申请/专利权人:中南大学
申请日:2024-03-28
公开(公告)日:2024-06-14
公开(公告)号:CN118194922A
主分类号:G06N3/0455
分类号:G06N3/0455;G06F18/214;G06N3/084;G06N3/0499;G06F123/02
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明公开了一种小样本工况下的氧化铝苛性比先进控制方法及相关装置,其中方法包括:获取氧化铝工厂生产的小样本数据;从小样本数据中选择影响苛性比的若干个干扰变量、若干个操纵变量以及一个控制变量,将干扰变量、操作变量以及控制变量合并为训练数据集;通过滑动数据窗口提取训练数据集的顺序样本,得到多元时间序列数据集;根据多元时间序列数据集训练得到氧化铝苛性比网络模型;该模型在微调时冻结自注意力块,仅更新位置编码与正则项;将氧化铝工厂的生产数据输入至氧化铝苛性比网络模型,预测得到苛性比值;基于未来多个苛性比值,通过梯度下降滚动优化操作变量,以实现氧化铝苛性比先进控制。
主权项:1.一种小样本工况下的氧化铝苛性比先进控制方法,其特征在于,包括:获取氧化铝工厂生产的小样本数据;从所述小样本数据中选择影响苛性比的若干个干扰变量、若干个操纵变量以及一个控制变量,将所述干扰变量、操作变量以及控制变量合并为训练数据集;通过滑动数据窗口提取所述训练数据集的顺序样本,得到多元时间序列数据集;根据所述多元时间序列数据集训练得到氧化铝苛性比网络模型;其中,所述氧化铝苛性比网络模型在微调时冻结自注意力块,仅更新位置编码与正则项;将氧化铝工厂的生产数据输入至所述氧化铝苛性比网络模型,预测得到苛性比值;基于未来多个所述苛性比值,通过梯度下降优化所述操作变量,以控制所述氧化铝苛性比网络模型。
全文数据:
权利要求:
百度查询: 中南大学 小样本工况下的氧化铝苛性比先进控制方法及相关装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。