面向变工况数据填补与软测量的部分迁移网络

软测量在工业过程的安全运行和产品的质量控制中起着关键作用。在工业过程中,操作条件的切换可能导致训练数据(源域)和测试数据(目标域)之间的分布差异以及维度不一致,从而导致软测量模型失配问题的出现。此外,由于传感器传输失败,可能会引发数据缺失,进而影响软测量的准确性。本文介绍了一种针对不同操作条件下缺失数据的软传感器的部分迁移学习网络(PTL-Net)。首先,用源域数据构建了数据填补和软测量模块,专门设计一个紧致性损失来诱导样本特征相互靠近,以减轻从缺失数据映射得到异常特征的影响。然后,提出一种部分迁移策略来减少源数据和目标数据之间的分布差异。所提出的策略选择两个领域之间的公共变量进行部分知识迁移,而不是直接继承所有参数,这可以避免模型结构失配。最后,在核电数据集以及三相流数据上完成了相应的数据填补和软测量性能验证。