[發(fā)明專利]一種基于塊增量隨機(jī)配置網(wǎng)絡(luò)的工業(yè)過程軟測(cè)量建模方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811345086.6
• 申請(qǐng)日: 2018-11-13
• 公開（公告）號(hào): CN109635337B
• 公開（公告）日: 2021-04-27
• 發(fā)明（設(shè)計(jì)）人: 代偉;李德鵬;裴詩雨;南靖;趙大勇;楊春雨;馬小平
• 申請(qǐng)（專利權(quán)）人: 中國(guó)礦業(yè)大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06N3/04;G06N3/08
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 樓高潮

本發(fā)明公開一種基于塊增量隨機(jī)配置網(wǎng)絡(luò)的工業(yè)過程軟測(cè)量建模方法，包括：初始化塊增量隨機(jī)配置網(wǎng)絡(luò)學(xué)習(xí)所需要的參數(shù)；根據(jù)監(jiān)督機(jī)制，將隱層節(jié)點(diǎn)按塊配置，并找出滿足約束條件的隱層節(jié)點(diǎn)塊作為新增候選節(jié)點(diǎn)塊；從新增候選節(jié)點(diǎn)塊中找出最佳隱層參數(shù)，計(jì)算新增隱層輸出并構(gòu)建隱層輸出矩陣；通過優(yōu)化算法得到當(dāng)前網(wǎng)絡(luò)的輸出權(quán)值，并根據(jù)相鄰兩次迭代中殘差的差值，利用模擬退火來更新下一次迭代的塊寬，在當(dāng)前網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)超過給定最大隱層節(jié)點(diǎn)數(shù)或當(dāng)前迭代中的殘差滿足期望容差時(shí)，不再增加新節(jié)點(diǎn)塊，建模完成，得到塊增量隨機(jī)配置網(wǎng)絡(luò)。本發(fā)明不僅能有效提高建模速度，而且所建立網(wǎng)絡(luò)具有良好的緊致性，能夠很好地滿足工業(yè)過程軟測(cè)量的需求。

技術(shù)領(lǐng)域

本發(fā)明涉及工業(yè)過程測(cè)量技術(shù)領(lǐng)域，特別涉及一種基于塊增量隨機(jī)配置網(wǎng)絡(luò)的工業(yè)過程軟測(cè)量建模方法。

背景技術(shù)

工業(yè)過程中通常采用在線檢測(cè)儀對(duì)生產(chǎn)過程中的關(guān)鍵參數(shù)，如流量、壓力、溫度等，進(jìn)行實(shí)時(shí)監(jiān)視。隨著市場(chǎng)經(jīng)濟(jì)全球化的增強(qiáng)與先進(jìn)制造技術(shù)的發(fā)展，工業(yè)過程所關(guān)心的參數(shù)逐漸擴(kuò)展到反映產(chǎn)品質(zhì)量的運(yùn)行指標(biāo)，如洗選煤過程的灰分、高爐鐵水中的硅含量、冶金磨礦中的粒度等。然而，這些運(yùn)行指標(biāo)的在線檢測(cè)儀不僅造價(jià)昂貴，而且對(duì)其進(jìn)行現(xiàn)場(chǎng)維護(hù)的工作量較大，實(shí)際工業(yè)現(xiàn)場(chǎng)多采用離線化驗(yàn)的人工測(cè)量方式，但耗時(shí)耗力，且往往因工人的技術(shù)水平層次不同，化驗(yàn)的結(jié)果差強(qiáng)人意。

解決上述問題的有效方法是軟測(cè)量技術(shù)，就是通過建立可測(cè)或易測(cè)的過程變量(稱為輔助變量)與難以直接檢測(cè)的待測(cè)變量(稱為主導(dǎo)變量)的數(shù)學(xué)關(guān)系，實(shí)現(xiàn)對(duì)難測(cè)變量的間接估計(jì)。采用軟測(cè)量的間接估計(jì)方法，又分為機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型。其中，機(jī)理建模方法均是在忽略或假設(shè)一些重要的物理變化后建立的，通常會(huì)產(chǎn)生較大的建模誤差。因此，多采用數(shù)據(jù)驅(qū)動(dòng)的方法建立軟測(cè)量模型，其實(shí)質(zhì)是利用生產(chǎn)過程中的產(chǎn)生的實(shí)時(shí)和歷史數(shù)據(jù)，建立工業(yè)過程中變量之間的數(shù)學(xué)模型，實(shí)現(xiàn)對(duì)主導(dǎo)變量的估計(jì)。

