基于QGMVPN模型的多釜聚合过程熔体质量指标在线预测方法

专利主权项内容

1.基于QGMVPN模型的多釜聚合过程熔体质量指标在线预测方法，其特征在于，包括如下步骤：S1.从聚酯聚合多釜工艺过程的传感器上采集聚合过程变量和聚酯熔体质量指标的历史数据，构建聚合数据集，并划分为训练集和测试集；S2.建立QGMVPN模型；QGMVPN模型由编码器、特征空间和解码器构成；编码器的结构为3层的神经网络，连接方式为门机制连接；解码器的结构为3层的神经网络，连接方式为门机制连接；编码器的输入为[x y]，其中，表示由聚合过程变量构成的向量，D表示聚合过程变量的维数，/>表示由聚酯熔体质量指标构成的向量，D表示聚酯熔体质量指标的维数，[x y]表示混合向量，即两个向量的连缀，维数为D+D；1212编码器的输出为编码后的变量h；h的计算公式如下：enenI＝[x y]；其中，W和b分别对应表示编码器中门机制连接的变量权重矩阵和变量偏置项，V和c分别对应表示编码器中门机制连接的门权重矩阵和门偏置项，σ表示sigmoid激活函数；enenenen特征空间的工作流程如下：(a)将hen直接等价映射为对角型高斯混合分布的均值向量μ和方差向量的对数形式logσ，其中，m表示高斯混合分布的第m个分量，M表示高斯混合组分个数，由聚合主反应釜个数决定，π表示第m个分量的混合组分系数；mmm(b)利用再参数化技巧，计算得到服从对角型高斯混合分布的初始特征z，公式如下：0其中，I表示单位矩阵；(c)将z经过T次Householder变换，得到服从非对角型高斯混合分布的深度特征z，公式如下：0T其中，H表示第t个Householder变换矩阵，z表示经过t-1次Householder变换后得到的特征，v表示第t个Householder向量；tt-1t解码器的输入为[z x]，[z x]表示混合向量，即两个向量的连缀；TT解码器的输出为聚酯熔体质量指标y；y的计算公式如下：ooz＝[z x]；T其中，W和b分别对应表示解码器中门机制连接的变量权重矩阵和变量偏置项，V和c分别对应表示解码器中门机制连接的门权重矩阵和门偏置项，σ表示sigmoid激活函数；aedededeS3.设置QGMVPN模型的超参数的初始值，具体过程为：利用控制变量实验法确定π以及T的初始值，并通过经验调参法设置QGMVPN模型的其它超参数的初始值；mS4.采用训练集训练QGMVPN模型，并利用测试集进行模型测试，提取最后一次迭代过程中特征空间输出的z，将其记为z，将训练且测试后的QGMVPN模型的解码器作为多釜聚合过程熔体质量指标预测模型；TT*采用训练集训练QGMVPN模型时，若QGMVPN模型的损失函数值小于0.007，则停止训练；反之，则调整QGMVPN模型的超参数，继续训练；损失函数的表达式如下：式中，表示损失函数，KL表示散度，I表示第m个分量对应的单位矩阵；mS5.从聚酯聚合多釜工艺过程的传感器上采集聚合过程变量的实时数据，得到由聚合过程变量构成的向量x，将[z x]输入多釜聚合过程熔体质量指标预测模型，由其输出预测的聚酯熔体质量指标y，[z x]表示混合向量，即两个向量的连缀。newT*newnewT*new 微信公众号马克 数据网