典型文献
基于GSA-LSTM动态结构特征提取的间歇过程监测方法
文献摘要：
间歇过程监测对于保证批次生产过程的稳定运行具有重要意义.传统过程监测方法难以提取间歇过程数据特有的非线性结构和动态时变特征.为此,提出了一种融合图采样聚合网络和长短期记忆网络(GSA-LSTM)的典型相关分析方法用于间歇过程在线监测.首先,利用K近邻方法将批次过程数据转化为图结构形式,利用图采样聚合网络(GraphSAGE)提取数据内部的结构特征,然后利用长短期记忆网络(LSTM)提取数据的非线性动态特征,通过权重系数将结构特征和动态特征融合得到更具有代表性的间歇过程数据特征.进一步地,利用典型相关分析方法对残差建立监测模型.最后将所提方法应用于数值例子和注塑过程监测,结果分析验证了所提方法的有效性.
文献关键词：
过程监测;间歇性;图神经网络;长短期记忆网络;典型相关分析;算法;过程系统
中图分类号：
作者姓名：
王雅琳;潘雨晴;刘晨亮
作者机构：
中南大学自动化学院,湖南长沙 410083
文献出处：
引用格式：
[1]王雅琳;潘雨晴;刘晨亮-.基于GSA-LSTM动态结构特征提取的间歇过程监测方法)[J].化工学报,2022(09):3994-4002
A类：
B类：
GSA,动态结构,间歇过程,过程监测,监测方法,过程数据,线性结构,动态时变,时变特征,图采样,聚合网络,长短期记忆网络,典型相关分析,在线监测,近邻,批次过程,图结构,结构形式,GraphSAGE,提取数据,非线性动态特征,权重系数,动态特征融合,数据特征,用典,监测模型,例子,注塑过程,分析验证,间歇性,图神经网络,过程系统
AB值：
0.354426
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
