基于RAGAN的工业过程运行指标前馈−反馈多步校正

摘要：

针对工业过程运行指标反馈校正存在滞后及一步推理校正模型可解释性差的问题,提出了基于递归注意力生成对抗网络(Recurrent attention generative adversarial networks,RAGAN)的运行指标前馈?反馈多步校正方法.该方法采用基于负相关正则化的集成随机权神经网络,建立综合生产指标预报模型,为校正提供前馈信息补偿反馈校正的滞后性.提出的RAGAN校正,采用多步校正实现一次调整的思想,将当前时刻运行指标映射到低维潜变量空间简化数据复杂度,利用长短期记忆(Long short-term memory,LSTM)模型实现数据的分步输入,提高模型可解释性;采用分布式注意力(Dis-tributed attention,DA)机制构建数据读入网络,使校正环节获取任务相关性更高的数据,降低任务复杂度,减小噪声干扰,利用校正后的运行指标,保证系统的综合指标尽可能地跟随设定值运行.采用中国西部地区最大选矿厂实际数据的仿真实验,验证了所提方法的有效性.

关键词：复杂工业过程、运行优化、多步校正、注意力机制、前馈-反馈校正

所属期刊栏目：49

分类号：TP391;TP183;C93

资助基金：国家自然科学基金;国家自然科学基金;国家重点研发计划

在线出版日期：2023-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：999-1009