控制与决策

作者：姚邹静,赵春晖,李元龙,付川,乔红麟

单位：浙江大学 控制科学与工程学院,杭州 310027,,浙江大学 控制科学与工程学院,杭州 310027,,阿里巴巴集团,杭州 310024,,阿里巴巴集团,杭州 310024,,阿里巴巴集团,杭州 310024,

关键词：工业过程;缺失数据;数据填补;生成对抗网络;软测量;转炉炼钢

基金：浙江省工业化与信息化融合联合基金项目(U1709211)；浙江省重点研发基金项目(2019C03100).

在工业领域,数据缺失十分普遍,对解决下游任务(如软测量、异常检测)造成阻碍,这些任务大多依赖完整而高质量的数据集构造模型.现有缺失数据填补方法很少考虑数据填补后的具体下游任务(软测量).如何根据下游任务针对性地进行数据填补是当前研究中的挑战之一.为此,提出一种加入临时软测量模块的对抗生成数据填补模型(SSIGAN).与生成对抗数据填补模型(GAIN)相比,SSIGAN模型显式地考虑了软测量损失对数据填补模型的影响,通过临时软测量模块指导对质量相关变量的修复,实现数据填补的“定制化”,用于更精准的工业软测量建模.通过某工业炼钢过程中的终点成分软测量实验,验证了所提出方法对软测量质量相关变量缺失数据填补效果以及最终软测量效果的提升.

来源：2021年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第12期