经典电视剧高清无广告播放网站 ,av免费网站_高清全集在线观看

中文題目：基于稀疏關(guān)系圖注意力網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)帶鋼熱連軋軟傳感器

論文題目：Data-Driven Soft Sensor Based on Sparse Relational Graph Attention Network for Hot Strip Mill Process

錄用期刊/會(huì)議：IFAC Safeprocess2024 (CAA-A類 EI會(huì)議論文)

原文DOI：https://doi.org/10.1016/j.ifacol.2024.07.246

原文鏈接：https://www.sciencedirect.com/science/article/pii/S2405896324003306?via%3Dihub

錄用/見刊時(shí)間：2024年

作者列表：

1）李   康 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教師

2）高小永 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教師

3）薛建業(yè) 清華大學(xué) 信息科學(xué)技術(shù)學(xué)院 自動(dòng)化系博士生

4）葉   昊 清華大學(xué) 信息科學(xué)技術(shù)學(xué)院 自動(dòng)化系教師

5）張來(lái)斌 中國(guó)石油大學(xué)（北京）安全與海洋工程學(xué)院 安全工程系教師

摘要:

本研究提出了一種基于稀疏關(guān)系圖注意網(wǎng)絡(luò)（SRGAT）的高效軟傳感器技術(shù)，用于在熱連軋過(guò)程中實(shí)時(shí)在線估計(jì)材料力學(xué)性能（MPs）。通過(guò)稀疏關(guān)系學(xué)習(xí)（SRL）模塊和圖注意力網(wǎng)絡(luò)（GAT），我們能夠深入挖掘過(guò)程變量之間的關(guān)系，并聚焦于對(duì)MP預(yù)測(cè)最關(guān)鍵的信息。實(shí)驗(yàn)結(jié)果表明，SRGAT軟傳感器在實(shí)際工業(yè)應(yīng)用中展現(xiàn)出有效性和優(yōu)越性。

背景與動(dòng)機(jī):

熱軋工序是煉鋼中帶鋼生產(chǎn)的核心環(huán)節(jié)，產(chǎn)品的力學(xué)性能（MPs）是質(zhì)量評(píng)估的關(guān)鍵指標(biāo)之一。隨著對(duì)高質(zhì)量帶材需求的增加，實(shí)現(xiàn)MPs的在線監(jiān)測(cè)與控制變得至關(guān)重要。目前，預(yù)測(cè)條帶MPs的方法主要包括樣品分析、在線分析儀器和軟傳感器三大類。樣品分析準(zhǔn)確但耗時(shí)長(zhǎng)，無(wú)法滿足實(shí)時(shí)性要求；在線分析儀器實(shí)時(shí)性高但成本昂貴。在此背景下，軟測(cè)量方法備受關(guān)注。軟測(cè)量方法分為基于機(jī)理和數(shù)據(jù)驅(qū)動(dòng)兩類，前者依賴對(duì)物理過(guò)程的深入理解，后者通過(guò)挖掘大量數(shù)據(jù)構(gòu)建預(yù)測(cè)模型。鑒于現(xiàn)有方法的局限性，開發(fā)一種高效、經(jīng)濟(jì)且可靠的軟傳感器用于在線精準(zhǔn)預(yù)測(cè)熱軋過(guò)程中的MPs具有重要的實(shí)際應(yīng)用價(jià)值和理論研究意義。

設(shè)計(jì)與實(shí)現(xiàn):

HSMP是鋼鐵工業(yè)中的關(guān)鍵程序，包括加熱爐、粗軋機(jī)、輸送臺(tái)、剪切機(jī)、精軋機(jī)、冷卻臺(tái)和卷取機(jī)等設(shè)備。如圖1所示，HSMP的目標(biāo)是通過(guò)軋制鋼板來(lái)滿足特定的MP要求。為了設(shè)計(jì)一個(gè)數(shù)據(jù)驅(qū)動(dòng)的軟傳感器來(lái)測(cè)量MPs，有必要確定影響MPs的變量。

圖1 熱軋帶鋼工藝

軟測(cè)量是回歸問(wèn)題，用于預(yù)測(cè)MP。數(shù)據(jù)驅(qū)動(dòng)的軟傳感器訓(xùn)練回歸模型F，將輸入變量X映射到MPs，并減小它們之間的差異。在線測(cè)量階段，將新樣本輸入軟傳感器，實(shí)時(shí)預(yù)測(cè)MP。SRGAT方法通過(guò)圖學(xué)習(xí)變量關(guān)系，并構(gòu)建用于在線預(yù)測(cè)MPs的GNN模型。它包含兩個(gè)主要組件：SRL模塊用于圖結(jié)構(gòu)學(xué)，GAT模塊用于軟傳感器建模。圖2概述了SRGAT軟傳感器的框架。

圖2 SRGAT軟傳感器概述

為了從HSMP變量中自動(dòng)學(xué)習(xí)稀疏關(guān)聯(lián)圖，采用包含一個(gè)用于學(xué)習(xí)相對(duì)稀疏的圖結(jié)構(gòu)的圖自編碼器（GAE）和用于進(jìn)一步稀疏化的sparsemax變換組件的SRL模塊j將圖結(jié)構(gòu)學(xué)習(xí)被轉(zhuǎn)化為基于GAE的優(yōu)化問(wèn)題：

