迁移学习在湿式球磨机负荷参数软测量中的研究与应用
发布时间：2020-12-16 15:41
球磨机是在选矿、电力和化工等流程工业领域的一种基础磨矿设备。该工业设备的效率与其内部负荷具有密切联系,及时调整磨机的装球量及给料量,使磨机稳定运行在最佳负荷点,对提高磨矿产品质量和磨矿系统的安全稳定运行意义重大。因此,能够表征球磨机内部工作状态的关键负荷参数（料球比、浓度、充填率）的准确检测对于球磨机的优化运行控制具有决定作用。受限于球磨机的机理模型复杂,具有大时滞、随机干扰大等特点,常规的仪表检测方法无法实施,因此通过建立辅助变量和主导变量之间的函数映射关系而实现预测未知主导变量的软测量建模方法已成为该研究领域的关键技术之一。然而,在实际生产过程中,存在着钢球磨损,突然添加钢球等操作,造成工况的改变,以至于造成数据分布的改变,从而导致模型不能准确测量负荷参数。针对上述湿式球磨机运行过程中工况发生迁移的问题,本文将迁移学习引入软测量算法中,重点研究多工况情况下,湿式球磨机负荷参数软测量方法。主要的研究内容可归纳为以下几点:1、针对球磨机工况改变后,实时工况和历史工况数据分布失配导致的模型失准问题以及实时工况样本少的问题,提出一种基于迁移变分自编码器-标签映射的软测量模型。首先迁移目标领...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
图２－１基于模型的迁移学习示意图??
３．２相关理论??３．２．１?变分自编码??图３－１是ＶＡＥ的模型图。其」中，Ｅｎｃｏｄｅ？＂为编码器，记为识别模型％（Ｚ?｜?ｘ）；?Ｄｅｃｏｔ／ｅｒ??为解码器，记为生成模型凡（Ｘ｜Ｚ）。对生成方法而言，关键是获取概率分布涔（ｘ｜ｚ）。??外⑷?ａｆｆ（ｚ）??Ｄｅｃｏｄｅｒ??（Ｐ）???＾??＾（ａ〇｜??？？??１由＿采样叫??⑷??Ｔ??图３－１变分自编码器??Ｆｉｇｕｒｅ?３－１?Ｖａｒｉａｔｉｏｎａｌ?Ａｕｔｏｅｎｃｏｄｅｒ??ＶＡＥ通过识别模型％（ｚ?｜?ｘ）逼近输入数据ｘ的后验概率办（ｘ｜?ｚ），采用ＫＬ散度来衡??爾两个分布之间的相似程度ｓ具体地，分布％（Ｚ｜ｘ）关于分布涔（ｘ｜ｚ）的ＫＬ散度为??Ａａ（％（ｚ｜ｘ）｜｜／＾（ｘ｜ｚ））??＝Ｅｑ，ｕ＼ｘ）［１〇ｇ?＾?Ｉ?＾）?－?！〇ｇ?Ｐ０（ｘ?｜?ｚ）］?（３－１）??＝＼ｕ＼Ｘ）ｌｌ〇ｇ＾（ｚ?｜?ｘ）－ｌｏｇｐ＃（ｘ?Ｉ?ｚ）－ｌｏｇ＾（ｚ）］?
分别进行编码得到对应的隐变量及其分布参数，然后迁移目标领域隐变量分布参数，对??源领域隐变量分布进行拟合，提出迀移变分自编码器（ＴＶＡＥ）。??图３－２为隐究的概率密度曲线图，分别选取了工况１和工况２数据编码生成的??隐变量ｓ采用概率密度估计方法，可以获取隐变遭的概率密度函数及曲线。根据图３－２，??将计算出的概率密度图的均值代表数据的均值，最高点代表领域的峰值。然后根据公式??（３－７）由隐变量＆得到２＾：??＾ｎｅｗＳ?＝（ＺＳ－／ＪＳ＋／Ｊｔ）＊—Ｌ?（３－７）??Ａ??２．５?Ｉ?Ｉ?ｉ?ｉ?ｉ?ｉ?ｉ???工况??Ａ－工况２?｜??????－０．８?－０．６?－０．４?－０．２?０?０．２?０．４?０．６?０．８??ｚ??图３－２隐变量ｚ概率密度曲线??Ｆｉｇｕｒｅ?３－２?Ｔｈｅ?ｐｒｏｂａｂｉｌｉｔｙ?ｄｅｎｓｉｔｙ?ｃｕｒｖｅ?ｏｆ?ｈｉｄｄｅｎ?ｖａｒｉａｂｌｅｓ?ｚ??２０??
