基于改进LSTM慢过程控制系统的润叶效果预测研究

摘要

为解决由于润叶过程机理复杂导致人工难以精确调控工艺参数的问题，本文提出了一种烟叶质量预测方法 .采用灰色关联度（GRA）分析选取关键工艺参数，将其作为长短期记忆网络（LSTM）模型的输入参数.但润叶机属于慢过程控制系统，工艺参数延时时间不一致导致LSTM模型预测精度较低.为了克服这一限制，本文结合了自适应计算时间模型（ACT）和LSTM网络，根据关键工艺参数对输出的影响程度，自适应调节计算步数.此外，为了减少了模型训练时间，提升预测精度，使用改进的灰狼优化算法（IGWO）对ACTLSTM模型参数进行调整优化.实验结果表明：IGWO的性能优于GWO，将IGWO-ACTLSTM与RBF、XGBOOST、RNN和LSTM四种模型对比，均方根误差最小.说明本文所提出的方法能够准确地预测润叶机出口烟叶的含水率和温度的波动.

关键词

长短期记忆网络 / 灰狼优化算法 / 自适应计算时间 / 润叶机 / 预测模型