化工過程軟測量方法對(duì)于生產(chǎn)裝備的連續(xù)平穩(wěn)運(yùn)行和保障產(chǎn)品質(zhì)量有著重要作用。為了實(shí)現(xiàn)生產(chǎn)過程的智能化,對(duì)軟測量方法進(jìn)一步研究是必要的。通常,軟測量方法良好性能需要大量標(biāo)簽數(shù)據(jù)的支撐。然而,標(biāo)簽數(shù)據(jù)的采集在時(shí)間、硬件和人工等成本上常造成巨大的損耗。為了保證軟測量方法在標(biāo)簽數(shù)據(jù)不足時(shí)依然具有良好性能,生成對(duì)抗網(wǎng)絡(luò)在化工過程軟測量的應(yīng)用研究具有重要意義。本文首先綜述了生成對(duì)抗網(wǎng)絡(luò)的研究現(xiàn)狀。然后,結(jié)合化工過程數(shù)據(jù)的特點(diǎn),提出一種基于Wasserstein距離的生成對(duì)抗網(wǎng)絡(luò)軟測量方法,用于化工過程關(guān)鍵變量的質(zhì)量預(yù)測。主旨是在減少數(shù)據(jù)采集成本的基礎(chǔ)上提升軟測量模型的預(yù)測性能。針對(duì)基于Wasserstein距離的生成對(duì)抗網(wǎng)絡(luò)存在低質(zhì)量生成數(shù)據(jù)的問題,提出一種基于相似度量的對(duì)抗網(wǎng)絡(luò)來控制生成數(shù)據(jù)的質(zhì)量以優(yōu)化模型的預(yù)測能力。針對(duì)數(shù)字圖像數(shù)據(jù)采集的硬件類型少于過程變量,數(shù)據(jù)采集操作復(fù)雜度更低,提出一種條件變分自編碼器生成對(duì)抗網(wǎng)絡(luò)方法以高效提取化工過程數(shù)字圖像特征。主要工作和創(chuàng)新點(diǎn)如下:（1）針對(duì)傳統(tǒng)軟測量模型無法處理只有少量標(biāo)簽數(shù)據(jù)的情況,將基于Wasserstein距離的生成對(duì)抗網(wǎng)絡(luò)應(yīng)用于化工過程關(guān)鍵變量... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：102 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-3兩種方法分辨率對(duì)比

得卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值數(shù)量減少，計(jì)算復(fù)雜度減小。(2) 局部連接圖像的維度很高，采用每個(gè)神經(jīng)元與前一層所有神經(jīng)元相連的方式會(huì)導(dǎo)致權(quán)值過多。局部連接是指卷積層的節(jié)點(diǎn)僅僅與其前一層的部分節(jié)點(diǎn)相連接，只用來學(xué)習(xí)局部特征。連接的節(jié)點(diǎn)空間所占大小被稱為感受野。計(jì)算機(jī)視覺研究中發(fā)現(xiàn)，圖像像素之間的相關(guān)性與圖像像素之間的距離相關(guān)，距離較近的像素間相關(guān)性強(qiáng)，距離較遠(yuǎn)則相關(guān)性就比較弱，由此可見局部相關(guān)性理論也適用于計(jì)算機(jī)視覺的圖像處理領(lǐng)域。因此，局部感知采用部分神經(jīng)元接受圖像信息，再通過綜合全部的圖像信息達(dá)到增強(qiáng)圖像信息的目的。(3) 感受野感受野是指卷積神經(jīng)網(wǎng)絡(luò)每一層輸出的特征圖上的像素點(diǎn)在輸入圖像上映射的空間所占大小。卷積神經(jīng)網(wǎng)絡(luò)多層卷積操作如圖 4-1 所示為卷積核 2×2，步長為 1 的卷積操作，相鄰兩層的感受野為 2×2，與卷積核大小相同。最后一層在第一層的感受野擴(kuò)大至 4×4，即隨著卷積層的疊加感受野也會(huì)隨之?dāng)U大，使得后層網(wǎng)絡(luò)擁有更大的感受野。

【參考文獻(xiàn)】：
期刊論文
[1]基于貝葉斯生成對(duì)抗網(wǎng)絡(luò)的背景消減算法[J]. 鄭文博,王坤峰,王飛躍.  自動(dòng)化學(xué)報(bào). 2018(05)
[2]基于Regression GAN的原油總氫物性預(yù)測方法[J]. 鄭念祖,丁進(jìn)良.  自動(dòng)化學(xué)報(bào). 2018(05)
[3]基于生成對(duì)抗網(wǎng)絡(luò)的漫畫草稿圖簡化[J]. 盧倩雯,陶青川,趙婭琳,劉蔓霄.  自動(dòng)化學(xué)報(bào). 2018(05)
[4]基于生成對(duì)抗網(wǎng)絡(luò)的多視圖學(xué)習(xí)與重構(gòu)算法[J]. 孫亮,韓毓璇,康文婧,葛宏偉.  自動(dòng)化學(xué)報(bào). 2018(05)
[5]基于條件深度卷積生成對(duì)抗網(wǎng)絡(luò)的圖像識(shí)別方法[J]. 唐賢倫,杜一銘,劉雨微,李佳歆,馬藝瑋.  自動(dòng)化學(xué)報(bào). 2018(05)
[6]基于生成對(duì)抗網(wǎng)絡(luò)的低秩圖像生成方法[J]. 趙樹陽,李建武.  自動(dòng)化學(xué)報(bào). 2018(05)
[7]化工過程軟測量建模方法研究進(jìn)展[J]. 曹鵬飛,羅雄麟.  化工學(xué)報(bào). 2013(03)
[8]局部最小二乘支持向量機(jī)回歸在線建模方法及其在間歇過程的應(yīng)用[J]. 劉毅,王海清,李平.  化工學(xué)報(bào). 2007(11)

博士論文
[1]間歇過程的核學(xué)習(xí)自適應(yīng)建模與控制研究及工業(yè)應(yīng)用[D]. 劉毅.浙江大學(xué) 2009

碩士論文
[1]基于數(shù)據(jù)驅(qū)動(dòng)的非線性建模方法的研究[D]. 楊敏.浙江大學(xué) 2011
[2]基于TE的化工過程故障診斷算法研究[D]. 王新明.蘭州理工大學(xué) 2010



本文編號(hào)：3385237