的有效性.

关键词：高炉数据驱动即时学习线性化模型预测控制工业数据异常

考虑易用性和可解释性的自组织映射-即时学习风险预测框架

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2023年

作者：马潇驰陆建霍宗鑫夏萧菡南洋理工大学土木与环境工程学院东南大学现代城市交通技术江苏高校协同创新中心东南大学江苏省城市智能交通重点实验室东南大学交通学院

为提高风险预测系统的易用性和可解释性，提出基于自组织映射网络（SOM）改进的即时学习（JITL）风险预测框架。首先，应用SOM对数据样本进行聚类，并对聚类特征进行解释。进而，通过基于聚类结果的样本选择算法构建待测数据的相似样本... 详细信息

为提高风险预测系统的易用性和可解释性，提出基于自组织映射网络（SOM）改进的即时学习（JITL）风险预测框架。首先，应用SOM对数据样本进行聚类，并对聚类特征进行解释。进而，通过基于聚类结果的样本选择算法构建待测数据的相似样本集，在线上调用作为基学习器的支持向量机（SVM）进行建模并输出风险预测结果。最后，采用一个交通事故数据集对风险模型的性能进行测试，检验其精度、易用性和可解释性。结果表明：采用SOM-JITL策略的SVM模型其受试者工作状况曲线面积指标达到0.720，相比不使用该策略的传统SVM模型提高17.5%，精度较高；SOM-JITL模型构建所需参数调节工作少，具有较好的易用性；此外，SOM聚类结果准确识别出处于交通拥堵等高风险场景，与现实场景一致，具有可解释性。综上，SOM-JITL策略能有效提高基学习器的性能，达到精度、可解释性和易用性的平衡，有助于以低成本大规模推广风险预测系统。

关键词：机器学习风险预测易用性可解释性即时学习自组织映射

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于工况差异度量的多源即时学习软测量

控制工程 2022年第10期29卷 1768-1773页

作者：徐志强王芳程兰陈泽华阎高伟太原理工大学电气与动力工程学院山西太原030024 太原理工大学大数据学院山西太原030024

历史数据库中各数据集之间存在工况差异,会在一定程度上降低即时学习方法在非线性工业过程数据上的预测精度。针对多工况问题,研究了一种基于工况差异度量的多源集成即时学习软测量模型,首先,采用公共差异信息提取方法(JIVE)提取各过程... 详细信息

历史数据库中各数据集之间存在工况差异,会在一定程度上降低即时学习方法在非线性工业过程数据上的预测精度。针对多工况问题,研究了一种基于工况差异度量的多源集成即时学习软测量模型,首先,采用公共差异信息提取方法(JIVE)提取各过程的特殊信息,并以当前过程作为查询域;然后,计算其与各历史过程的特殊信息之间的KL散度,并得到最近邻域;最后,利用得到的最近邻域与对应的度量信息建立多源集成即时学习模型并得到加权预测结果。通过田纳西-伊斯曼(TE)多工况过程数据仿真结果表明,该方法可以有效地提升软测量模型的预测精度和稳定性。

关键词：即时学习软测量工况差异度量多源集成