基于MA-CGRU的污染气体浓度并行软测量模型

SUN Xiaoming, JIA Kai,JIA Xinchun, CHEN Haowei, HOU Pengfei

Control Engineering of China（2023）

引用 0|浏览0

暂无评分

摘要

为解决普通深度学习方法提取特征能力较差和传统软测量模型都是单输出模型的问题,提出了基于多重注意力卷积门控循环单元(multiple attention-based convolutional gated recurrent unit,MA-CGRU)的燃煤电厂污染气体浓度并行软测量模型.首先使用 T 分布随机近邻嵌入对原始数据做非线性降维,接着采用一维卷积层提取数据的特征,然后将特征送入门控循环单元层.同时,采用多重注意力机制来提升并行软测量模型的特征提取效率.此外,所提出的模型可以并行输出NOx和SO2两种污染气体在下一时刻的浓度,有着较高的准确性,并且优于其他对比模型,可以为实际工业现场其他参数的并行软测量提供一定的参考.

关键词

Parallel soft sensing,T-distributed stochastic neighbor embedding,convolutional neural network,gated recurrent unit,multiple attention mechanism

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要