基于多分支残差深层网络的稀土萃取流程模拟
朱建勇1
王伟2
杨辉
徐芳萍
陆荣秀
1.华东交通大学电气与自动化工程学院,江西南昌3300132.江西省先进控制与优化重点实验室,江西南昌330013
摘要：稀土萃取过程机理复杂,存在非线性、强耦合以及大滞后等特点,依据传统机理分析方法不能实现精确的萃取流程模拟.对此,本文提出一种多分支残差深层网络(MB-RDN)用于稀土萃取工艺流程模拟.首先,针对多级萃取槽串接而成的稀土萃取流程提出具有多分支结构的深层神经网络,该网络可以通过不同的分支出口计算每级萃取槽的组分含量;其次,为了有效缓解深层网络的梯度消失问题,在分支中引入残差结构和特征短接操作,并设计出一种多特征融合机制.所设计网络可以有效地学习原始特征、深层特征和分支间耦合特征以提升预测精度.最后的仿真结果表明了所提方法的有效性.
关键词：稀土萃取多分支网络深度学习特征融合流程模拟
资助基金：国家重点研发计划(2020YFB1713700)国家自然科学基金(61733005)地区项目(61963015)地区项目(61863014)江西省自然科学基金(20202BAB202005)江西省自然科学基金(20192BAB217008)
论文发表日期：2022-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 2242-2253 )
英文信息