首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种合成氨一段炉氧气含量软测量方法、电子设备、介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:浙江科技大学

摘要:本发明公开了一种合成氨一段炉氧气含量软测量方法、电子设备、介质,包括:获取当前工况变量,输入至偏最小二乘回归模型得到增强隐变量特征矩阵,再输入至局部深度偏最小二乘回归模型,得到氧气含量估计值;其中,模型的构建过程包括:获取合成氨一段炉中与氧气相关的工况变量和氧气含量,作为支撑数据集;在支撑数据集中选取与其相近的样本,构成关联数据集;构建第一层偏最小二乘回归模型对关联数据集进行隐变量提取,得到第一隐变量特征矩阵;再构建第二层偏最小二乘回归模型,以此类推,得到偏最小二乘回归模型;拼接每一层隐变量特征矩阵得到增强隐变量特征矩阵以优化偏最小二乘回归模型,得到局部深度偏最小二乘回归模型。

主权项:1.一种合成氨一段炉氧气含量软测量方法,其特征在于,所述方法包括:获取合成氨一段炉中与氧气相关的当前工况变量;将当前工况变量输入至预先构建好的包含L层隐藏层的偏最小二乘回归模型得到增强隐变量特征矩阵;将增强隐变量特征矩阵输入至预先构建好的局部深度偏最小二乘回归模型,得到当前工况变量对应的氧气含量估计值;其中,包含L层隐藏层的偏最小二乘回归模型的构建过程包括:获取合成氨一段炉中与氧气相关的工况变量,记为第一数据集;获取合成氨一段炉中的氧气含量,记为第二数据集;将第一数据集与第二数据集合并作为支撑数据集;获取合成氨一段炉中与氧气相关的历史工况变量;在支撑数据集中选取与历史工况变量相近的样本,构成关联数据集;构建第一层偏最小二乘回归模型,通过第一层偏最小二乘回归模型对当前工况变量对应的关联数据集进行隐变量提取,得到第一隐变量特征矩阵;基于第一隐变量特征矩阵构建第二层偏最小二乘回归模型,得到第二隐变量特征矩阵;以此类推,得到一包含L层隐藏层的偏最小二乘回归模型;其中,局部深度偏最小二乘回归模型的构建过程包括:将每一层隐变量提取得到的隐变量特征矩阵进行拼接,得到增强隐变量特征矩阵;基于增强隐变量特征矩阵优化包含L层隐藏层的偏最小二乘回归模型,得到局部深度偏最小二乘回归模型。

全文数据:

权利要求:

百度查询: 浙江科技大学 一种合成氨一段炉氧气含量软测量方法、电子设备、介质

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。