基于ATL-BMA的非线性工业过程低成本建模方法技术

本发明专利技术提供了一种基于ATL

【技术实现步骤摘要】
基于ATL
‑
BMA的非线性工业过程低成本建模方法


[0001]本专利技术属于工业过程构建性能预测模型
，具体涉及一种基于ATL
‑
BMA的非线性工业过程低成本建模方法。

技术介绍

[0002]现代工业过程为了适应市场对产品提出的多规格、多品种、高质量的需求，正朝着大型化、高效化和集成化方向迈步。一方面随着生产规模的逐步扩大，在实际生产过程中会不断的有新工业生产过程加入以满足不同的产品需求，这也就导致实际工业生产过程复杂程度越来越高。另一方面，运行环境的变化和运行时间的增长都会使得实际工业过程的特性发生变化。这两个方面都会导致过程数据多变的特性。在这种情况下利用数据驱动方法对工业过程进行建模时需要解决一个棘手的问题：由于成本等多方面因素，从新工业过程中获取的建模数据严重不足，在少量建模数据的支持下无法利用数据驱动建模方法建立准确的过程预测模型，同时所得模型泛化能力低。面对这种情况，希望已有运行时间较长的工业生产过程数据或知识能够辅助指导建立新工业过程的预测模型。虽然新旧工业过程运行数据特性存在一定程度上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ATL
‑
BMA的非线性工业过程低成本建模方法，其特征在于，包括以下步骤：步骤1：选取N组相似旧工业过程建模数据，并根据实际待建模过程的信息，确定输入变量的稳定运行范围；同时，选择拉丁超立方法进行采样和收集目标非线性工业过程建模初始数据集；其具体步骤如下：步骤1.1：选取N组相似旧工业过程建模数据，记为根据公式(1)对于第i个旧工业过程进行建模；式中，X和x是旧工业过程输入数据，y是旧工业过程输出数据，k
i
表示第i个旧工业过程建模数据量，而n是第i个旧工业过程的输入变量维度，由于新旧工业过程存在一定相似性，因而对于所有工业过程的输入变量维度一致，都为n；步骤1.2：根据实际待建模过程的信息，确定输入变量的稳定运行范围，并选择离散稀疏的数据分布点进行采样和收集新工业过程建模数据，根据公式(2)获得采集的新工业过程数据D
new
；式中，l表示新工业过程建模数据量；步骤2：将新工业过程数据和旧工业过程数据分别划分为两部分，分别为新旧建模过程中的训练数据集和测试数据集，并将新工业过程初始数据集和旧工业过程建模数据分别进行归一化处理；其中，对于新工业过程数据，将其分为新工业过程训练数据集和新工业过程测试数据集并利用公式(3)将数据映射到[0,1]区间；式中，z
i
表示工业过程输入或输出数据归一化之后的结果，x
i
是归一化之前的数据，x
max
是数据归一化之前的最大值，x
min
是最小值；步骤3：运用基于Cycle GANs的新旧工业过程数据迁移算法，将N组旧工业过程数据转换成带有新工业过程信息的N组旧工业过程数据；其中，旧工业过程训练数据集为其具体步骤如下：步骤3.1：初始化参数：G参数θ
G
，D
o
参数ω
o
，F参数θ
F
，D
n
参数ω
n
，n
critic
＝5，α＝0.00005、β1＝0、β2＝0.7，m＝5，λ＝0.5，Epoch＝20000；其中：G表示旧工业过程到新工业过程数据的生成器函数，D
o
表示旧工业过程对应的判
别器，F表示新工业过程到旧工业过程的生成器函数，D
n
表示新工业过程对应的判别器,n
critic
表示训练一次生成器后训练判别模型次数,α、β1和β2为Adam优化器的参数，m为采样数量，Epoch为模型循环训练次数；步骤3.2：通过生成器G将从第i个旧工业过程数据中采集的m个样本转化成m个新工业过程数据，记为X
o
→
n
＝F(X
o
)；通过生成器F将从新工业过程数据中采集的m个样本转化成m个旧工业过程数据，记为X
n
→
o
＝F(X
n
)；步骤3.3：按照公式(4)和公式(5)得到判别器损失和两个前向循环一致损失；步骤3.3：按照公式(4)和公式(5)得到判别器损失和两个前向循环一致损失；步骤3.4：通过公式(6)和公式(7)更新判别器D
o
参数ω
o
和D
n
...

【专利技术属性】
技术研发人员：褚菲，朱安强，丁珮宽，陆宁云，熊刚，王军，王福利，马小平，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：