典型文献
一种时空协同的图卷积长短期记忆网络及其工业软测量应用
文献摘要：
软测量技术的发展有效解决了工业过程中对于难以直接测量的质量变量的感知困难,为过程的控制与优化提供了有力保障.通常在含有多个质量变量的过程中,样本间的时序关系和多个质量变量间相互影响的空间关系能够反映过程本身的特性,这种时空特性的挖掘有益于软测量模型性能的提升,而传统软测量方法往往局限于对时序关系的学习而并未考虑对质量变量间的空间关系进行有效利用.对此,提出一种时空协同的图卷积长短期记忆网络(graph convolution long short-term memory networks,GC-LSTM),并应用于工业软测量场景.采用多通道网络结构将图卷积网络的空间关系挖掘能力与长短期记忆网络的时序关系学习能力相结合,对过程进行时空协同学习以实现软测量应用.具体而言,每条通道用于对每种质量变量进行独立学习;对于过程的时序特性,利用各通道内的长短期记忆网络提取针对不同质量变量的时序特征;对于过程的空间特性,构建质量变量间空间关系的图结构,采用跨通道的图卷积运算将不同通道内不同质量变量的时序特征基于空间关系进行融合,得到兼具过程时空特性的特征,从而在软测量建模中实现过程时空协同学习与融合.通过某燃煤电厂磨煤机的实际生产数据验证了所提出的方法对软测量性能提升的有效性.
文献关键词：
时空协同;图卷积网络;长短期记忆网络;软测量
中图分类号：
作者姓名：
常树超;赵春晖
作者机构：
浙江大学控制科学与工程学院,杭州310027
文献出处：
引用格式：
[1]常树超;赵春晖-.一种时空协同的图卷积长短期记忆网络及其工业软测量应用)[J].控制与决策,2022(01):77-86
A类：
B类：
时空协同,卷积长短期记忆网络,测量应用,软测量技术,工业过程,直接测量,控制与优化,时序关系,空间关系,时空特性,有益于,软测量模型,模型性能,软测量方法,对质,graph,convolution,long,short,term,memory,networks,多通道,图卷积网络,关系挖掘,关系学习,协同学习,独立学习,时序特性,时序特征,空间特性,构建质量,图结构,跨通道,卷积运算,特征基,软测量建模,实现过程,燃煤电厂,磨煤机,生产数据,数据验证,测量性能,性能提升
AB值：
0.31486
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。
