【儀表網(wǎng) 研發(fā)快訊】在具有時滯特性的工業(yè)過程中，關(guān)鍵參數(shù)的長時精準預(yù)測對智能感知與優(yōu)化決策具有重要意義。然而，工業(yè)時序數(shù)據(jù)通常具有非線性、信息稀疏、隨機噪聲、非平穩(wěn)等復(fù)雜特性，使得現(xiàn)有預(yù)測建模方法難以有效解耦混雜因素、適應(yīng)未知不確定性。
著眼于上述挑戰(zhàn)，近日，中國科學(xué)院沈陽自動化研究所數(shù)字工廠研究室科研團隊提出了一種多頻解耦網(wǎng)絡(luò)與雙階段移位分段建模的工業(yè)長時序預(yù)測建模方法，圍繞工業(yè)關(guān)鍵參數(shù)長時預(yù)測建模難等問題，從數(shù)據(jù)分解、動態(tài)建模與分布自適應(yīng)等方面進行了優(yōu)化。
科研人員通過多頻解耦網(wǎng)絡(luò)分離時序數(shù)據(jù)的噪聲與高頻干擾，同時，針對中頻分量提出了一種雙階段移位分段建模方法，有效緩解了信息稀疏與隨機噪聲的影響。此外，科研人員設(shè)計了加權(quán)位置方向?qū)R損失與可逆雙波段條件自適應(yīng)歸一化機制，增強了網(wǎng)絡(luò)學(xué)習(xí)與非平穩(wěn)數(shù)據(jù)處理能力，為工業(yè)過程智能感知與優(yōu)化決策提供了新思路。
該成果以Multifrequency Decoupling Network With Dual-Stage Shift Segmental Modeling for Long-Term Prediction of Industrial Parameters為題，發(fā)表于工業(yè)信息領(lǐng)域國際期刊IEEE Transactions on Industrial Informatics。沈陽自動化所碩士研究生呂長垚為論文第一作者，周曉鋒研究員、李帥副研究員為通訊作者。該研究得到了國家自然科學(xué)基金重大研究計劃重點支持項目、國家自然科學(xué)基金青年基金、沈陽自動化所基礎(chǔ)研究計劃重點項目的支持。(數(shù)字工廠研究室)
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。