【技术实现步骤摘要】
本专利技术涉及工业传感，具体是一种结合偏最小二乘统计约束的工业传感神经网络检测方法及系统。
技术介绍
1、随着流程工业的快速发展，智能制造已成为其转型升级的关键方向。工业传感技术，作为一种实时、精确的测量手段，为生产过程的优化和调控提供了重要支持。然而，面对现代流程工业中日益增长的复杂性和不确定性，传统的基于机理的传感方法已难以满足需求。因此，数据驱动的方法，特别是基于神经网络的模型，逐渐成为研究的热点。
2、神经网络因其强大的学习和非线性建模能力，在复杂工业传感中展现出巨大潜力。然而，实际应用中仍面临诸多挑战，如超参数优化、训练困难以及工业数据特有的高维、高噪声、标注样本量少等问题。这些问题可能导致模型过拟合，降低泛化性能。
3、为了解决这些问题，研究者们提出了多种策略，如特征选择、目标函数约束和数据增强等。尽管这些方法在一定程度上提高了模型的性能，但仍缺乏从机理层面出发设计的通用神经网络模型。此外，现有方法往往难以明确网络的求解路径，缺乏物理意义上的隐藏层特征，这限制了模型的可解释性和泛化能力。
...
【技术保护点】
1.结合偏最小二乘统计约束的工业传感神经网络检测方法，其特征在于，对工业生产过程中的指标参数进行建模，用于实际工业传感现场在线检测，包括以下步骤：
2.根据权利要求1所述的结合偏最小二乘统计约束的通用型神经网络模型构建方法，其特征在于，所述监测目标的测量数据为矿浆中指定元素的光谱时，工业生产相关的关键指标标签为通过化学方法测定的指定元素品位值；
3.根据权利要求1所述的结合偏最小二乘统计约束的通用型神经网络模型构建方法，其特征在于，所述全连接神经网络结构为，一个输入层、一个隐藏层和一个输出层；将PLS模型确定的最佳潜变量数H应用于全连接神经网络...
【技术特征摘要】
1.结合偏最小二乘统计约束的工业传感神经网络检测方法，其特征在于，对工业生产过程中的指标参数进行建模，用于实际工业传感现场在线检测，包括以下步骤：
2.根据权利要求1所述的结合偏最小二乘统计约束的通用型神经网络模型构建方法，其特征在于，所述监测目标的测量数据为矿浆中指定元素的光谱时，工业生产相关的关键指标标签为通过化学方法测定的指定元素品位值；
3.根据权利要求1所述的结合偏最小二乘统计约束的通用型神经网络模型构建方法，其特征在于，所述全连接神经网络结构为，一个输入层、一个隐藏层和一个输出层；将pls模型确定的最佳潜变量数h应用于全连接神经网络隐藏层的神经元数量。
4.根据权利要求1所述的结合偏最小二乘统计约束的通用型神经网络模型构建方法，其特征在于，所述结合偏最小二乘统计约束的网络初始化的步骤包括：
5.根据权利要求1所述的结合偏最小二乘统计约束的通用型神经网络模型构建方法，其特征在于，所述结合训练集数据，对初始化后的网络进行训练过程基于误差的反向传播算法。
6.根据权利要求1所述的结合偏最小二乘统计约束的通用型神经网络模型构建方法，其特征在于，在所述的网络训练过程中，选用adam优化器...
【专利技术属性】
技术研发人员：孙兰香，陈彤，于海斌，张鹏，齐立峰，辛勇，郑黎明，丛智博，王金池，郭美亭，
申请(专利权)人：中国科学院沈阳自动化研究所，
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。