基于软传感器的蒸馏装置仿真方法及系统

本发明涉及一种软测量建模领域的技术，具体是一种基于前置模拟器与主模拟器结合的软传感器的蒸馏装置仿真方法及系统。

背景技术：

1、在现代工业中，质量变量是工业控制与优化的关键因素。受到高成本，滞后或检修等情况的影响，直接获得一些质量变量并不总是方便的，同时，考虑到有些过程变量是容易获取的并且他们与质量变量具有相关性，所以通过过程变量对质量变量进行预测是可行的，这种预测方法称为软测量，使用软测量的传感器称为软传感器。一般软传感器模型分为第一原理模型，数据驱动模型和混合模型。随着工业数据大量被存储与机器学习技术的进步，机器学习结合软传感器建模更加合理。

2、经过从神经网络结构的发展来看：循环神经网络可以很好的适应软传感器的时间序列顺序，但在网络层数浅的情况下，为了应对梯度消失或梯度爆炸等问题，需要进行信息更细与遗忘，不能满足高精度要求。多层前向软测量模型建立非线性回归模型和神经网络模型，能够提高模型精度和鲁棒性，但是其模型性能十分依赖训练数据。如果训练数据足够好，软传感器的性能才能够满足需求，否则模型会过拟合特定的数据集并且效果不好。工业上得到的数据通常在规模和代表性上存在约束，因此多层前向软测量模型不适合用于工业生产。

技术实现思路

1、本发明针对现有技术上存在的上述不足，提出一种基于软传感器的蒸馏装置仿真方法及系统，能够提高对于不可观测状态的估计精度，减少操作过程种的操作盲区。

2、本发明是通过以下技术方案实现的：

3、本发明涉及一种基于软传感器的蒸馏装置仿真方法，包括：构造包含内置机器学习模型或数学解析模型的前置模拟器，以及包含机理嵌入式神经网络模型的主模拟器，通过前置模拟器对独立输入变量信息与相关变量信息进行去相关化处理得到与输入不相关变量后输入主模拟器，主模拟器通过增加各输出与独立输入之间的物理约束，得到反映系统物理特性的输出变量。

4、所述的前置模拟器，在训练阶段，在性能指标中加入正则化量与不相关指标使其输出与独立输入不相关，在约束中加入主模拟器的机理嵌入式神经网络模型的输出对输入的导数的约束，实现物理约束的满足。

5、所述的机理嵌入式神经网络模型，根据训练集与测试集，建立前置子网络模型h1与主子网络模型h2，通过前置子网络模型h1输出中间输出，中间输出满足与独立输入不相关但与主模拟器输出相关，通过主子网络模型h2输出软测量数据结果。

6、本发明涉及一种实现上述基于软传感器的蒸馏装置仿真方法的软传感器，包括：两个内部为机器学习模型或数学解析模型的模拟器模块，即主静/动态模拟器模块和前置静/动态模拟器模块，其中：前置静/动态模拟器模块的输出与独立输入变量一起作为主静/动态模拟器模块的输入；相关变量与部分输入一起进入前置静/动态模拟器模块所得到的中间输出与独立输入不相关但与输出相关；主静/动态模拟器模块输出变量与独立输入满足一定的物理经验约束。

7、所述的主静/动态模拟器模块和前置静/动态模拟器模块根据需求可为适合静态系统和动态系统的模型结构，当软传感器需要动态特性时，输入和相关变量为有限的时间序列。

8、技术效果

9、本发明通过软传感器中与输出相关联的变量分为独立变量和相关变量，通过在模拟器训练模型的约束中加入主模拟输出至独立输入导数的上下限约束使物理约束获得满足，在目标函数中加入正则化项与不相关指标使前置模拟器输出与独立输入不相关。与现有技术相比，本发明可以提高对于不可观测量状态的估计精度，减轻操作过程中的操作盲区。同时本技术中的模拟器模型可用于基于模型的控制器设计，提高控制精度。

技术特征：

1.一种基于软传感器的蒸馏装置仿真方法，其特征在于，包括：构造包含内置机器学习模型或数学解析模型的前置模拟器，以及包含机理嵌入式神经网络模型的主模拟器，通过前置模拟器对独立输入变量信息与相关变量信息进行去相关化处理得到与输入不相关变量后输入主模拟器，主模拟器通过增加各输出与独立输入之间的物理约束，得到反映系统物理特性的输出变量。

2.根据权利要求1所述的基于软传感器的蒸馏装置仿真方法，其特征是，所述的前置模拟器，在训练阶段，在性能指标中加入正则化量与不相关指标使其输出与独立输入不相关，在约束中加入主模拟器的机理嵌入式神经网络模型的输出对输入的导数的约束，实现物理约束的满足。

3.根据权利要求1所述的基于软传感器的蒸馏装置仿真方法，其特征是，所述的机理嵌入式神经网络模型，根据训练集与测试集，建立前置子网络模型h1与主子网络模型h2，通过前置子网络模型h1输出中间输出，中间输出满足与独立输入不相关但与主模拟器输出相关，通过主子网络模型h2输出软测量数据结果。

4.根据权利要求1-3中任一所述的基于软传感器的蒸馏装置仿真方法，其特征是，具体包括：

5.一种实现权利要求1-4中任一所述基于软传感器的蒸馏装置仿真方法的软传感器，其特征在于，包括：两个内部为机器学习模型或数学解析模型的模拟器模块，即主静/动态模拟器模块和前置静/动态模拟器模块，其中：前置静/动态模拟器模块的输出与独立输入变量一起作为主静/动态模拟器模块的输入；相关变量与部分输入一起进入前置静/动态模拟器模块所得到的中间输出与独立输入不相关但与输出相关；主静/动态模拟器模块输出变量与独立输入满足物理经验约束。

6.根据权利要求5所述的软传感器，其特征是，所述的主静/动态模拟器模块和前置静/动态模拟器模块为适合静态系统或动态系统的模型结构，当软传感器需要动态特性时，输入和相关变量为有限的时间序列。

技术总结
一种基于软传感器的蒸馏装置仿真方法及系统，包括：构造包含内置机器学习模型或数学解析模型的前置模拟器，以及包含机理嵌入式神经网络模型的主模拟器，通过前置模拟器对独立输入变量信息与相关变量信息进行去相关化处理得到与输入不相关变量后输入主模拟器，主模拟器通过增加各输出与独立输入之间的物理约束，得到反映系统物理特性的输出变量。本发明能够提高对于不可观测状态的估计精度，减少操作过程种的操作盲区。

技术研发人员：郑毅,李少远,张悦彦
受保护的技术使用者：上海交通大学
技术研发日：
技术公布日：2024/5/10