一种基于H-RPCA-GRU与CNN-LSTM-Attention耦合模型的振动筛筛分效率优化方法

本发明涉及一种振动筛筛分效率优化方法，多次获取振动筛在不同的工艺参数下加速度向量；将加速度向量经H‑RPCA去噪；将工艺参数作为输入数据，加速度向量作为标签对GRU网络进行训练；实时采集振动筛不同的工艺参数和对应筛分效率，将GRU网络预测得到加速度向量；基于预测得到的加速度向量作为输入数据，筛分效率作为标签对CNN‑LSTM‑Attention模型进行训练；搜集预设的工艺参数输入训练好的GRU网络预测加速度向量；将预测得到的加速度向量输入训练好的CNN‑LSTM‑Attention耦合模型对筛分效率进行预测，根据预测得到的筛分效率、能耗、生产成本生成遗传算法适应度函数，对工艺参数进行优化。