一种面向空气分离装置中O2浓度预测的软测量方法制造方法及图纸

本发明专利技术涉及数据驱动软测量建模领域，尤其一种面向空气分离装置中O2浓度预测的软测量方法，包括如下步骤:S1、获取历史数据集：按时间间隔T对空气分离装置数据进行采样，构成历史样本数据集D={X,Y}；S2、数据预处理：采用标准化方法对数据集D={X,Y}进行预处理,消除数据间量纲关系；S3、构建门控循环单元GRU基础网络模型：将数据集的80%作为训练集，剩余20%作为测试集，训练一个GRU基础网络模型。S4、利用基于方差分解的灵敏度分析和非负绞杀算法NNG的GRU模型自适应变量选择算法，实现O2浓度的软测量建模；本发明专利技术采用GRU神经网络捕获数据间的非线性时序特征，利用基于方差分解的灵敏度分析和NNG实现自适应输入变量选择，并将其应用于空气分离装置中O2浓度的软测量。浓度的软测量。浓度的软测量。

【技术实现步骤摘要】
一种面向空气分离装置中O2浓度预测的软测量方法


[0001]本专利技术涉及数据驱动软测量建模领域，具体涉及一种面向空气分离装置中O2浓度预测的软测量方法，本方法是基于门控循环单元(gated recurrent unit，GRU)的自适应变量选择算法，并将其应用于空气分离装置中O2浓度的软测量。

技术介绍

[0002]实际工业过程中，为确保生产能够安全、高效地进行，需要对影响设备稳定性以及产品质量的重要过程变量进行实时的检测和控制。然而生产过程中有些关键变量无法直接测量，采用离线分析仪、间接测量方法又存在较大滞后和难以保证测量精度等问题，为了有效解决这类问题软测量技术随之产生。软测量技术是对传统测量方法的补充，其主要根据系统辨识和系统建模理论，利用可以直接测量的过程变量和其他参数，建立难以获得关键变量的预测模型。
[0003]近年来，软测量技术获得较快发展，其研究涉及化工、石油、环保等领域，软测量模型也从线性模型、机理模型扩展到基于“黑箱”的神经网络模型。虽然机器学习技术的发展，促进了软测量建模精度的提升，但是软测量建模过程中仍然存在一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向空气分离装置中O2浓度预测的软测量方法，其特征在于包括如下步骤：S1、获取历史数据集：按时间间隔T对空气分离装置数据进行采样，构成历史样本数据集D＝{X,Y}；S2、数据预处理：采用标准化方法对数据集D＝{X,Y}进行预处理,消除数据间量纲关系；S3、构建GRU基础网络模型：将数据集D＝{X,Y}的80％作为训练集，剩余20％作为测试集，训练一个GRU基础网络模型；S4、利用基于方差分解的灵敏度分析和NNG的GRU模型自适应变量选择算法，实现空气分离装置中O2浓度的软测量建模。2.根据权利要求1所述面向空气分离装置中O2浓度预测的软测量方法，其特征在于，在步骤S4中，NNG算法在进行变量选择过程中，利用基于方差分解的灵敏度分析计算总灵敏度指数，并将总灵敏度指数作为NNG算法的自适应权重向量。3.根据权利要求2所述面向空气分离装置中O2浓度预测的软测量方法，其特征在于，所述的总灵敏度指数获得步骤如下，X
A
和X
B
为两个相互独立的输入变量矩阵，X
A
和X
B
的大小相等且行数为X＝[X
A
；X
B
]，j和i分别代表X
A
、X
B
的行索引和列索引，f表示训练好的GRU模型，定义矩阵表示将X
A
第i列替换为X
B
的第i...

【专利技术属性】
技术研发人员：孙凯，徐聪，吴修粮，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：