【技术实现步骤摘要】
本专利技术属于化纤全流程智能化生产，涉及一种基于qgmvpn模型的多釜聚合过程熔体质量指标在线预测方法。
技术介绍
1、聚酯纤维生产过程是一个典型的复杂非线性流程工业过程，传统的基于数据驱动的算法已不再适用于现代工业的强非线性数据特性，因而利用深度学习算法对复杂非线性的聚酯纤维生产过程进行建模优化越来越盛行。此外，在实际的聚酯纤维生产过程中，由于聚合过程是整个流程的首要过程，其熔体质量的优劣直接影响后续纤维的品质。
2、目前对于聚合过程熔体质量指标的预测研究已较为成熟，如专利cn111553117b公开了一种基于遗传算法的堆叠式集成学习的聚酯特性粘度控制方法，该专利采用的遗传算法为堆叠式集成模型的学习器选择提供了一种新的解决思路，将筛选学习器转为单目标寻优问题，选择初级学习器的组合和次级学习器使堆叠式集成学习达到最优化，改善了模型泛化性能；专利cn116127841a公开了一种基于双高斯贝叶斯网络的特性粘度在线软测量方法，该专利利用高斯贝叶斯网络强大的不确定性推理能力学习偏差的后验分布，能够对特性粘度的离线预测值进行校正，克...
【技术保护点】
1.基于QGMVPN模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于QGMVPN模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，步骤S1中，训练集和测试集的样本数量比为4:1。
3.根据权利要求1所述的基于QGMVPN模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，步骤S2中，编码器的结构为3层的神经网络，连接方式为门机制连接。
4.根据权利要求3所述的基于QGMVPN模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，步骤S2中，编码器的输入为[]，其中，表示...
【技术特征摘要】
1.基于qgmvpn模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于qgmvpn模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，步骤s1中，训练集和测试集的样本数量比为4:1。
3.根据权利要求1所述的基于qgmvpn模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，步骤s2中，编码器的结构为3层的神经网络，连接方式为门机制连接。
4.根据权利要求3所述的基于qgmvpn模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，步骤s2中，编码器的输入为[]，其中，表示由聚酯熔体质量指标构成的向量，表示聚酯熔体质量指标的维数，[]表示混合向量，即两个向量的连缀，维数为。
5.根据权利要求4所述的基于qgmvpn模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，步骤s2中，的计算公式如下：
6.根据权...
【专利技术属性】
技术研发人员：谢锐敏，杨传芝，王华平，汤方明，王丽丽，李国政，刘泳，张怡，
申请(专利权)人：江苏恒力化纤股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。