近年來，神經(jīng)網(wǎng)絡(luò)算法被逐漸應(yīng)用在工業(yè)過程軟測(cè)量領(lǐng)域。盡管許多改進(jìn)的算法被提出，但在實(shí)際的應(yīng)用中仍存在訓(xùn)練耗時(shí)、精度不高、過多的人為干預(yù)等問題。作為一種隨機(jī)化的前饋神經(jīng)網(wǎng)絡(luò)，點(diǎn)增量隨機(jī)配置網(wǎng)絡(luò)的輸入權(quán)值和偏置在一個(gè)可調(diào)區(qū)間內(nèi)快速隨機(jī)生成，然后通過監(jiān)督機(jī)制進(jìn)行配置以確保網(wǎng)絡(luò)的萬能逼近特性；同時(shí)，該算法作為一種增量實(shí)現(xiàn)，每次增加一個(gè)節(jié)點(diǎn)，可以自動(dòng)地完成網(wǎng)絡(luò)的構(gòu)建。然而，工業(yè)過程通常十分復(fù)雜，實(shí)現(xiàn)對(duì)主導(dǎo)變量的估計(jì)需要較多的節(jié)點(diǎn)來達(dá)到預(yù)期的結(jié)果。在這種情況下，由于點(diǎn)增量隨機(jī)配置網(wǎng)絡(luò)在一次迭代中只能增加一個(gè)節(jié)點(diǎn)，其構(gòu)建過程往往需要較多的迭代，不可避免地增加了計(jì)算負(fù)荷、影響了建模效率。

發(fā)明內(nèi)容

本發(fā)明旨在解決目前的工業(yè)過程變量測(cè)量存在的不足，以及目前的算法難以滿足實(shí)際工業(yè)過程對(duì)于估計(jì)準(zhǔn)確性與快速性的需求的技術(shù)問題。為此，本發(fā)明的目的在于提出一種基于塊增量隨機(jī)配置網(wǎng)絡(luò)的工業(yè)過程軟測(cè)量建模方法，不僅可以有效提高建模速度，而且所建立網(wǎng)絡(luò)具有良好的緊致性，能夠很好地滿足工業(yè)過程軟測(cè)量的需求。

本發(fā)明提出的一種基于塊增量隨機(jī)配置網(wǎng)絡(luò)的工業(yè)過程軟測(cè)量建模方法，包括以下步驟：S1，初始化塊增量隨機(jī)配置網(wǎng)絡(luò)學(xué)習(xí)所需要的參數(shù)；S2，根據(jù)監(jiān)督機(jī)制，將隱層節(jié)點(diǎn)按塊配置，并找出滿足約束條件的隱層節(jié)點(diǎn)塊作為新增候選節(jié)點(diǎn)塊；S3，從所述新增候選節(jié)點(diǎn)塊中找出最佳隱層參數(shù)，計(jì)算新增隱層輸出，并構(gòu)建隱層輸出矩陣；S4，通過優(yōu)化算法得到當(dāng)前網(wǎng)絡(luò)的輸出權(quán)值，并根據(jù)相鄰兩次迭代中殘差的差值，利用模擬退火來更新下一次迭代的塊寬，在當(dāng)前網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)超過給定最大隱層節(jié)點(diǎn)數(shù)或當(dāng)前迭代中的殘差滿足期望容差時(shí)，不再增加新節(jié)點(diǎn)塊，建模完成，得到塊增量隨機(jī)配置網(wǎng)絡(luò)。

根據(jù)本發(fā)明實(shí)施例的基于塊增量隨機(jī)配置網(wǎng)絡(luò)的工業(yè)過程軟測(cè)量建模方法，從初始化的網(wǎng)絡(luò)開始，通過引入用于配置隱層參數(shù)的監(jiān)督機(jī)制來建立增量式網(wǎng)絡(luò)模型，不僅確保了其萬能逼近特性，而且網(wǎng)絡(luò)的復(fù)雜度可以依工業(yè)過程而定，采用模擬退火策略來自適應(yīng)調(diào)整每次迭代時(shí)所需的塊寬，進(jìn)一步保證了網(wǎng)絡(luò)的緊致性；同時(shí)，針對(duì)過擬合問題，本發(fā)明采用提前結(jié)束建模的方法，即通過設(shè)定最大隱層節(jié)點(diǎn)數(shù)和期望容差，在網(wǎng)絡(luò)尚未過擬合之前結(jié)束建模，由此，該建模方法不僅模型結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練速度快，準(zhǔn)確率高，而且還具有良好的泛化性能。