| 基于长短时记忆神经网络和支持向量数据描述的间歇过程监测方法 |
| |
| 引用本文： | 纪成,顾俊发,王健红,王璟德,孙巍. 基于长短时记忆神经网络和支持向量数据描述的间歇过程监测方法[J]. 化学工业与工程, 2022, 39(2): 32-36. DOI: 10.13353/j.issn.1004.9533.20210399 |
| |
| 作者姓名： | 纪成 顾俊发 王健红 王璟德 孙巍 |
| |
| 作者单位： | 北京化工大学化学工程学院, 北京 100029 |
| |
| 摘 要： | 间歇过程操作是化工过程中的一种重要生产方式.与连续过程不同,间歇生产不是在一个稳定的工作状态运行,而是根据设定的原料比例、操作条件所对应的操作轨迹运行.因此间歇过程数据具有多阶段性、动态时变性和非线性等特性,传统的监测方法难以应用于对间歇过程生产运行状态的监测.为了解决这个问题,提出了一种新的间歇过程监测策略.首先基于...
|
| 关 键 词： | 动态回归模型 残差 实时过程监测 青霉素发酵过程 |
A batch process monitoring method based on long short term memory network and support vector data description |
| |
| JI Cheng,GU Junfa,WANG Jianhong,WANG Jingde,SUN Wei. A batch process monitoring method based on long short term memory network and support vector data description[J]. Chemical Industry and Engineering, 2022, 39(2): 32-36. DOI: 10.13353/j.issn.1004.9533.20210399 |
| |
| Authors: | JI Cheng GU Junfa WANG Jianhong WANG Jingde SUN Wei |
| |
| Affiliation: | College of Chemical Engineering, Beijing University of Chemical Technology, Beijing 100029, China |
| |
| Abstract: | |
| |
| Keywords: | dynamic regression model； residual； real-time monitoring； penicillin fermentation process |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《化学工业与工程》浏览原始摘要信息 |
|
点击此处可从《化学工业与工程》下载全文 |
|
