采用机器学习方法预测工业老化过程.pdfVIP

下载本文档

3
0
约5.73万字
约 51页
2023-05-16 发布于北京
举报
版权申诉

采用机器学习方法预测工业老化过程.pdf

1、本文档共51页，其中可免费阅读50页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

通过准确预测工业老化过程(IAP)，诸如化学工厂中催化剂的缓慢失活，可以进一步提前安排维护事件，从而确保工厂的成本效益和可靠操作。到目前为止，这些劣化进展通常由机械模型或简单的经验预测模型来描述。为了准确预测IAP，提出了数据驱动模型，将一些传统的无状态模型(线性和核岭回归，以及前馈神经网络)与更复杂的状态递归神经网络(回声状态网络和长短期记忆网络)进行比较。此外，还讨论了有状态模型的变体。特别是使用关于劣化动态的机械预知识的有状态模型(混合模型)。有状态模型及其变体在足够大的数据集上训练时可能

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114787837 A (43)申请公布日 2022.07.22 (21)申请号 202080081945.4 K-R ·穆勒　 (22)申请日 2020.11.25