龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：东南大学
摘要：本发明公开了一种嵌入物理信息积分神经网络的热工过程动态建模方法，采用数值积分的欧拉法构造积分神经网络，在此基础上，根据碳捕集系统的动态特性设计了适用于动态系统的稳态点收敛性约束，以此实现在没有时间变量作为模型输入和没有具体微分方程描述情况下，融合过程物理特性与数据信息的动态建模，从而有效可靠的刻画燃烧后碳捕集系统动态特性，提高建模的可靠性与准确性，最终优化控制系统的控制品质。
主权项：1.一种嵌入物理信息积分神经网络的热工过程动态建模方法，其特征在于，包括如下步骤：步骤1、根据建模需求确定所建模型的调节变量，被控变量和扰动变量；调节变量和扰动变量为模型的输入变量，被控变量为模型的输出变量；步骤2、根据燃烧后碳捕集系统的运行特性，收集对应运行数据和稳态点数据；步骤3、根据所述模燃烧后碳捕集系统的运行特性，设计嵌入物理信息积分神经网络中用于表征系统动态函数和系统测量函数的模型结构；步骤4、根据所述嵌入物理信息积分神经网络模型结构设计用于模型训练的损失函数，包括物理信息损失和拟合精度损失；步骤5、分别对CO2捕集率模型和再沸器温度模型选取合适的输入变量阶次和表征系统动态函数的积分神经网络的结构参数，初始化模型参数，计算模型的训练损失值，确定合适的神经网络结构参数和损失函数权重系数；步骤6、优化模型系数，直至所述的CO2捕集率模型和再沸器温度模型的精度达到要求，得到所述嵌入物理信息积分神经网络的燃烧后碳捕集系统动态模型；步骤7、动态建模均训练完成后，进行稳态点处收敛性和多步预测精度测试，观察所获模型的多步预测结果偏差是否符合要求。
全文数据：
权利要求：
百度查询： 东南大学 一种嵌入物理信息积分神经网络的热工过程动态建模方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号