【技术实现步骤摘要】
本专利技术涉及流程工业软测量建模领域，特别涉及一种基于双阶段渐进式时间戳嵌入的流程工业软测量建模方法。
技术介绍
1、在复杂流程工业中，有多种变量不断的反馈生产过程状态，其中主要包括过程变量、质量变量和操作变量。质量变量作为生产过程的直接结果与工厂的实际效益息息相关，同时，质量变量对于工艺优化、故障检测、诊断和预防以及操作决策至关重要。随着工业生产的现代化和数字化程度不断提高，许多生产变量的测量问题已经基本得到解决，但是，由于实际生产现场的恶劣环境或者化验测量的高昂成本，关键质量指标的实时测量仍有待研究。
2、随着深度学习技术的不断发展，数据驱动的流程工业软测量模型得到了广泛的关注和长足的发展，这些模型的基本思路一致，都是基于能够直接测量的流程工业过程变量去回归建模流程工业质量变量。使用深度学习方法进行时序过程建模时，大多会使用循环神经网络进行处理，实际上循环神经网络模型都假设输入数据前后的时间间隔均匀，然而实际工业现场产生的大量数据都是非均匀的时间序列，实际工业现场根据生产状况的变化，数据采集也不断进行变化。例如，在针对质...
【技术保护点】
1.一种基于双阶段渐进式时间戳嵌入的流程工业软测量建模方法，其特征在于，其步骤为：
2.根据权利要求1所述的方法，其特征在于，在步骤一、二、三、四中，整体的双阶段渐进式时间戳嵌入预训练需要对输入的工业过程数据进行复杂划分和渐进式训练；首先针对过程变量和输入的时间戳变量进行拼接处理，拼接处理过程如下：
3.根据权利要求1所述的方法，其特征在于，在步骤五中，漂移适应的时间信息融合微调阶段，需要先后进行时间戳编码、基于TStampA的时间戳信息融入以及漂移适应的最终微调；针对时间戳变量的特殊数据格式，以及在工业流程中，时间戳服从分段平滑，即整体趋势可...
【技术特征摘要】
1.一种基于双阶段渐进式时间戳嵌入的流程工业软测量建模方法，其特征在于，其步骤为：
2.根据权利要求1所述的方法，其特征在于，在步骤一、二、三、四中，整体的双阶段渐进式时间戳嵌入预训练需要对输入的工业过程数据进行复杂划分和渐进式训练；首先针对过程变量和输入的时间戳变量进行拼接处理，拼接处理过程如下：
3.根据权利要求1所述的...
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。