摘要
本发明公开了一种蒸馏SAE和动态集成的转炉炼钢碳温软测量方法,通过在常规生产工况的大规模数据集上训练教师模型,并采用知识蒸馏技术对模型进行压缩;随后,利用少量来自非常规生产工况的数据微调获得多个专家型学生堆叠自编码器模型SAE;在预测阶段,通过多个SAE将待测样本映射至各自的特征空间,并在每个特征空间中基于高斯分布模型计算该样本的后验概率;最终,分别将待测样本输入多个对应的回归器获取预测值,并根据后验概率对各回归器输出进行加权融合,实现软测量模型的动态集成选择。本发明能够有效适应转炉炼钢中多工况变化的复杂数据分布,提高在非常规工况下的碳温预测精度,具有较强的鲁棒性和工程实用性。
技术关键词
转炉炼钢碳
高斯混合模型
测量方法
工况
教师
动态
深度神经网络结构
学生
编码器
聚类方法
后验概率
数据
样本
知识蒸馏技术
高斯分布模型
标签
无监督
概率密度函数