MHA-SVR:基于特征相互作用的自适应软传感器,用于超声波植物医学提取

科学领域:

• 化学工程是化学工程的重要组成部分.
• 过程控制 过程控制
• 分析化学 分析化学

背景情况:

• 超声波提取对于隔离植物药物化合物至关重要,但由于非线性和小样本大小,在实时率预测方面面临挑战.
• 超声波提取中的批处理限制了提取效率的准确,立即监控.

研究的目的:

• 开发一种适应软传感器,用于实时预测超声波植物医学提取中的提取速率.
• 为了提高监控多批次超声波提取过程的准确性和效率.

主要方法:

• 提出了一个自适应软传感器,集成多头注意力 (MHA) 与支持向量回归 (SVR).
• 雇佣MHA分析样本相关性并根据相似性分配权重,改进数据结构建模.
• 验证了MHA-SVR模型,使用在不同条件下波林的双频超声波提取数据.

主要成果:

• 与主流模型相比,MHA-SVR模型实现了5.12%更高的确定系数 (R2).
• 与JITL-SVR模型相比,在线预测时间减少了88%.
• 证明了精华提取的卓越性能和实时能力.

结论:

• MHA-SVR软传感器有效地克服了多批次超声波提取中的在线监控挑战.
• 这种方法显著提高了在各种条件下提取产量检测的准确性.
• 提供了一个强大的解决方案,用于实时量化植物加工中的提取效率.