控制理论与应用

作者：李帷韬,顾嘉钦,王殿辉,吴高昌

单位：合肥工业大学电气与自动化工程学院,合肥工业大学电气与自动化工程学院,中国矿业大学人工智能研究院,东北大学流程工业综合自动化国家重点实验室

关键词：电熔镁炉; 多模态; 强化学习; Transformer; 工况识别

基金：国家重点研发计划项目(2018AAA0100304), 国家自然科学基金项目(62173120, 62103092), 安徽省自然科学基金项目(2108085UD11), 111引智项 目(BP0719039)资助.

针对电熔镁炉识别过程中出现的模态完备性不足问题, 本文阐述了一种电熔镁炉多模态信息工况智能识别方法. 首先, 通过语义神经网络提取工况图像特征和双向编码语言模型提取语言特征, 构建多模态工况的完备联合特征向量, 并通过Transformer编码层实现全局交互, 捕捉视觉与语言信息的细粒度对齐. 引入自适应Transformer解码层的自注意力机制, 采用全连接网络获得多模态工况识别结果. 基于强化学习定义门控单元评估策略, 实时评估不确定工况识别结果, 构建解码层的动态调节机制, 以获取多模态工况的细粒度特征, 并采用模糊积分集成模型库的识别结果. 实验证明了本方法的有效性和鲁棒性.

来源：2025年第5期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第5期