复杂化工过程调控操纵策略的深度学习方法

Deep learning approaches to complex chemical process control manipulating strategies

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
维普
万方数据

中文摘要：现代复杂化工过程生产运行记录了大量的过程调控时序数据,如何提取其中有价值的调控操纵经验和规则,对于提升过程运行智能化水平具有重要意义.时间序列聚类是一种挖掘历史调控操纵序列的有效方法,然而由于实际工况经常与历史数据出现偏差,使得重构准确的过程调控操纵策略出现困难.为此,本文提出了一种基于数据碎片化深度学习的过程调控操纵提取方法,采用基于Levenshtein距离的凝聚层次时序聚类获取不同过程扰动状态类别,提取对应的有效操纵序列进行碎片化处理,采用卷积神经网络对调控操纵策略进行深度学习和重构.将此方法在工业换热器过程上进行了应用,获得了满意的结果,表明所提出的方法能够克服常规操纵序列挖掘的工程应用适应性差、对数据源依赖性强等缺点.

作者：

唐晓婕、杨博、李宏光

展开 >

作者单位：

北京化工大学信息科学与技术学院,北京100029

关键词：

操纵策略层次聚类 Levenshtein距离 SAX符号化卷积神经网络

出版年：

2021

DOI：

10.11949/0438-1157.20210357

化工学报