摘要
本发明涉及艾萨炉熔炼过程的智能控制技术领域,特别涉及一种艾萨铜熔炼过程参数的软测量模型构建方法,包括:对艾萨炉进行数据采样;构建核聚类的局部线性嵌入算法,并对采样数据进行处理;构建基于广义最大熵回归的自适应模型;采用隐马尔可夫模型对采样数据中的工况进行预测,得到基于广义最大熵回归的自适应模型的最优参数;将最优值输入模型中,并将处理后的结果输入得到最优值后的模型中,输出最终预测结果。本发明预测结果与实际生产结果基本吻合,预测的正确性和稳定性较好,对实际生产过程的优化控制具有参考价值。
技术关键词
HMM模型
模型构建方法
Welch算法
参数
表达式
非线性降维算法
矩阵
广义
工况
马尔科夫模型
构建预测模型
长短期记忆网络
局部线性嵌入算法
Viterbi算法
线性插值法
样本
动态
高维数据空间
拉格朗日乘子法
系统为您推荐了相关专利信息
智能诊疗方法
训练神经网络模型
网络学习用户
因子
多维特征向量
深度学习模型
库存预测模型
补货方法
订单
模块通信
电力系统运行状态
电力系统运行方式
高斯混合模型
后电力系统
样本
参数
生态系统服务
邻域
能力评估模型
影像特征数据
卡尔曼滤波
观测误差
状态空间模型
测频模块
频率检测技术