基于注意力绞杀的门控循环单元网络及其工业软测量应用
隋璘1
马君霞1
熊伟丽2
1.江南大学物联网工程学院,江苏无锡 2141222.江南大学物联网工程学院,江苏无锡 214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡 214122
摘要：复杂工业过程非线性、动态性及变量冗余会导致建模难度增加与模型性能降低,因此,本文提出一种基于注意力机制与非负绞杀(NNG)估计的门控循环单元(GRU)网络,并应用于实际工业过程软测量建模.首先,将时序注意力引入GRU网络,根据不同时刻隐含层间的时序相关性,自适应分配注意力权重,提高模型时序特征表征能力;其次,设计了一种针对过程变量的注意力权重向量,并嵌入NNG算法约束,以实现其系数的近似无偏估计;进一步采用带变量注意力的NNG算法对GRU网络进行稀疏优化,降低模型复杂度,提高其可解释性并防止过拟合,通过数值仿真验证了算法的有效性和优越性;最后,将算法应用于某燃煤电厂烟气脱硫过程排放净烟气SO2浓度的软测量,实验结果表明所提算法具有优于其它先进对比算法的性能,能够在有效剔除冗余变量并简化模型结构的同时提高其预测性能.
关键词：软测量门控循环单元注意力机制非负绞杀变量选择稀疏优化
论文发表日期：2026-02-28
在线出版日期：2026-04-08（本平台首次上网日期，不代表文献的发表时间）
页数：13( 425-437 )
英文信息