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：昆明理工大学

摘要：本发明公开了一种基于深度演化模糊规则系统的工业过程软测量方法，包括收集历史工业过程数据，构造预训练样本集；预训练样本集包括预训练特征集、真实标签集；利用预训练特征集预训练表示学习网络，获得预训练后的表示学习网络；将预训练特征集重新输入到预训练后的表示学习网络，获得初始特征样本集；依据初始特征样本集、真实标签预训练预测学习网络，获得深度演化模糊规则系统；依据预训练后的表示学习网络、深度演化模糊规则系统对待预测样本进行在线预测。本发明通过结合表示学习网络、预测学习网络的优势，取长补短，构建了深度演化模糊规则系统，同时对非线性和时变性过程进行在线预测和建模，大大提升了工业过程软测量建模的预测精度和稳定性。

主权项：1.一种基于深度演化模糊规则系统的脱丁烷塔软测量方法，其特征在于，包括：收集历史脱丁烷塔工业过程数据，构造预训练样本集Dpretrn、在线测试样本集；其中预训练样本集Dpretrn包括预训练特征集Xpretrn＝{x1,x2,…,xk,…,xN}、真实标签集ypretrn＝{y1,y2,...,yk,...,yN}，xk表示第k个预训练特征，每个预训练特征由多个辅助变量构成，yk表示第k个真实标签，N表示预训练样本总数；所述多个辅助变量包括塔顶温度，塔顶压力，塔顶回流量，塔顶产品流出量，塔板温度，塔底温度；利用预训练特征集Xpretrn预训练表示学习网络，获得预训练后的表示学习网络；将预训练特征集Xpretrn重新输入到预训练后的表示学习网络，获得初始特征样本集Dinit；依据初始特征样本集Dinit、真实标签ypretrn预训练预测学习网络，获得预训练后的深度演化模糊规则系统；依据预训练后的表示学习网络、深度演化模糊规则系统对在线测试样本集进行在线预测，待测试样本标签到来时更新深度演化模糊规则系统；依据预训练后的表示学习网络、更新后的深度演化模糊规则系统进行丁烷浓度预测；所述依据初始特征样本集Dinit、真实标签ypretrn预训练预测学习网络，获得深度演化模糊规则系统，包括：利用初始特征样本集Dinit中第一个隐特征样本h1初始化深度演化模糊规则系统；并利用剩余隐特征样本Dremain＝{h2,h3,…,hN}更新深度演化模糊规则系统前件，真实标签ypretrn用于更新深度演化模糊规则系统后件，逐个样本进行演化过程，重复进行m次，得到深度演化模糊规则系统；所述预训练预测学习网络包括：S4.1、利用预训练后的表示学习网络提取xk为hk,k＝1时hk为初始特征样本集Dinit中第一个特征样本h1，然后初始化全局的元参数：μ←h1；χ←||h1||2其中，μ为全局均值，χ为其二范数的平方，代表全局范数；←表示更新赋值操作，箭头左边参数为新的更新参数值，右边参数为当前参数值；S4.2、初始化第一条模糊规则前件参数和后件参数，i＝k＝1：pi←hk；ai←0w+1；Θi←Ω0Iw+1×w+1其中，Θi为第i条模糊规则的协方差矩阵，pi为第i条模糊规则前件，ai为第i条模糊规则后件最小二乘参数，Iw+1×w+1为w+1×w+1的单位矩阵，0w+1为w+1维的全零向量；Ω0为协方差矩阵的初始化常数，用于标准的递推最小二乘算法；S4.3、初始化局部元参数：Ci←{hk}；Si←1；Hi←||hk||2每条模糊规则均可形成簇，由pi形成的簇Ci可近似为镶嵌Voronoi分布，Si为Ci的基数，Hi为第i条模糊规则局部范数；k←k+1；S4.4、k1时依次执行模糊规则增加、模糊规则删除、后件参数更新过程，直至实例样本hk＝hN,hN为Dremain最后一条特征样本，此时继续重复模糊规则增加、模糊规则删除、后件参数更新过程直至完成m次得到预训练完成后的深度演化模糊规则系统；所述k1时依次执行模糊规则增加、模糊规则删除、后件参数更新过程，包括：S4.4.1、全局的元参数更新： S4.4.2、计算全局密度Dz： z∈{hk,p1,p2,…,pr}S4.4.3、判断是否添加模糊规则，在满足检查条件一的情况下，规则增加；在满足检查条件二的情况下，规则删除；在满足检查条件三的情况下，规则后件参数更新。

全文数据：

权利要求：

百度查询： 昆明理工大学 基于深度演化模糊规则系统的脱丁烷塔软测量方法