.png){kind=icon}
返回
Enhancing knowledge-data operating optimization for process industries with varying conditions
.png){kind=icon}
PRE
AI
DOI：10.1016/j.conengprac.2026.106844.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
过程工业生产具有时变性和空间耦合性，且操作条件动态变化。依赖单一工艺操作难以在各种变化条件下持续保证产品质量的稳定性。本文提出了一种条件变化下的操作优化策略和关键参数识别方法，旨在提升产能和产品质量稳定性。首先，设计了一种条件时空图注意力网络用于操作条件识别，利用集成时空操作数据动态捕捉设备间的关系。其次，采用随机森林算法优化影响产品质量的关键工艺参数，利用袋外置换重要性进行定量评估。最后，构建了自适应神经模糊推理系统以提高产品合格率，融入专家知识制定动态调整规则。所提出方法的有效性通过酒精提纯和石油炼制过程进行了验证。
Keyword:
condition variation
spatio-temporal graph attention network
random forest
adaptive neuro-fuzzy inference system
process optimization
期刊
IF:
4.6
论文数:
5.7K
被引数:
1.1W
机构
暂无机构信息
引用论文
Data-Knowledge-Driven Multiobjective Adaptive Optimal Control for Wastewater Treatment Processes Under Multiple Operating Conditions数据-知识驱动的多目标自适应最优控制用于多种操作条件下的废水处理过程
.png){kind=icon}
PREAI
分享收藏A Reinforcement Learning Control Method for Process Industry Based on Implicit and Explicit Knowledge Extraction and Embedding基于隐式和显式知识提取与嵌入的流程工业强化学习控制方法
PREAI
分享收藏分享收藏Monitoring large-scale industrial systems for wastewater treatment processes with process noise using data-driven NARX approach使用基于数据的NARX方法对具有过程噪声的大型工业废水处理系统进行监测
PREAI
分享收藏Explorative Policy Optimization for industrial-scale operation of complex process control systems探索性策略优化用于工业规模复杂过程控制系统的操作
PREAI
分享收藏分享收藏
查看更多内容