[发明专利]结晶过程晶体尺寸分布的及时在线高斯过程回归模型方法在审
申请号: | 202010692708.3 | 申请日: | 2020-07-17 |
公开(公告)号: | CN111797540A | 公开(公告)日: | 2020-10-20 |
发明(设计)人: | 杨克允;肖凡;娄维尧;马正阳;沈伟健;林韩波;赵世超;蔡姚杰 | 申请(专利权)人: | 浙江工业大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06Q10/04;G06F30/27;G06F17/18 |
代理公司: | 杭州浙科专利事务所(普通合伙) 33213 | 代理人: | 周红芳;朱盈盈 |
地址: | 310006 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 结晶 过程 晶体 尺寸 分布 及时 在线 回归 模型 方法 | ||
1.结晶过程晶体尺寸分布的及时在线高斯过程回归模型方法,其特征在于包括以下具体步骤:
1)、对典型的批量结晶过程提取特征,具体步骤如下:
1.1)、在结晶过程中获得相关参数数据,重复生成N组数据;
1.2)、每组数据中的时间间隔从0-10000s范围内,等间隔取N1个时间点,每组数据中取温度数据N1个,每组数据中的结晶种子长度从0-0.0015m范围内等间隔取N2个点;
2)、对提取到的特征建立局部在线高斯过程回归模型进行训练并评估:采用GPR与JIT策略集成对数据进行分析预测,对于查询分布形状其中,xq,i表示第i个查询样本,T表示矩阵的转置,yi表示第i个查询样本的标签,表示第i个查询样本的输入,Nq表示总查询样本数;建立用于在线预测模型,其具体步骤如下:
2.1)、基于相似性准则,选择相关输入样本以在数据库S中构建相似集合Sqi;
2.2)、使用相关数据集Sqi,构建及时在线高斯过程回归模型fJGPR(xqi);
2.3)、获得预测值fJGPR(xqi),然后丢弃及时在线高斯过程回归模型fJGPR(xqi)以节省存储器。
2.根据权利要求1所述的结晶过程晶体尺寸分布的及时在线高斯过程回归模型方法,其特征在于所述步骤1.2中,时间点数据按照如下公式进行选取:
batch_time=160*60*(1+0.001*randn)
tt=linspace(0.001,batch_time,N1)
其中,batch_time表示反应时间的最大值,randn表示随机产生的正态分布噪声,linspace表示区间范围[0.001,batch_time]内等分成N1份,tt表示生成的时间点数据。
3.根据权利要求1所述的结晶过程晶体尺寸分布的及时在线高斯过程回归模型方法,其特征在于所述步骤1.2中,温度数据按照如下公式进行选取:
TT=32-tt/batch_time*(32-22)*(1+0.001*randn)
其中,TT表示生成的N1个温度数据。
4.根据权利要求1所述的结晶过程晶体尺寸分布的及时在线高斯过程回归模型方法,其特征在于所述步骤1.2中,结晶种子长度选取剔除0.0007m的长度点。
5.根据权利要求1所述的结晶过程晶体尺寸分布的及时在线高斯过程回归模型方法,其特征在于所述步骤2.2中,使用相关数据集Sqi,采用基于欧几里德距离的相似度距离的评价指标,对数据集之间的相似度Sqi进行降序排列,由此重新得到所需的训练集;数据集之间的相似度在数据集之间定义如下:
其中是数据集xq,i和xk,j之间的距离相似度,的值在0到1之间,并且当接近1时,欧几里德距离越小,即xq,i越接近xk,j,则Sqi的优先级越高,然后对所有进行降序排列,由此重新得到所需的训练集,将此训练集用高斯过程回归模型进行建模,即可构建及时在线高斯过程回归模型fJGPR(xqi)。
6.根据权利要求1所述的结晶过程晶体尺寸分布的及时在线高斯过程回归模型方法,其特征在于所述步骤2.3中,将xq,i输入步骤2.2训练好的模型中,即可获得预测值fJGPR(xqi)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010692708.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:显示面板和显示装置
- 下一篇:基于电磁感应原理保证瓦楞机压力辊压力均匀的装置