[发明专利]空气预热器转子热变形量的软测量深度学习方法

权利要求书

1.空气预热器转子热变形量的软测量深度学习方法，其特征在于，包括以下步骤：

步骤1，对回转式空气预热器运行过程得到的现场数据进行分析，然后利用灰色关联度分析法，设置与转子热变形密切相关的辅助变量；

步骤2，建立测量转子热变形量的深度置信网络模型；

步骤3，用预测数据和原始数据对步骤2建立的深度置信网络模型进行分析，以此确定深度置信网络所有的网络权值以及隐含层节点数和层数；

步骤4，采用BP神经网络微调模型参数，并结合共轭梯度线性搜索寻优法，得到深度置信网络软测量模型参数的最优估计值。

2.根据权利要求1所述的空气预热器转子热变形量的软测量深度学习方法，其特征在于，步骤1所述的设置与转子热变形密切相关的辅助变量，其具体步骤为：

步骤1.1，假设某个辅助变量序列为x₁,…,x_n，其算术平均值和标准偏差分别表示为t和δ：

其中，i为变量值序列编号；x_i为第i个变量值；n为变量个数；t为算术平均值；δ为标准偏差；

步骤1.2，样本数据归一化后可表示为

其中，x_jmax为第j变量中样本数据的最大值；x_jmin为第j变量中样本数据的最小值；x_ij为第j变量样本中第i个数据对应处理前的数据，即待归一化的值；第j变量样本中第i个数据对应处理后的数据，即归一化后的值；

步骤1.3，初始变量集合可用X_i表示，输出变量表示为Y：

X_i＝{X_i(k)|k＝1,2,…,n},i＝1,2,…,m

Y＝{Y(k)|k＝1,2,…,n}

其中，X_i代表辅助变量集合；Y代表输出变量；k代表数据量编号；m为辅助变量个数，n为数据量个数；

步骤1.4，采用灰色关联度分析法对初始变量集合进行降维，确定软测量模型的输入辅助变量集合，令Δ_i(k)＝|Y(k)-X_i(k)|，则灰色关联系数表达式为γ_i：

其中，ρ取0.5；n为数据量个数。