本发明专利技术提供一种真空干燥效果评估方法及系统，涉及数据处理技术领域，所述方法包括：基于预处理数据，计算评估对象在干燥过程中的实时质量变化；根据评估对象在干燥过程中的实时质量变化，提取评估对象的初始质量；根据评估对象的初始质量，计算其水分含量的实时变化情况，以得到一个初步的水分含量随时间变化的曲线；根据实时监测的温度和压力数据计算动态调整因子；使用动态调整因子对初步的水分含量随时间变化的曲线进行调整，以得到最终的水分含量变化曲线。本发明专利技术提高了评估结果的准确性和可靠性。
2、例如，传统的评估方法在计算实时质量变化和水分含量时，有的基于简化的模型或假设。这些模型或假设可能无法充分反映评估对象在干燥过程中的复杂动态行为，从而导致计算结果的偏差。
3、例如，传统的评估方法有的忽视了温度和压力数据对水分含量变化的动态影响。实际上，温度和压力的变化会显著影响干燥过程中水分的蒸发速率和迁移行为。因此，如果不考虑这些动态因素，仅凭初步的水分含量随时间变化的曲线来评估干燥效果，其结果的全面性和准确性将会产生一些偏差。
6、步骤13，基于预处理数据，计算评估对象在干燥过程中的实时质量变化；根据评估对象在干燥过程中的实时质量变化，提取评估对象的初始质量；根据评估对象的初始质量，计算其水分含量的实时变化情况，以得到一个初步的水分含量随时间变化的曲线；
>7、步骤14，根据实时监测的温度和压力数据计算动态调整因子；8、步骤15，使用动态调整因子对初步的水分含量随时间变化的曲线进行调整，以得到最终的水分含量变化曲线；
9、步骤16，将最终的水分含量变化曲线与历史数据进行对比，以评估真空干燥的效果。
10、进一步的，基于预处理数据，计算评估对象在干燥过程中的实时质量变化，包括：
11、将预处理数据分为训练集和测试集，其中训练集用于训练lstm模型，测试集用于验证lstm模型的准确性；
12、将lstm模型的参数编码为基因，形成初始种群，其中，lstm模型的参数包括隐藏层数量、隐藏层单元数和学习率；对于每一代种群，执行以下操作：
13、将种群中的每个个体解码为lstm模型的参数配置，并构建相应的lstm模型；
14、使用训练集对每个lstm模型进行训练，调整lstm模型的权重和偏置项，迭代训练直到满足预设的停止条件；
15、使用测试集对每个训练后的lstm模型进行验证，以计算均方误差；
16、根据均方误差，选择对应的个体进入下一代，对选中的个体进行交叉操作，生成新的个体，对新生成的个体进行变异操作，以得到变异个体；用变异个体替换原种群中的部分个体，形成下一代种群，当达到预设的代数时，终止迭代过程，以得到最终的lstm模型；
17、将实时采集的温度、压力数据输入到最终的lstm模型中，得到预测的实时质量变化值；
18、根据评估对象的初始质量和预测的实时质量变化值，计算评估对象在干燥过程中的实时质量变化。
19、进一步的，调整lstm模型的权重和偏置项，包括：
20、设定lstm模型的初始权重和偏置项；
21、将训练数据集中的温度、压力和质量变化特征输入到lstm模型中，以计算每个时间步的隐藏状态和输出数据；
22、使用输出数据与训练数据集中的质量变化或水分含量计算均方误差；
23、根据均方误差，对lstm模型中的每个权重和偏置项计算梯度；
24、使用adam算法根据梯度来更新lstm模型的权重和偏置项。
25、进一步的，根据评估对象的初始质量和预测的实时质量变化值，计算评估对象在干燥过程中的实时质量变化，包括：
26、根据评估对象的初始质量和预测的实时质量变化值，通过计算评估对象在干燥过程中的实时质量变化；
27、其中，表示目标变量在时间的值；表示起始值，为目标变量在当前时间的值；表示时间步的预测变化量；表示指数衰减因子或指数增长因子；表示系数；表示系数；表示正弦波动项，代表周期性；表示常数；表示随机扰动项；表示从0到当前时间的连续时间积分；表示随时间变化的函数；表示时间步；代表当前时间；表示温度；表示压力；
28、；
29、其中，表示正弦波的初始振幅；表示指数变化项；表示指数增长速率或衰减速率；如果
k＞0，表示正指数增长；如果
k＜0，表示指数衰减；表示正弦函数的角频率；是正弦函数的初始相位偏移；表示随时间变化的函数的垂直偏移；表示自然对数的底。
