申请/专利权人：山东嘉华油脂有限公司

申请日：2024-01-10

公开（公告）日：2024-04-09

公开（公告）号：CN117854612A

主分类号：G16C20/10

分类号：G16C20/10;G16C20/70;G06F18/10;G06F18/213;G06F18/214;G06N3/0442;G06N3/08;G06N20/20;G01N33/02;G01D21/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明属于大豆蛋白生产技术领域，尤其涉及一种基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法。本发明利用现有传感器测量大豆蛋白酸沉工序中的温度值、pH值、酸液流量、电机转速、粘度、蛋白浓度等参数值，利用随机森林算法寻找对酸沉率有关联的特征值，使其作为长短期记忆网络的输入值，形成对酸沉率的预测，进而实现酸沉率的在线检测，从而对后续的电机转速、酸液流量以及pH值进行控制，进而确保酸沉工序的稳定性。

主权项：1.一种基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法，其特征在于，包括以下步骤：a、首先基于时间序列获取酸沉工序中温度值、pH值、酸液流量、电机转速、粘度、蛋白浓度以及酸沉率的特征数据，构建样本；b、对样本内特征数据进行清洗、转化以及归一化处理；c、对样本内与酸沉率相关的特征数据进行特征选择；d、对于选择的特征进行数据集划分，构建训练集和验证集；e、根据划分后的数据集进行酸沉率软测量模型的训练；f、最后，将训练好的酸沉率软测量模型进行酸沉工序中酸沉率的在线检测；其中，所述e步骤中，酸沉率软测量模型的具体操作办法为：e1、首先长短期记忆网络的输入层和输出层个数进行确定，同时明确粒子群算法的粒子速度、位置以及种群数的值；e2、随机生成粒子种群Xα、β、δ，其中，α代表长短期记忆网络的迭代次数、β代表长短期记忆网络的学习率、δ代表长短期记忆网络中隐含层神经元节点数；e3、对适应度函数、惯性因子、加速因子进行明确，通过对最优粒子适应度值、惯性因子、加速因子进行明确，对粒子速度、位置进行更新，其中，所述适应度函数函数为 其中，n为预测值总个数、为粒子算法预测值、yi为酸沉率真实值；所述惯性因子确定公式为： 其中，ωt为第t次迭代的惯性权值、ωini为初始惯性权值、ωend为迭代至最大进化代数时的惯性权值、Tmax为最大迭代次数、Tal为已经迭代完的次数，Xad为当前粒子适应度值、Xavg为当前所有粒子适应度的平均值、Xmin为当前所有粒子适应度的；所述加速因子的确定公式为： 其中，t为当前迭代次数、c1s为学习因子c1的初始迭代值、c1e为学习因子c1的初始迭代值终止迭代值、c2s为学习因子c2的初始迭代值、c2e为学习因子c2的初始迭代值终止迭代值，其中，c1s＝c2e＝2.5，c1e＝c2s＝0.5；e4、当粒子群算法达到最大迭代次数，明确最优粒子种群位置并获得相应参数后，将其作为长短期记忆网络的超参数值进行训练。

全文数据：

权利要求：

百度查询： 山东嘉华油脂有限公司 基于长短期记忆网络的大豆蛋白酸沉工序在线检测的方法

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