典型文献
具有输入数据注意力机制的卷积神经网络用于氟化工产品质量预测
文献摘要：
在氟化工等复杂的化工过程中,具有不同时间尺度的时变特性同时存在并作用于系统运行.这类复杂的强时变特性严重制约着各种先进控制策略的广泛应用.为了克服关键质量变量测量滞后所带来的不利因素,进一步提高氟化工过程先进控制系统的控制精度,本文提出了一种具有输入数据注意力机制的卷积神经网络(ACNN)并用于产品质量预测.通过引入注意力机制自适应地提取不同时间跨度输入数据的时间特性,来克服常规卷积神经网络因输入数据窗口固定而无法充分利用各类时变尺度特性的弊端,从而更为精准地提取氟化工过程复杂的强时变特性,更加准确地预测产品质量,辅助工业生产.应用氟化工过程真实数据和TE(Tennessee Eastman)模拟数据验证了方法的有效性和泛化性,结果表明对于强时变或同时具有长时间跨度的漂移波动而言,ACNN的质量预测模型具有更高的可靠性.
文献关键词：
注意力机制;卷积神经网络;氟化工过程;质量预测
中图分类号：
作者姓名：
李欣铜;陈志冰;魏志强;李苏桐;陈旭;宋凯
作者机构：
天津大学化工学院,天津300350;航天长征化学工程股份有限公司,北京100176;巨化清安检测科技有限公司,浙江衢州324004;巨化股份有限公司,浙江衢州324004
文献出处：
引用格式：
[1]李欣铜;陈志冰;魏志强;李苏桐;陈旭;宋凯-.具有输入数据注意力机制的卷积神经网络用于氟化工产品质量预测)[J].化工进展,2022(02):593-600
A类：
氟化工过程,变尺度特性
B类：
输入数据,注意力机制,化工产品,产品质量预测,不同时间尺度,时变特性,先进控制,测量滞后,不利因素,高氟,控制精度,ACNN,时间跨度,时间特性,测产,助工,真实数据,TE,Tennessee,Eastman,模拟数据,数据验证,泛化性,漂移波
AB值：
0.231663
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。
