[发明专利]基于记忆增强优化的CNN加热炉操作变量的软测量方法在审
| 申请号： | 201810950550.8 | 申请日： | 2018-08-20 |
| 公开（公告）号： | CN109188903A | 公开（公告）日： | 2019-01-11 |
| 发明（设计）人： | 王永健;李宏光;黄静雯;宿翀 | 申请（专利权）人： | 北京化工大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 北京太兆天元知识产权代理有限责任公司 11108 | 代理人： | 张洪年 |
| 地址： | 100029 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于记忆增强优化的CNN加热炉操作变量的软测量方法，首先获得训练样本数据，对所述训练样本数据进行预处理，根据卷积神经网络算法预先设置卷积神经网络的层数、每层的节点数，初始化每层的权值与偏置，然后使用记忆增强优化算法对卷积神经网络的权值进行优化，得到最优的权值参数，从而提高了模型的建模精度，最后根据训练形成的卷积神经网络模型获得加热炉操作变量的测量值，通过操作变量的测量值使得加热炉的热效率始终保持在最优状况，从而提高了工业生产效益。本发明提供的技术方案能够获得稳定的网络结构、优越的泛化性能和更高的精度，从而提高产品的质量，使得加热炉始终保持在较高热效率水平下平稳运行。 | ||
| 搜索关键词： | 加热炉 卷积神经网络 操作变量 记忆增强 训练样本数据 软测量 测量 优化 预处理 泛化性能 高热效率 模型获得 平稳运行 权值参数 网络结构 优化算法 预先设置 热效率 初始化 节点数 建模 偏置 算法 | ||
【主权项】：
1.一种基于记忆增强优化的CNN加热炉操作变量的软测量方法，其特征在于，包括：获取训练样本(X，Y)；使用归一化公式对所述训练样本(X，Y)进行归一化处理；对卷积神经网络的各个参数值进行初始化，所述参数值包括网络层数、节点数以及卷积核的数值；对所述卷积神经网络的卷积层的权值进行更新；对所述卷积神经网络的下采样层的权值进行更新；使用记忆增强优化算法对所述卷积神经网络的权值进行优化，以形成卷积神经网络模型；使用所述卷积神经网络模型对加热炉操作变量进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京化工大学，未经北京化工大学许可，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/patent/201810950550.8/，转载请声明来源钻瓜专利网。