為了輔助解決方案，將上述問(wèn)題轉(zhuǎn)化為增廣拉格朗日描述，并采用梯度下降法按照以下更新準(zhǔn)則進(jìn)行求解：

主要內(nèi)容:

為了從HSMP變量中自動(dòng)學(xué)習(xí)稀疏關(guān)聯(lián)圖，采用包含一個(gè)用于學(xué)習(xí)相對(duì)稀疏的圖結(jié)構(gòu)的圖自編碼器（GAE）和用于進(jìn)一步稀疏化的sparsemax變換組件的SRL模塊將圖結(jié)構(gòu)學(xué)習(xí)被轉(zhuǎn)化為基于GAE的優(yōu)化問(wèn)題：

為了輔助解決方案，將上述問(wèn)題轉(zhuǎn)化為增廣拉格朗日乘子法進(jìn)行描述，并采用梯度下降法按照以下更新準(zhǔn)則進(jìn)行求解：

將GAE學(xué)習(xí)到的鄰接矩陣A輸入到sparsemax變換分量中

這樣可以突出節(jié)點(diǎn)間稀疏關(guān)系的重要性，并且可以學(xué)習(xí)稀疏圖結(jié)構(gòu)As，用于后續(xù)基于GAT的MP預(yù)測(cè)。

本文采用GAT模型，上述學(xué)習(xí)到的稀疏圖結(jié)構(gòu)，將節(jié)點(diǎn)信息與相鄰節(jié)點(diǎn)信息融合，捕捉節(jié)點(diǎn)之間的關(guān)系，預(yù)測(cè)鋼帶的MPs構(gòu)造節(jié)點(diǎn)i的聚合表示zi如下：

在訓(xùn)練階段，使用預(yù)測(cè)輸出與真實(shí)值之間的均方誤差(MSE)作為損失函數(shù):

在線預(yù)測(cè)階段，將新到達(dá)的數(shù)據(jù)x(new)輸入GAT模型中，用于預(yù)測(cè)鋼帶MPs。

實(shí)驗(yàn)結(jié)果及分析:

傳統(tǒng)模型與本文方法的各項(xiàng)回歸評(píng)價(jià)指標(biāo)比較如表1所示，其中每個(gè)MP的軟測(cè)量結(jié)果為5次重復(fù)的平均值。一般R2越大，RMSE越小，MAE越小，說(shuō)明預(yù)測(cè)越準(zhǔn)確。很明顯，所提出的SRGAT在RMSE、MAE和R2方面優(yōu)于其他三種方法，證明了其優(yōu)越性。此外，除了MLP在EL上的表現(xiàn)略遜于PLSR，在大多數(shù)情況下，包括SRGAT和MLP在內(nèi)的基于神經(jīng)網(wǎng)絡(luò)的方法在HSMP的MP軟測(cè)量中比傳統(tǒng)回歸具有優(yōu)勢(shì)。

表1 各類軟傳感器的性能比較

此外，不同軟測(cè)量模型的預(yù)測(cè)結(jié)果對(duì)比如圖3所示。與KSVR對(duì)應(yīng)的黃色三角形散點(diǎn)(SPs)、PLSR對(duì)應(yīng)的綠色方形散點(diǎn)(SPs)和MLP對(duì)應(yīng)的藍(lán)色星形散點(diǎn)(SPs)相比，本文提出的SRGAT對(duì)應(yīng)的紅色圓形散點(diǎn)(SPs)明顯更接近對(duì)角線，預(yù)測(cè)誤差較大的點(diǎn)較少，所以提出的軟傳感器是可行的和有效的在線預(yù)測(cè)MP。

圖3 不同模型下測(cè)試樣本的預(yù)測(cè)散點(diǎn)圖。(a) YS， (b) TS， (c) EL

結(jié)論:

本文提出了一種基于GNN的軟傳感器SRGAT，通過(guò)輸入過(guò)程變量在線測(cè)量HSMP的MPs。在SRGAT中，使用SRL模塊以合理且可解釋的方式學(xué)習(xí)稀疏圖結(jié)構(gòu)。基于學(xué)習(xí)到的稀疏圖結(jié)構(gòu)和過(guò)程變量，利用GAT算法建立了軟測(cè)量模型，得到了較好的MP估計(jì)。在一個(gè)真實(shí)的HSMP數(shù)據(jù)集上進(jìn)行了大量的實(shí)驗(yàn)。與過(guò)渡軟傳感器在不同MP在線預(yù)測(cè)上的多方面對(duì)比實(shí)驗(yàn)結(jié)果證明了所提出的SRGAT軟傳感器的有效性和優(yōu)越性。

作者簡(jiǎn)介:

李康，師資博士后，博士，中國(guó)石油大學(xué)（北京）人工智能學(xué)院自動(dòng)化系教師，主要研究方向?yàn)楣收显\斷與容錯(cuò)控制。