【参考文献】：
期刊论文
[1]风电和光伏随机场景生成的条件变分自动编码器方法[J]. 王守相,陈海文,李小平,舒欣. 电网技术. 2018(06)
[2]基于MFCC和RBM的料位软测量[J]. 郭磊,阎高伟. 控制工程. 2016(09)
[3]Online process monitoring for complex systems with dynamic weighted principal component analysis[J]. Zhengshun Fei,Kangling Liu. Chinese Journal of Chemical Engineering. 2016(06)
[4]过程工业大数据建模研究展望[J]. 刘强,秦泗钊. 自动化学报. 2016(02)
[5]流程工业实现跨越式发展的必由之路[J]. 桂卫华,王成红,谢永芳,宋苏,孟庆峰,丁进良. 中国科学基金. 2015(05)
[6]基于流形正则化极限学习机的语种识别系统[J]. 徐嘉明,张卫强,杨登舟,刘加,夏善红. 自动化学报. 2015(09)
[7]基于局部邻域标准化策略的多工况过程故障检测[J]. 郭红杰,徐春玲,侍洪波. 上海交通大学学报. 2015(06)
[8]基于测地线距离统计量的多工况间歇过程监测[J]. 郭小萍,李婷,李元. 化工学报. 2015(01)
[9]基于EMD和选择性集成学习算法的磨机负荷参数软测量[J]. 汤健,柴天佑,丛秋梅,苑明哲,赵立杰,刘卓,余文. 自动化学报. 2014(09)
[10]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植. 软件学报. 2015(01)
博士论文
[1]迁移学习问题与方法研究[D]. 龙明盛.清华大学 2014
[2]基于知识表达的迁移学习研究[D]. 张倩.中国矿业大学 2013
硕士论文
[1]基于迁移学习的球磨机多工况负荷参数软测量研究与应用[D]. 李思思.太原理工大学 2018
[2]迁移学习在湿式球磨机负荷参数软测量中的研究与应用[D]. 贺敏.太原理工大学 2018
[3]基于迁移学习的湿式球磨机多工况负荷参数软测量[D]. 杨飞.太原理工大学 2017
[4]基于图像自编码的神经网络特征学习研究及应用[D]. 恩擎.北京工业大学 2017
[5]基于深度学习的图像生成技术研究与应用[D]. 虢齐.电子科技大学 2017
本文编号：2920398
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
图２－１基于模型的迁移学习示意图??
３．２相关理论??３．２．１?变分自编码??图３－１是ＶＡＥ的模型图。其」中，Ｅｎｃｏｄｅ？＂为编码器，记为识别模型％（Ｚ?｜?ｘ）；?Ｄｅｃｏｔ／ｅｒ??为解码器，记为生成模型凡（Ｘ｜Ｚ）。对生成方法而言，关键是获取概率分布涔（ｘ｜ｚ）。??外⑷?ａｆｆ（ｚ）??Ｄｅｃｏｄｅｒ??（Ｐ）???＾??＾（ａ〇｜??？？??１由＿采样叫??⑷??Ｔ??图３－１变分自编码器??Ｆｉｇｕｒｅ?３－１?Ｖａｒｉａｔｉｏｎａｌ?Ａｕｔｏｅｎｃｏｄｅｒ??ＶＡＥ通过识别模型％（ｚ?｜?ｘ）逼近输入数据ｘ的后验概率办（ｘ｜?ｚ），采用ＫＬ散度来衡??爾两个分布之间的相似程度ｓ具体地，分布％（Ｚ｜ｘ）关于分布涔（ｘ｜ｚ）的ＫＬ散度为??Ａａ（％（ｚ｜ｘ）｜｜／＾（ｘ｜ｚ））??＝Ｅｑ，ｕ＼ｘ）［１〇ｇ?＾?Ｉ?＾）?－?！〇ｇ?Ｐ０（ｘ?｜?ｚ）］?（３－１）??＝＼ｕ＼Ｘ）ｌｌ〇ｇ＾（ｚ?｜?ｘ）－ｌｏｇｐ＃（ｘ?Ｉ?ｚ）－ｌｏｇ＾（ｚ）］?
