کنفرانس بین المللی کنترل ، ابزار دقیق و اتوماسیون

صفحه اصلی / هشتمین کنفرانس بین المللی کنترل ، ابزار دقیق و اتوماسیون

یک روش یادگیری عمیق با نظارت مبتنی بر حافظه طولانی کوتاه مدت برای مدلسازی حسگر های نرم

نویسندگان :

شیدک یزدانی¹ سید جلیل ساداتی رستمی² سپیده عیسی‌پور³

1- دانشگاه صنعتی نوشیروانی بابل 2- دانشگاه صنعتی نوشیروانی بابل 3- دانشگاه صنعتی خواجه نصیرالدین طوسی

کلمات کلیدی :

یادگیری عمیق، حسگر نرم، کدکننده خودکار حافظه ی کوتاه مدت طولانی، پیش بینی کیفیت.

چکیده :

یادگیری عمیق اخیرا برای حسگرهای نرم در فرآیند های صنعتی معرفی شده است. اما در اکثر شبکه های عمیق موجود مانند کدکننده ی خودکار پشته ای، برای یادگیری ویژگی‌ها در هر لایه از روش آموزش بدون نظارت استفاده می شود. در حالی که برای حسگرهای نرم استخراج ویژگی‌های مرتبط با کیفیت در هر لایه بسیار ضروری است. از سوی دیگر اغلب سیستم های صنعتی غیرخطی و پیچیده هستند. با توجه به اهمیت مدلسازی داده‌های ورودی و خروجی سیستم در حسگرهای نرم، ممکن است نرون‌های معمولی در لایه ی پنهان شبکه، قابلیت لازم برای تقریب را نداشته باشد. برای رفع مشکلات بیان شده، در این مقاله ساختار کدکننده -کدگشا با نظارت پشته ای مبتنی بر شبکه حافظه ی طولانی کوتاه مدت پیشنهاد شده است. این ساختار سعی دارد در هر لایه، ویژگی های مرتبط با کیفیت را استخراج کند که در نهایت باعث افزایش دقت پیشبینی کیفیت یا خروجی می شود. برای بررسی تاثیر ساختار پیشنهادی، این روش بر روی داده های فرایند صنعتی برج جداساز بوتان، پیاده سازی و با دو روش کدکننده ی خودکار پشته‌ای و کدکننده -کدگذار با نظارت پشته‌ای مقایسه می شود. نتایج، کارایی و بهبود عملکرد روش پیشنهادی را نسبت به دو روش دیگر نشان می‌دهد.