一种基于动态补偿与区间约束的化工多速率软测量方法和系统
本发明属于化工过程数据建模与软测量,具体涉及一种基于动态补偿与区间约束的化工多速率软测量方法和系统。
背景技术:
1、在现代化工连续生产过程中,关键质量变量是评价装置运行状态、优化控制策略以及保障产品品质的重要依据。然而,由于在线检测设备成本较高、分析周期较长以及现场工况复杂等因素,部分质量变量难以实现连续实时测量,通常采用低频采样或间歇采样方式获取。
2、软测量技术通过建立辅助变量与质量变量之间的映射关系,实现质量变量的在线估计,是解决质量变量难测问题的重要方法。
3、随着工业数据采集系统的发展,辅助变量已不再表现为统一采样频率。不同传感器由于更新机制、通信频率及控制策略差异,形成具有不同采样间隔的数据来源。实际化工过程常表现为:多个辅助变量按照不同频率采集,而质量变量仅在较长时间间隔下获得观测值。
4、现有研究通常采用插值、统一重采样或零阶保持方式完成辅助变量时间对齐,并进一步利用深度神经网络进行质量预测。该类方法能够一定程度缓解异步采样问题,但仍存在以下不足:
5、(1)现有方法主要关注不同采样频率之间的数据统一,而忽略跨频率状态迁移过程中高频动态变化的保持能力,导致高频辅助变量中的瞬态信息在向低频状态传递时被削弱。
6、(2)多数方法仅利用离散质量观测点进行监督学习,缺乏对观测区间内部连续演化过程的约束,使模型在质量变量稀疏条件下容易产生预测漂移与局部振荡。
7、(3)已有方法通常依赖固定采样配置建立模型,对不同辅助变量分组结构以及不同质量观测稀疏程度缺乏统一适应能力。
8、因此,需要提出一种能够在辅助变量多速率采样和质量变量稀疏观测条件下保持连续预测能力的软测量方法。
技术实现思路
1、为解决现有化工过程软测量方法中,由辅助变量多速率采样以及质量变量稀疏测量导致跨频率动态信息丢失、连续预测漂移以及长时间无观测区间预测精度下降的问题,本发明提出一种基于动态补偿与区间约束的化工多速率过程软测量方法和系统。
2、本发明采用如下技术方案:
3、本发明提出的一种基于动态补偿与区间约束的化工多速率软测量方法,所述方法包括如下步骤:
4、获取化工过程的辅助变量数据,辅助变量数据至少包含两个不同采样频率的辅助变量;
5、将采集的辅助变量数据输入到预训练的化工质量预测模型中,模型输出化工质量预测结果。
6、进一步地,化工质量预测模型包括:
7、状态编码模型,用于提取每个辅助变量数据对应的潜在状态表示;
8、潜在状态补偿模块,用于根据所有辅助变量数据对应的潜在状态表示生成复合潜在状态;
9、连续回归预测网络,用于根据复合潜在状态输出化工质量预测结果。
10、进一步地,状态编码模型包含不同辅助变量对应的编码器-解码器,每个编码器-解码器用于提取对应辅助变量的潜在状态表示。
11、进一步地,化工质量预测模型的预训练过程中,对采样频率最高的辅助变量对应的编码器-解码器参数进行调整,其他辅助变量对应的编码器-解码器参数通过参数迁移机制获得的,从而在引导编码器-解码器进行状态推断的同时缩小不同采样频率下的状态空间分布差异。具体地,将采样频率最高的辅助变量对应的编码器的前若干层网络参数直接共享给其他编码器-解码器,并在后续训练中进行微调,从而减弱不同采样频率条件下状态空间分布的差异,提高其他辅助变量的状态编码的稳定性。
12、进一步地,潜在状态补偿模块包括门控机制层,将采样频率最高的辅助变量对应的潜在状态表示记为高频潜在状态表示,将除高频潜在状态表示以外的其他采样频率的辅助变量对应的潜在状态表示均记为低频潜在状态表示,根据高频潜在状态表示在连续时刻之间的变化量生成动态补偿信息;门控机制层的数量与低频潜在状态表示的数量相同;门控机制层用于根据动态补偿信息控制补偿强度。将动态补偿信息和每个低频潜在状态表示输入到该低频潜在状态表示对应的门控机制层中,将每个门控机制层的输出与动态补偿信息相乘后的结果记为中间补偿状态,再将中间补偿状态与该低频潜在状态表示相加后的结果记为该低频潜在状态表示的低频补偿状态;最后,将所有低频潜在状态表示的低频补偿状态融合后的结果记为复合潜在状态。复合潜在状态中,不同采样频率的状态已完成跨频率对齐。本发明通过动态补偿,高频潜在状态表示中的瞬态变化能够在不同采样频率之间保持连续传递,从而减少传统时间对齐方法带来的动态信息衰减。
13、进一步地,根据高频潜在状态表示在连续时刻之间的变化量生成动态补偿信息,包括:
14、高频潜在状态表示在连续时刻之间的状态增量表示为:
15、
16、其中,为当前时刻高频潜在状态,为状态增量;
17、该状态增量经非线性映射后,获得动态补偿信息。
18、进一步地,连续回归预测网络包括相连的时域卷积网络与transformer网络;其中,时域卷积网络用于提取局部动态特征,transformer网络用于学习时间序列中的全局依赖关系。
19、预训练时的数据集包含质量变量,质量变量在多个不同的观测间隔的稀疏观测场景下采集的,具体可采用低频或稀疏方式获取。化工质量预测模型预训练过程中的损失函数包含区间约束与慢流形约束。
20、区间约束用于约束预测轨迹在相邻质量观测点之间的累计变化量等于该区间两端点真实观测值的差值;累计变化量为预测序列在区间内相邻时刻差值的代数和,从而对预测轨迹在完整观测区间内的演化过程进行监督,减少长时间无观测区间内的预测漂移。
21、本发明的有益效果是:
22、(1)本发明通过利用采样频率最高的辅助变量对应的潜在状态表示的增量驱动其他采样频率的状态更新,实现不同采样频率之间动态信息连续传递,提高跨频率状态表达能力;
23、(2)本发明通过引入区间约束机制,将传统点监督扩展至连续区间监督,有效缓解质量变量稀疏观测条件下预测轨迹漂移问题;
24、(3)本发明通过动态补偿机制与区间约束机制协同作用,提高连续质量变量预测结果的稳定性、一致性及鲁棒性;
25、(4)本发明能够适用于不同辅助变量采样结构以及不同质量变量观测间隔场景,对化工多速率过程具有良好的泛化能力。
1.一种基于动态补偿与区间约束的化工多速率软测量方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于动态补偿与区间约束的化工多速率软测量方法,其特征在于,所述预训练的化工质量预测模型包括:
3.根据权利要求2所述的一种基于动态补偿与区间约束的化工多速率软测量方法,其特征在于,所述状态编码模型包含不同辅助变量对应的编码器-解码器,每个编码器-解码器用于提取对应辅助变量的潜在状态表示。
4.根据权利要求2所述的一种基于动态补偿与区间约束的化工多速率软测量方法,其特征在于,所述化工质量预测模型的预训练过程中,对采样频率最高的辅助变量对应的编码器-解码器参数进行调整,其他辅助变量对应的编码器-解码器参数通过参数迁移机制获得的。
5.根据权利要求2所述的一种基于动态补偿与区间约束的化工多速率软测量方法,其特征在于,所述潜在状态补偿模块包括门控机制层,将采样频率最高的辅助变量对应的潜在状态表示记为高频潜在状态表示,将除高频潜在状态表示以外的其他采样频率的辅助变量对应的潜在状态表示均记为低频潜在状态表示,根据高频潜在状态表示在连续时刻之间的变化量生成动态补偿信息;门控机制层的数量与低频潜在状态表示的数量相同;将动态补偿信息和每个低频潜在状态表示输入到该低频潜在状态表示对应的门控机制层中,将每个门控机制层的输出与动态补偿信息相乘后的结果记为中间补偿状态,再将中间补偿状态与该低频潜在状态表示相加后的结果记为该低频潜在状态表示的低频补偿状态;最后,将所有低频潜在状态表示的低频补偿状态融合后的结果记为复合潜在状态。
6.根据权利要求2所述的一种基于动态补偿与区间约束的化工多速率软测量方法,其特征在于,所述连续回归预测网络包括相连的时域卷积网络与transformer网络;其中,时域卷积网络用于提取局部动态特征,transformer网络用于学习时间序列中的全局依赖关系。
7.根据权利要求1所述的一种基于动态补偿与区间约束的化工多速率软测量方法,其特征在于,所述化工质量预测模型预训练过程中的损失函数包含区间约束与慢流形约束。
8.根据权利要求7所述的一种基于动态补偿与区间约束的化工多速率软测量方法,其特征在于,所述区间约束用于约束预测轨迹在相邻质量观测点之间的累计变化量等于该区间两端点真实观测值的差值。
9.一种基于动态补偿与区间约束的化工多速率软测量系统,其特征在于,包括预训练的化工质量预测模型,所述化工质量预测模型包括:
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述一种基于动态补偿与区间约束的化工多速率软测量方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com