申请/专利权人:电子科技大学中山学院
申请日:2023-12-11
公开(公告)日:2024-03-19
公开(公告)号:CN117722699A
主分类号:F23N5/20
分类号:F23N5/20;F23N5/26
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种燃烧设备运行的控制方法和电子设备,控制方法包括如下步骤:构建自编码器网络;将燃烧设备归一化之后的原始输入数据X作为自编码器网络的输入参数,获取降维之后的数据;构建LSTMinput神经网络;构建LSTMoutput神经网络;使用LSTMinput神经网络和LSTMoutput神经网络获取预测数据和预测数据;将预测数据和数据拼接,得到第一拼接数据,将预测数据和产汽量数据拼接,得到第二拼接数据;采用深度ANNForward神经网络,对第一拼接数据和第二拼接数据进行正向预测训练和反向预测训练;优化深度ANNForward神经网络,获得最优输入参数;将最优输入参数输入深度ANNForward神经网络,得到燃烧设备对应的产汽量数据。
主权项:1.一种燃烧设备运行的控制方法,其特征在于,包括如下步骤:S1、构建自编码器网络;S2、将燃烧设备归一化之后的原始输入数据X作为所述自编码器网络的输入参数,获取降维之后的数据;S3、使用所述数据作为神经网络的输入数据,构建LSTMinput神经网络;S4、使用所述燃烧设备的产汽量数据作为神经网络的输入数据,构建LSTMoutput神经网络;S5、使用所述LSTMinput神经网络和所述LSTMoutput神经网络获取预测数据和预测数据;S6、将所述预测数据和所述数据拼接,得到第一拼接数据,将所述预测数据和所述产汽量数据拼接,得到第二拼接数据;S7、采用深度ANNForward神经网络,对所述第一拼接数据和所述第二拼接数据进行正向预测训练和反向预测训练;S8、优化所述深度ANNForward神经网络,获得最优输入参数;S9、将所述最优输入参数输入所述深度ANNForward神经网络,得到所述燃烧设备对应的产汽量数据。
全文数据:
权利要求:
百度查询: 电子科技大学中山学院 燃烧设备运行的控制方法和电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。