BTPNet:一个概率空间时间意识网络,用于烧透点在烧结过程中的多步预测

科学领域:

• 金工程 金工程 金工程
• 过程控制 过程控制
• 人工智能的人工智能

背景情况:

• 烧透点 (BTP) 对烧结矿石的产量和质量至关重要.
• 传统的软传感器模型难以应对时间变化,多变量的烧结.
• 现有的方法在空间时间特征提取和多步预测错误积累方面面临挑战.

研究的目的:

• 为BTP在烧结过程中开发一个准确的多步预测模型.
• 解决传统模型在捕捉复杂的时空动态方面的局限性.
• 提高烧结矿石生产的可靠性和效率.

主要方法:

• 为BTP多步预测提出了一个概率空间时间意识网络 (BTPNet).
• 编码器网络使用多通道时间卷积网络 (MTCN) 来进行时间特征提取.
• 引入了一个变量交互意识模块 (VIAM) 用于空间特征提取.
• 解码器网络结合了概率估计 (PE) 来减轻累积的预测错误.

主要成果:

• BTPNet有效地提取了对于准确的BTP预测至关重要的时空特征.
• 拟议的VIAM和PE方法提高了模型的预测性能.
• 在真实烧结过程中的实验结果表明,BTPNet的性能优于现有的最先进模型.

结论:

• BTPNet提供了一个强大的解决方案,用于在工业烧结中准确的BTP多步预测.
• 该模型处理时空依赖性的能力提高了过程控制和操作稳定性.
• 这种方法有助于优化烧结矿石质量和生产效率.