[发明专利]一种冶金烧结过程的有监督预测方法、装置及存储介质

权利要求书

1.一种冶金烧结过程的有监督预测方法，其特征在于，包括以下步骤：

步骤a、按照时间序列采集烧结过程中的相关过程变量，将过程变量与对应时刻的质量变量组合，构造训练样本；继续采样过程变量，将过程变量与对应前一采样时刻的质量变量组合，构造测试样本，并对训练样本以及测试样本进行数据预处理；

步骤b、构建有监督受限玻尔兹曼机，利用L个有监督受限玻尔兹曼机及一个全连接层共同组成有监督深度置信网络模型，其中，L为大于等于3的自然数；

步骤c、利用极大化似然原理，通过CD-K采样方法，预训练所提出的有监督受限玻尔兹曼机，之后利用反向传播微调多个有监督受限玻尔兹曼机堆叠组成的深度置信网络模型，获得模型参数；

步骤d、将测试样本输入到已经训练好的有监督深度置信网络模型中，获得对应的产品质量预测值；

从烧结生产过程中采集到与生产相关的质量变量以及对应的过程变量，并将二者组合，构造训练样本，并在测试时以类似方式构造测试样本，所述过程包括以下步骤：

步骤a0、按一定时间间隔顺序采集系统指定时间序列内的t时刻的过程变量及对应t时刻的质量变量其中，表示过程变量x^t的第i(i＝1,2…n_x)个特征，t＝1,2…T表示从1到T时刻的数据，T表示指定时间序列内所有样本的个数；

步骤a1、将过程变量与对应采样时刻的质量变量按照采样时刻进行匹配，然后将匹配成功的质量变量加入到对应过程变量的最后一个变量的后面，得到训练样本，也将该训练样本称为第一有监督受限玻尔兹曼机的输入样本，记该训练样本为：

其中，t是当前采样时刻，m是组合训练样本的第m维度，n_v是组合训练样本的维度，n_x的过程变量的维度,n_y是质量变量的维度,在质量预测中n_y为1；

步骤a2、再次采样烧结过程的相关过程变量，考虑到前后相邻两个时刻的生产质量具有密切的关联，将过程变量对应的前一采样时刻的质量变量进行组合，得到测试样本，记测试样本为：

其中，s表示第s个测试样本，S表示测试样本的总数量；

步骤a3、对训练样本与对应采样时刻的质量变量进行数据预处理：

其中，表示训练样本的第m个变量，v_(max)m和v_(min)m分别表示训练样本中的第m个变量的最大值和最小值，y_(max)和y_(min)则分别表示对应采样时刻的质量变量的最大值和最小值；

步骤a4、对测试样本与对应前一采样时刻的质量变量以与所述步骤a3的方式相同的方法进行数据预处理。

2.根据权利要求1所述的有监督预测方法，其特征在于，构建的有监督深度置信网络模型的结构进一步包括：

所述有监督深度置信网络模型由L个有监督受限玻尔兹曼机模型及一个全连接层依次堆叠组成，有监督受限玻尔兹曼机模型是通过将受限玻尔兹曼机的显层输入进行扩展，引入与质量信息相关的有监督信息，进而指导网络模型的学习。