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：浙江大学

摘要：本发明公开了一种基于时空特征提取的烧结终点预报方法，属于工业过程软测量建模领域。该预报模型基于编码解码框架，编码网络用于提取数据中潜在的时空特征，解码网络实现烧结终点的多步预测。首先，选取与烧结终点相关的辅助变量，利用滑窗方法构造数据集。然后，采用多通道卷积提取数据的时序特征；接着，提出了一种变量交互感知模块，用于捕获数据的空间特征，并将两类特征进行融合获得数据的时空特征。最后，将提取的时空特征输入到解码网络，实现对烧结终点的提前多步预测。通过工厂实时数据进行测试，结果表明该模型在烧结终点的提前预报方面具有更为精准和稳定的表现，这对于提高烧结产品质量、产量和减少能耗具有重大意义。

主权项：1.一种基于时空特征提取的烧结终点预报方法，其特征在于，包括如下步骤：1从时序数据库中读取辅助变量数据，并对数据的异常值和空值进行预处理；此外，从时序数据库中读取烧结机的风箱废气的温度，并利用多项式拟合法求出烧结终点和温度上升点的位置；将辅助变量和温度上升点的位置作为输入特征，将烧结终点作为标签；2根据已经处理的输入特征和计算得到标签，利用滑窗思想对数据进行片段划分，以此构造训练集、验证集和测试集；滑窗的历史时间片段长度为th，未来时间片段的长度为tf；步骤2中，采用滑动时间窗进行采样，每个样本片段表示成矩阵： 其中，Th是观测段片段帧数；Tf是未来预测片段数目；m代表辅助变量的个数；对于每个输入样本X，对应了一个输出样本Y： 3搭建基于时空特征提取的烧结终点预报模型；步骤3中，基于时空特征提取的烧结终点预报模型包括多通道卷积MTCN、变量交互感知模块VIAM的编码网络搭建和基于门控循环网络GRU的解码网络；其搭建过程具体为：采用Encoder-Decoder框架进行建模，其中编码网络主要用于时空特征的抽取，包括两个模块：多通道时间卷积MTCN和变量交互感知模块VAIM；多通道时间卷积通过堆叠多个一维因果扩张卷积，用于提取样本内部的时序特征；变量交互感知模块VAIM通过计算每个变量的耦合度，提取变量之间的空间特征；然后对这两种提取的特征进行融合；在解码网络中，采用高效的门控循环网络GRU进行搭建，然后将编码网络提取的时空特征输入到解码中，进而实现烧结终点的多步预测；所述变量交互感知模块VAIM通过计算每个变量的耦合度，提取变量之间的空间特征，具体为：输入数据X表示为X＝[x1,x2,…,xm]∈m×Th，m为变量个数，Th为输入时间步长；首先对原始数据进行线性映射，计算公式如下： 其中，dmodel为多通道时间卷积MTCN的隐藏层单数数目；将原始数据映射到不同的子空间k，每个子空间表示为采用奇异值分解SVD计算子空间的维度dk；将求得的奇异值从大到小排序，δ＝{δ1,δ2,…δu}，选择奇异值中占奇异值总和95％的奇异值，即代表整个矩阵的重要信息；在不同的子空间计算变量间的耦合度；利用余弦相似度计算任意两个变量zi,zj之间相似性，计算公式为： 定义两个变量zi,zj之间的耦合度为： 然后，将各个子空间里面计算的耦合度进行拼接和投影变换，最终的变量间耦合度的计算矩阵为： 4假设当前时刻为t0，实时读取t0-th至t0时刻的辅助变量数据，并进行异常值和空值的预处理；同时读取t0-th至t0时刻的风箱废气温度数据，利用多项式拟合法计算烧结终点和温度上升点；然后将输入特征和标签进行匹配，利用滑窗思想对数据实时处理，构造t0-th至t0时刻的历史数据集；并将该数据集输入建立的终点预报模型进行训练，最后将训练完成的模型用于预测未来时间长度tf内的烧结终点的位置。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于时空特征提取的烧结终点预报方法