申请/专利权人：江苏恒力化纤股份有限公司

申请日：2023-12-25

公开（公告）日：2024-03-19

公开（公告）号：CN117455320B

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q50/04;G06N3/0455;G06N3/0442;G06N3/082;G06N3/0985

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明涉及一种基于QGMVPN模型的多釜聚合过程熔体质量指标在线预测方法，包括：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；建立QGMVPN模型；设置QGMVPN模型的超参数的初始值；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深度特征，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；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，将混合向量输入模型中，由其输出预测的聚酯熔体质量指标。

主权项：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[xy]，其中，表示由聚合过程变量构成的向量，D1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，D2表示聚酯熔体质量指标的维数，[xy]表示混合向量，即两个向量的连缀，维数为D1+D2；编码器的输出为编码后的变量hen；hen的计算公式如下： I＝[xy]；其中，Wen和ben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，Ven和cen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；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μm和方差向量的对数形式logσm，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，πm表示第m个分量的混合组分系数；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z0，公式如下： 其中，I表示单位矩阵；c将z0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zT，公式如下： 其中，Ht表示第t个Householder变换矩阵，zt-1表示经过t-1次Householder变换后得到的特征，vt表示第t个Householder向量；解码器的输入为[zTx]，[zTx]表示混合向量，即两个向量的连缀；解码器的输出为聚酯熔体质量指标yo；yo的计算公式如下： z＝[zTx]；其中，Wae和bde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，Vde和cde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；S3.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πm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；S4.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zT，将其记为zT*，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；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，Im表示第m个分量对应的单位矩阵；S5.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xnew，将[zT*xnew]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ynew，[zT*xnew]表示混合向量，即两个向量的连缀。

全文数据：

权利要求：

百度查询： 江苏恒力化纤股份有限公司 基于QGMVPN模型的多釜聚合过程熔体质量指标在线预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD