化工过程深度神经网络软测量的结构与参数自动调整方法Automatic.PDF

研究论文 DOI: 10.11949/j.issn.0438-1157 化工过程深度神经网络软测量的结构与参数自动调整方法 1, 2 1, 2 1, 2 1, 2 1, 2 王康成 ，尚超 ，柯文思 ，江永亨 ，黄德先 1 2 （清华大学自动化系，北京 100084 ； 清华信息科学与技术国家实验室（筹），北京 100084 ） 摘要：深度学习在流程工业的软测量领域已经得到了应用。然而，深度神经网络 (DNN) 的结构和参数需要人工 调整，这需要扎实的机器学习知识基础和丰富的参数调整经验，繁琐的调整过程限制了深度学习在化工领域的 推广应用。在大量实验的基础上，对 DNN 的每个关键参数的选取过程进行了系统化的分析，提出了几乎无需人 工干预的基于 DNN 软测量的结构和参数自动调整方法，极大地简化了参数调整过程，能够给工程技术人员学习 及应用深度学习提供参考。对于原油蒸馏装置及煤气化装置的案例分析验证了所提出方法的有效性和通用性。 关键词：深度学习；预测；参数调整；算法；神经网络 中图分类号：TP273 文献标志码：A 文章编号：0438-1157 （2016 ）00-0000-00 Automatic structure and parameters tuning method for deep neural network soft sensor in chemical industries WANG Kangcheng1, 2, SHANG Chao1, 2, KE Wensi1, 2, JIANG Yongheng1, 2, HUANG Dexian1, 2 1 （Department of Automation ，Tsinghua University，Beijing 100084 ，China; 2Tsinghua National Laboratory for Information Science and Technology，Beijing 100084 ，China ） Abstract: Deep learning has been applied to the field of soft sensing in process industries. However, the structure and parameters of deep neural network (DNN) have to be tuned manually, which require solid fundamental knowledge about machine learning and rich experiences on parameters tuning. Complicated tuning procedure restricts generalization application of deep learning in chemical industries. A structure and parameters tuning method for DNN soft sensor with little manual intervention was proposed by systematic analysis on selection process of each essential DNN parameter from massive experiments.