基于CNN-XGBoost的PTA平均粒径动态软测量模型

• 作者: 周鹏
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 XGBoost 软测量
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 61-64
• 页数: 4页
• 分类号: TP274
• 字数: 3088字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2018.09.016

摘要

在PTA工业生产中,PTA精制单元的平均粒径是重要的质量控制指标,无法用常规的传感器在线测量.针对这种问题,提出了一种基于卷积神经网络(CNN)和XGBoost的PTA平均粒径动态软测量模型,该模型使用CNN提取样本的动态特征,将提取的动态特征通过XGBoost进行训练和预测.分别采用3种不同的方法并用工业实测数据建立了PTA平均粒径动态软测量模型,数据仿真结果表明提出的基于卷积神经网络的PTA平均粒径预测动态软测量模型,其预测误差小于其他模型的误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周鹏	南京邮电大学自动化学院	4	48	2.0	4.0