[发明专利]铝电解槽过热度识别方法、系统、设备及介质

权利要求书

1.一种铝电解槽过热度识别方法，其特征在于，包括：

从铝电解生产数据集中选取多种类型的生产数据作为样本数据集；

对所述样本数据集添加标签并进行同构化处理，得到训练集和验证集；

构建基于自注意力机制的初始识别模型；

利用编码-解码方法和所述样本数据集对所述初始识别模型进行预训练，完成初始化；

根据所述训练集和所述验证集的加权交叉熵损失训练初始化后的所述初始识别模型，得到目标识别模型；

采集当前时段的生产数据进行同构化处理后输入所述目标识别模型，得到识别结果。

2.根据权利要求1所述的方法，其特征在于,所述样本数据集的类型包括生产过程中在线实时获得的监测属性值、生产过程中人工离线化验获得的化验属性值、生产过程中的生产操作至当前时刻的时间值和生产过程中生产状态的8Bit状态值。

3.根据权利要求2所述的方法，其特征在于,所述对所述样本数据集添加标签并进行同构化处理，得到训练集和验证集的步骤，包括：

对所述样本数据集添加标签，并将不同类型的生产数据转换为表现形式和采样频率相同的时间序列数据集合；

将所述时间序列数据集合划分为所述训练集和所述验证集。

4.根据权利要求1所述的方法，其特征在于,所述构建基于自注意力机制的初始识别模型的步骤，包括：

采用卷积神经网络形成残差卷积层，以及，采用多头自注意力机制形成自注意力层；

将所述残差卷积层和所述自注意力层形成所述自注意力模型；

将多个堆叠的自注意力模块与一个softmax分类器形成所述初始识别模型。

5.根据权利要求3所述的方法，其特征在于,所述利用编码-解码方法和所述样本数据集对所述初始识别模型进行预训练，完成初始化的步骤，包括：

将所述样本数据集中的多维时间序列转换为高维深度特征；

将所述高维深度特征进行解码并将解码后的特征转换为所述样本数据集对应的近似值；

计算所述样本数据集与其对应的近似值的均方误差损失函数；

根据所述均方误差损失函数初始化所述初始识别模型。

6.根据权利要求1所述的方法，其特征在于,所述根据所述训练集和所述验证集的加权交叉熵损失训练初始化后的所述初始识别模型，得到目标识别模型的步骤，包括：

根据所述训练集和所述验证集得到加权交叉熵损失函数；

根据所述加权交叉熵损失函数的值训练初始化后的所述初始识别模型，得到所述目标识别模型。

7.一种铝电解槽过热度识别系统，其特征在于，包括：

选取模块，用于从铝电解生产数据集中选取多种类型的生产数据作为样本数据集；

同构化模块，用于对所述样本数据集添加标签并进行同构化处理，得到训练集和验证集；

构建模块，用于构建基于自注意力机制的初始识别模型；

预训练模块，用于利用编码-解码方法和所述样本数据集对所述初始识别模型进行预训练，完成初始化；

训练模块，用于根据所述训练集和所述验证集的加权交叉熵损失训练初始化后的所述初始识别模型，得到目标识别模型；

识别模块，用于采集当前时段的生产数据进行同构化处理后输入所述目标识别模型，得到识别结果。

8.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-6中任一项所述的铝电解槽过热度识别方法。

9.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-6中任一项所述的铝电解槽过热度识别方法。