当前位置: 首页 > 专利查询>东北大学专利>正文

复杂工业过程的关键工业指标预测方法及相关设备技术

技术编号:42008066 阅读:18 留言:0更新日期:2024-07-12 12:28
本发明专利技术实施例提供一种复杂工业过程的关键工业指标预测方法及相关设备,其中,所述方法,包括:获取复杂工业过程的工业数据,所述工业数据包括影响关键工业指标的状态变化的元素;利用预先训练好的门控网络模型,对所述工业数据中每个元素提取的线性特征和非线性特征进行权重筛选处理,得到关键工业指标的预测值,以基于关键工业指标的预测值得到调整复杂工业过程的决策信息。本发明专利技术实施例所提供的技术方案,可以提高复杂工业过程中关键工业指标的预测精准性。

【技术实现步骤摘要】

本申请实施例涉及工业控制,具体涉及一种复杂工业过程的关键工业指标预测方法及相关设备


技术介绍

1、复杂工业过程是指一类具有长流程、大滞后、强非线性、有复杂的化学反应和物理变化、受到未知干扰、动态特性发生变化,难以建立精确模型等特点的工业过程。复杂工业过程包括控制被控对象工作的过程控制系统和人工运行控制的运行控制系统。例如,基于pid(proportional-integral-differential,比例-积分-微分)控制器的设计简单、高鲁棒性、易于工程实现等特点,pid控制器能够作为复杂工业过程的过程控制系统,人工决策模型可以作为复杂工业过程的运行控制系统。

2、但是由于工业指标与影响工业指标的相关变量之间具有强非线性和强耦合等特点,导致复杂工业过程中对于工业指标的预测精准性较低,无法辅助调度人员准确调整复杂工业过程,因此如何提供技术方案,以提高复杂工业过程中关键工业指标的预测精准性,成为了本领域技术人员亟需解决的技术问题。


技术实现思路

1、有鉴于此,本专利技术实施例提供一种复杂工业过程的本文档来自技高网...

【技术保护点】

1.一种复杂工业过程的关键工业指标预测方法,其特征在于,包括:

2.如权利要求1所述的复杂工业过程的关键工业指标预测方法,其特征在于,所述利用预先训练好的门控网络模型,对所述工业数据中每个元素提取的线性特征和非线性特征进行权重筛选处理,得到关键工业指标的预测值,包括:

3.如权利要求2所述的复杂工业过程的关键工业指标预测方法,其特征在于,所述利用预先训练好的门控网络模型的特征选择层,对所述线性特征和非线性特征进行权重分配处理,得到特征选择权重,包括:

4.如权利要求3所述的复杂工业过程的关键工业指标预测方法,其特征在于,所述利用所述特征选择权重对所述线...

【技术特征摘要】

1.一种复杂工业过程的关键工业指标预测方法,其特征在于,包括:

2.如权利要求1所述的复杂工业过程的关键工业指标预测方法,其特征在于,所述利用预先训练好的门控网络模型,对所述工业数据中每个元素提取的线性特征和非线性特征进行权重筛选处理,得到关键工业指标的预测值,包括:

3.如权利要求2所述的复杂工业过程的关键工业指标预测方法,其特征在于,所述利用预先训练好的门控网络模型的特征选择层,对所述线性特征和非线性特征进行权重分配处理,得到特征选择权重,包括:

4.如权利要求3所述的复杂工业过程的关键工业指标预测方法,其特征在于,所述利用所述特征选择权重对所述线性特征进行处理,得到筛选后线性特征包括:

5.如权利要求1-4任一项所述的复杂工业过程的关键工业指标预测方法,其特征在于,还包括:构建门控网络模型;

6.如权利要求5所述的复杂工业过程的关键工业指标预测方法,其特征在于,所述基于复杂工业过程控制的过程控制系统,得到过程控制层关键工业指标预测模型,包括:

7.如权利要求6所述的复...

【专利技术属性】
技术研发人员:柴天佑刘玉恒
申请(专利权)人:东北大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1