摘要
本发明提出一种适用于回流冷凝器结垢监测的方法,所述方法通过AI深度学习方法和信号处理分析方法,对化工工业制程的回流冷凝器结垢情况进行监测,利用制程过程采集的历史数据,结合AI深度学习方法的长短期记忆网络来表征回流冷凝器结垢情况,包括以下步骤;步骤S1、采集工业制程的传感器数据;步骤S2、对制程数据进行数据清洗,得到特征数据;步骤S3、利用历史数据训练网络,得到数据驱动结垢模型;步骤S4、输入新制程的制程数据,预测当前积垢情况;本发明利用回流冷凝器在制成过程中采集的历史数据,结合长短期记忆网络对结垢的大小进行表征,能预测或监测表征出回流冷凝器结垢的大小。
技术关键词
回流冷凝器
制程
AI深度学习
信号处理分析方法
长短期记忆网络
温差
冷却水
事件标记方法
特征数据驱动
阶段
传感
生成训练数据
化工
训练集
数据格式
搅拌机
LSTM模型
深度学习网络
系统为您推荐了相关专利信息
站台门
材料性能参数
压力变化曲线
材料数据库
模态分析
二总线
收发模块
稳压模块
通信方法
通信抗干扰能力
无人机
虚拟天线阵列
协作波束成形
长短期记忆网络
能量消耗
多模态数据融合
可见光图像
寿命预测模型
融合特征
长短期记忆网络
数据管理系统
关键绩效指标
反馈控制模块
大数据
长短期记忆网络