[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有效
| 申请号： | 201910462924.6 | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110245398B | 公开（公告）日： | 2022-10-04 |
| 发明（设计）人： | 刘涵;连鹏隆;方秀勤 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06F30/17 | 分类号： | G06F30/17;G06F30/27;G06N3/04;G06N3/08;G06F119/08;G06F119/04 |
| 代理公司： | 北京国昊天诚知识产权代理有限公司 11315 | 代理人： | 杨洲 |
| 地址： | 710048*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 空气预热器转子热变形量的软测量深度学习方法，包括以下步骤：根据现场数据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；建立测量转子热变形量的深度置信网络模型；对软测量模型得到的预测数据和原始数据进行分析，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；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，本发明解决了现有技术中存在的测量转子热变形量建模不准确，过程变量中无标签数据没有利用，采用机理建模得到的模型误差较大，选择的输入和输出之间线性相关性不强，参数辨识精度不高的问题。 | ||
| 搜索关键词： | 空气 预热器 转子 变形 测量 深度 学习方法 | ||
【主权项】：
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。
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西安理工大学，未经西安理工大学许可，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/201910462924.6/，转载请声明来源钻瓜专利网。
