摘要
本发明公开了一种基于Transformer模型和EWC的锅炉燃烧系统建模方法,包括如下步骤:收集离线的锅炉燃烧系统历史数据,组织形成训练样本;对Transformer多步预测模型进行训练,得到损失函数对模型各个参数的二阶导数,并作为模型参数对应的初始化重要性权重;利用缓存队列构造模型输入,分为编码器输入和解码器输入两部分;Transformer多步预测模型依据编解码器输入进行递归多步预测;通过弹性权重巩固EWC算法在线更新模型参数以及模型参数的重要性权重。本发明能够建立准确的锅炉燃烧系统模型,并有效解决了离线模型在在线应用时的性能衰退问题,使模型能在煤质和设备特性实时变化的环境中保持高精度的多步预测性能,可为实现闭环燃烧优化控制提供稳定且精确的动态模型。
技术关键词
锅炉燃烧系统
建模方法
更新模型参数
注意力机制
预测误差
燃烧优化控制
训练集
队列
编解码器
编码器解码器
线性变换矩阵
Adam算法
误差反向传播
训练样本数据
离线
系统为您推荐了相关专利信息
代理模型构建方法
管道结构
应力
仿真数据
注意力机制
深度学习网络模型
电力线载波通信系统
脉冲噪声抑制方法
电力线载波信号
噪声抑制系统
合作伙伴推荐方法
注意力机制
异质
时序
损失函数优化
农业机器人采摘
鲜食葡萄
图像提取特征
生成特征向量
置信度阈值