基于半监督动态反馈堆栈降噪自编码器模型的软测量方法技术

本发明专利技术公开了一种基于半监督动态反馈堆栈降噪自编码器模型的软测量方法，包括：采集正常工况下的过程变量样本和关键质量变量样本，对得到的样本进行标准化处理；利用标准化处理后的过程变量样本和关键质量变量样本构建半监督动态反馈堆栈降噪自编码器模型；在线收集新的化工过程的过程变量样本，并进行标准化处理；利用构建的半监督动态反馈堆栈降噪自编码器模型对标准化后的在线过程变量样本进行软测量，得到在线过程变量样本对应的关键质量变量样本。采用本发明专利技术的测量方法，加强了对噪声的鲁棒性，提高了对多层特征信息的合理利用，从而提高了软测量的精度。

【技术实现步骤摘要】
基于半监督动态反馈堆栈降噪自编码器模型的软测量方法
本专利技术属于工业过程检测
，具体是涉及一种基于半监督动态反馈堆栈降噪自编码器模型的造纸废水过程软测量方法。
技术介绍
在现代化工过程中，多传感器技术配合集散控制系统(DCS)等大数据存储技术可实现对流量、温度和压力等常规过程变量的高采样率获取和存储。但这些过程变量数据往往无法直接用于判断过程处理的效果和产品质量的优劣，而是需要借助对一些难以用常规传感器采集的关键质量变量进行抽样化验，这也就导致关键质量变量和常规过程变量之间存在较大的采样差异，同时关键质量数据在时序上也呈现出严重的稀缺性。传统基于模型的过程监控手段是基于整个工艺流程建立的，在复杂工业噪声的影响下，其精度由于过度依赖于高速采样的低精度过程变量数据，而难以对关键质量变量做出精准检测或估计。而随着大数据采集和存储手段的推广，基于数据的软测量方法试图从大量历史数据中发现过程变量和关键质量变量之间的数学联系，从而探索得到数据本身的内在规律性以减少对实际工艺流程的依赖性以及检测的成本。在常见的基于数据的软测量技术中，主成分回本文档来自技高网...

【技术保护点】
1.一种基于半监督动态反馈堆栈降噪自编码器模型的软测量方法，其特征在于，包括：/n(1)采集化工过程正常工况下的过程变量样本和关键质量变量样本，对得到的样本进行标准化处理；/n(2)利用标准化处理后的过程变量样本和关键质量变量样本构建半监督动态反馈堆栈降噪自编码器模型；/n(3)在线收集新的化工过程的过程变量样本，并进行标准化处理；/n(4)利用步骤(2)构建的半监督动态反馈堆栈降噪自编码器模型对标准化后的在线过程变量样本进行软测量，得到在线过程变量样本对应的关键质量变量样本。/n

【技术特征摘要】
1.一种基于半监督动态反馈堆栈降噪自编码器模型的软测量方法，其特征在于，包括：
(1)采集化工过程正常工况下的过程变量样本和关键质量变量样本，对得到的样本进行标准化处理；
(2)利用标准化处理后的过程变量样本和关键质量变量样本构建半监督动态反馈堆栈降噪自编码器模型；
(3)在线收集新的化工过程的过程变量样本，并进行标准化处理；
(4)利用步骤(2)构建的半监督动态反馈堆栈降噪自编码器模型对标准化后的在线过程变量样本进行软测量，得到在线过程变量样本对应的关键质量变量样本。


2.根据权利要求1所述的基于半监督动态反馈堆栈降噪自编码器模型的软测量方法，其特征在于，步骤(2)中，所述半监督动态反馈堆栈降噪自编码器模型包括用于对输入的过程变量样本进行降噪重构的前端网络以及用于构建降噪重构过程变量样本与对应关键质量变量样本之间非线性关系的后端网络；所述前端网络利用无监督反馈式堆栈降噪自编码器实现；所述后端网络通过有监督门控循环神经网络实现。


3.根据权利要求1或2所述的基于半监督动态反馈堆栈降噪自编码器模型的软测量方法，其特征在于，步骤(2)中，所述半监督动态反馈堆栈降噪自编码器模型由如下方法构建：
(2-1)利用标准化处理后的过程变量样本训练无监督反馈式堆栈降噪自编码器，同时得到降噪重构的过程变量样本；
(2-2)抽取同时拥有过程变量与关键质量变量的有标签数据样本；
(2-3)利用抽取的有标签数据样本，构建有监督门控循环神经网络。


4.根据权利要求2或3所述的基于半监督动态反馈堆栈降噪自编码器模型的软测量方法，其特征在于，所述无监督反馈式堆栈降噪自编码器的构造如下：



其中，N为编码网络的层数，X为标准化后的含噪过程变量样本；σ1(*)为无监督反馈式堆栈降噪自编码器的非线性激活函数；An为第n层前向编码网络的权值，εn为第n层前向编码网络的人为加噪分量；an为偏置系数；tn为第n层对应的过程变量的潜隐特征；tn-1为第n-1层对应的过程变量的潜隐特征；tn-2为第n-2层对应的过程变量的潜隐特征；Pn为维度转换矩阵；Fn为重构权值，bn为重构偏置系数；Z'n+1为无监督反馈式堆栈降噪自编码...

【专利技术属性】
技术研发人员：周乐，王尧欣，侯北平，陈光捷，刘薇，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：浙江;33