分别进行编码得到对应的隐变量及其分布参数，然后迁移目标领域隐变量分布参数，对??源领域隐变量分布进行拟合，提出迀移变分自编码器（ＴＶＡＥ）。??图３－２为隐究的概率密度曲线图，分别选取了工况１和工况２数据编码生成的??隐变量ｓ采用概率密度估计方法，可以获取隐变遭的概率密度函数及曲线。根据图３－２，??将计算出的概率密度图的均值代表数据的均值，最高点代表领域的峰值。然后根据公式??（３－７）由隐变量＆得到２＾：??＾ｎｅｗＳ?＝（ＺＳ－／ＪＳ＋／Ｊｔ）＊—Ｌ?（３－７）??Ａ??２．５?Ｉ?Ｉ?ｉ?ｉ?ｉ?ｉ?ｉ???工况??Ａ－工况２?｜??????－０．８?－０．６?－０．４?－０．２?０?０．２?０．４?０．６?０．８??ｚ??图３－２隐变量ｚ概率密度曲线??Ｆｉｇｕｒｅ?３－２?Ｔｈｅ?ｐｒｏｂａｂｉｌｉｔｙ?ｄｅｎｓｉｔｙ?ｃｕｒｖｅ?ｏｆ?ｈｉｄｄｅｎ?ｖａｒｉａｂｌｅｓ?ｚ??２０??
【参考文献】：
期刊论文
[1]风电和光伏随机场景生成的条件变分自动编码器方法[J]. 王守相,陈海文,李小平,舒欣. 电网技术. 2018(06)
[2]基于MFCC和RBM的料位软测量[J]. 郭磊,阎高伟. 控制工程. 2016(09)
[3]Online process monitoring for complex systems with dynamic weighted principal component analysis[J]. Zhengshun Fei,Kangling Liu. Chinese Journal of Chemical Engineering. 2016(06)
[4]过程工业大数据建模研究展望[J]. 刘强,秦泗钊. 自动化学报. 2016(02)
[5]流程工业实现跨越式发展的必由之路[J]. 桂卫华,王成红,谢永芳,宋苏,孟庆峰,丁进良. 中国科学基金. 2015(05)
[6]基于流形正则化极限学习机的语种识别系统[J]. 徐嘉明,张卫强,杨登舟,刘加,夏善红. 自动化学报. 2015(09)
[7]基于局部邻域标准化策略的多工况过程故障检测[J]. 郭红杰,徐春玲,侍洪波. 上海交通大学学报. 2015(06)
[8]基于测地线距离统计量的多工况间歇过程监测[J]. 郭小萍,李婷,李元. 化工学报. 2015(01)
[9]基于EMD和选择性集成学习算法的磨机负荷参数软测量[J]. 汤健,柴天佑,丛秋梅,苑明哲,赵立杰,刘卓,余文. 自动化学报. 2014(09)
[10]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植. 软件学报. 2015(01)
博士论文
[1]迁移学习问题与方法研究[D]. 龙明盛.清华大学 2014
[2]基于知识表达的迁移学习研究[D]. 张倩.中国矿业大学 2013
硕士论文
[1]基于迁移学习的球磨机多工况负荷参数软测量研究与应用[D]. 李思思.太原理工大学 2018
[2]迁移学习在湿式球磨机负荷参数软测量中的研究与应用[D]. 贺敏.太原理工大学 2018
[3]基于迁移学习的湿式球磨机多工况负荷参数软测量[D]. 杨飞.太原理工大学 2017
[4]基于图像自编码的神经网络特征学习研究及应用[D]. 恩擎.北京工业大学 2017
[5]基于深度学习的图像生成技术研究与应用[D]. 虢齐.电子科技大学 2017
本文编号：2920398
本文链接：https://www.wllwen.com/kejilunwen/kuangye/2920398.html
