數據驅動的工業軟測量技術

第1章 緒論
1.1 引言
1.2 高爐煉鐵過程軟測量問題描述
1.2.1 軟測量技術的必要性
1.2.2 過程數據的特征歸納
1.3 高爐煉鐵過程軟測量研究現狀
1.3.1 現有數據驅動軟測量方法
1.3.2 數據驅動的高爐煉鐵過程質量軟測量方法研究現狀
參考文獻
第2章 高爐鐵水質量軟測量的Elman神經網絡方法
2.1 高爐煉鐵過程的多尺度特性辨識
2.1.1 多尺度概念
2.1.2 Hilbert-Huang變換
2.1.3 高爐鐵水矽含量的多尺度分析
2.2 鐵水矽含量預測建模的理論基礎
2.2.1 變量的選擇
2.2.2 Elman神經網絡
2.3 過程變量驅動的EMD-Elman鐵水矽含量預測
2.4 質量變量驅動的EMD-Elman鐵水矽含量預測
2.5 案例分析
2.5.1 基於過程變量的改進型EMD-Elman神經網絡在鐵水矽含量預測中的應用
2.5.2 基於質量變量的改進型EMD-Elman神經網絡在鐵水矽含量預測中的應用
參考文獻
第3章 高爐鐵水質量軟測量的Adaboost方法
3.1 神經網絡與Adaboost算法理論基礎
3.1.1 反向傳播神經網絡與Elman神經網絡概述
3.1.2 Adaboost強回歸器算法
3.1.3 Adaboost強分類器算法
3.2 高爐鐵水矽含量的Elman-Adaboost回歸預測模型
3.2.1 問題描述
3.2.2 多變量Elman-Adaboost強回歸器
3.2.3 單變量Elman-Adaboost強回歸器
3.2.4 案例分析
3.3 高爐鐵水矽含量的Elman-Adaboost分類預測模型
3.3.1 問題描述
3.3.2 多變量Elman-Adaboost強分類器
3.3.3 單變量Elman-Adaboost強分類器
3.3.4 案例分析
3.4 回歸預測與分類預測信息融合的模糊邏輯控制方法
3.4.1 問題描述
3.4.2 模糊邏輯控制介紹
3.4.3 回歸預測與分類預測信息融合
參考文獻
第4章 高爐鐵水質量軟測量的模糊神經網絡方法
4.1 互信息法特征選擇
4.1.1 特征選擇
4.1.2 熵增定義
4.1.3 互信息法
4.2 滑動窗口模型
4.3 模糊神經網絡算法
4.4 案例分析
參考文獻
第5章 高爐鐵水質量軟測量的循環神經網絡方法
5.1 循環神經網絡理論基礎
5.2 門控循環神經網絡理論基礎
5.3 註意力機制理論基礎
5.4 高爐鐵水質量的改進循環神經網絡軟測量方法
5.4.1 處置門門控循環神經網絡
5.4.2 嵌入特征-時間註意力的門控循環神經網絡
5.5 案例分析
5.5.1 處置門門控循環神經網絡在矽含量軟測量中的應用
5.5.2 嵌入特征-時間註意力的門控循環神經網絡在矽含量軟測量中的應用
參考文獻
第6章 燒結礦質量指標軟測量的循環神經網絡方法
6.1 動態時間特征擴展與提取的門控循環神經網絡
6.1.1 燒結過程質量指標
6.1.2 動態時間特征擴展和提取預測模型
6.1.3 案例分析
6.2 半監督動態時間特征擴展與提取的門控循環神經網絡
6.2.1 半監督動態時間特征擴展和提取模型
6.2.2 案例分析
6.3 多源數據融合的燒結質量預測模型
6.3.1 燒結多源異構數據特性
6.3.2 多源數據融合的軟測量模型
6.3.3 案例分析
參考文獻
第7章 多源數據與知識融合的燒結礦質量軟測量方法
7.1 專家知識圖像特征提取理論基礎
7.2 深層圖像特征提取理論基礎
7.2.1 殘差學習模塊
7.2.2 壓縮-激勵模塊
7.2.3 SE-ResNet
7.3 Autoformer理論基礎
7.4 MIF-Autoformer燒結礦軟測量模型
7.5 案例分析
7.5.1 數據采集與多源信息融合
7.5.2 圖像特征提取
7.5.3 實驗結果分析
7.5.4 消融實驗
7.5.5 超參數設置與調整
參考文獻
第8章 燒結礦質量指標軟測量的多模態信息融合方式與拓展
8.1 多模態信息融合理論基礎
8.2 初步信息融合的燒結礦質量指標軟測量模型
8.3 不對稱信息融合的燒結礦質量指標軟測量模型
8.4 深度信息融合的燒結礦質量指標軟測量模型
8.4.1 時間序列分支
8.4.2 圖像分支
8.4.3 整體模型架構
8.5 半監督深度信息融合的燒結礦質量指標軟測量模型
8.5.1 時序特征提取
8.5.2 時序特征交互
8.5.3 解碼與預測
8.6 後期信息融合的燒結礦質量指標軟測量模型
8.7 案例分析
8.7.1 燒結礦質量指標多模態融合軟測量
8.7.2 燒結礦質量指標多模態融合半監督軟測量
參考文獻
第9章 基於工業互聯網的軟測量APP開發及應用
9.1 工業互聯網平臺架構
9.2 工業互聯網平臺搭建
9.2.1 容器化技術
9.2.2 容器編排
9.2.3 集群管理
9.3 數字孿生系統構建
9.3.1 煉鐵流程數字孿生系統技術架構
9.3.2 數字孿牛體構建
9.4 基於工業互聯網的高爐煉鐵過程數據驅動軟測量的實現
9.4.1 高爐煉鐵過程孿生數據驅動軟測量
9.4.2 應用實例
參考文獻