30、进一步的，根据评估对象的初始质量，计算其水分含量的实时变化情况，以得到一个初步的水分含量随时间变化的曲线，包括：
31、确定评估对象的初始质量，按照设定的频率，持续收集评估对象在干燥过程中的实时质量数据，并记录对应的当前时间；
32、对采集到的质量数据进行平滑处理，对于每个采集到的实时质量数据，通过计算当前的水分含量预测值；
33、将当前时间与对应的当前的水分含量配对存储，形成数据集；
34、根据数据的变化趋势，选择指数衰减模型作为拟合模型，其形式为：，其中，表示初始水分含量；表示自然对数的底数；表示衰减常数；
35、采用最小二乘法，定义误差函数为所有数据点的残差平方和；
36、通过梯度下降算法最小化误差函数，迭代优化过程，直至找到使误差函数对应的初始水分含量和衰减常数；
37、使用初始水分含量和衰减常数，计算拟合模型在每个数据点上的预测值；
38、根据预测值，计算残差，并分析残差的分布，在整个观测时间范围内，以一定的时间间隔生成一系列时间点；
39、使用拟合模型和优化得到的初始水分含量和衰减常数，计算时间点上的水分含量预测值；
40、将时间点与对应的水分含量预测值连接起来，形成一条平滑的水分含量随时间变化的曲线。
41、进一步的，采用最小二乘法，定义误差函数为所有数据点的残差平方和，包括：
42、初始化误差函数的值为0；
43、遍历在数据集中的每个数据点，其中，为当前时间，为当前的水分含量；
44、对于数据集中的每个数据点，使用当前迭代的初始水分含量和衰减常数的估计值，根据指数衰减模型计算预测值；
45、计算数据点的实际观测值与预测值之间的残差；
46、将每个数据点的残差平方累加到误差函数中，持续过程，直至遍历完数据集中的所有数据点，最终得到的误差函数值为所有数据点的残差平方和。
47、进一步的，动态调整因子的计算公式为：
48、；
49、其中，是动态调整因子；、、、、和是本文档来自技高网...
【技术保护点】
1.一种真空干燥效果评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种真空干燥效果评估方法，其特征在于，基于预处理数据，计算评估对象在干燥过程中的实时质量变化，包括：
3.根据权利要求2所述的一种真空干燥效果评估方法，其特征在于，调整LSTM模型的权重和偏置项，包括：
4.根据权利要求3所述的一种真空干燥效果评估方法，其特征在于，根据评估对象的初始质量和预测的实时质量变化值，计算评估对象在干燥过程中的实时质量变化，包括：
5.根据权利要求4所述的一种真空干燥效果评估方法，其特征在于，根据评估对象的初始质量，计算其水分含量的实时变化情况，以得到一个初步的水分含量随时间变化的曲线，包括：
6.根据权利要求2所述的一种真空干燥效果评估方法，其特征在于，采用最小二乘法，定义误差函数为所有数据点的残差平方和，包括：
7.根据权利要求6所述的一种真空干燥效果评估方法，其特征在于，动态调整因子的计算公式为：
8.一种真空干燥效果评估系统，其特征在于，应用于如权利要求1至7任一项所述的方法中，包括：
9.一种计算设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
...
【技术特征摘要】
1.一种真空干燥效果评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种真空干燥效果评估方法，其特征在于，基于预处理数据，计算评估对象在干燥过程中的实时质量变化，包括：
3.根据权利要求2所述的一种真空干燥效果评估方法，其特征在于，调整lstm模型的权重和偏置项，包括：
4.根据权利要求3所述的一种真空干燥效果评估方法，其特征在于，根据评估对象的初始质量和预测的实时质量变化值，计算评估对象在干燥过程中的实时质量变化，包括：
5.根据权利要求4所述的一种真空干燥效果评估方法，其特征在于，根据评估对象的初始质量，计算其水分含量的实时变化...
【专利技术属性】
技术研发人员：李麟，汪晗，宋小利，
申请(专利权)人：威海荣泽工业自动化设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。