基于流形正则化域适应随机权神经网络的湿式球磨机负荷参数软测量

• 作者: 汤健 贺敏 郭旭琦 阎高伟
• 来源期刊: 自动化学报
• 关键词: 迁移学习 域适应 磨机负荷 流形正则化 软测量
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 398-406
• 页数: 9页
• 字数: 5896字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170289

摘要

针对湿式球磨机多工况运行过程中标签样本难以获取和工况改变导致的原测量模型失准问题,本文引入域适应随机权神经网络(Domain adaptive random weight neural network,DARWNN),实现待测工况中少量标签样本与原工况样本共同进行迁移学习.DARWNN网络解决了不同工况间难以共同进行机器学习的问题,但其只考虑经验风险,而未考虑结构风险,从而泛化性能较差,预测精度较低.在此基础上,本文引入流形正则化,并构建基于流形正则化的域适应随机权神经网络(Domain adaptive manifold regularization random weight neural network,DAMRRWNN),以保持数据几何结构,提高相应模型性能.实验结果表明,所提方法可以有效提高DARWNN的学习精度,解决多工况情况下湿式球磨机负荷参数软测量问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阎高伟	太原理工大学信息工程学院	58	223	8.0	12.0
2	汤健	北京工业大学信息部	12	38	5.0	5.0
3	贺敏	太原理工大学信息工程学院	7	26	4.0	5.0
4	郭旭琦	太原理工大学信息工程学院	2	11	2.0	2.0