Dynamic is one of the main bottlenecks in the industrial soft sensor application, due to the difficulties in representing and extracting dynamic data features. Meanwhile, an end-to-end deep network owns the ability to characterize sequence data information, but its fitting ability requires improvements in practical applications. In this article, an ensemble tree model with transferable and robust dynamic features extracted by a newly developed automatic dynamic feature extractor is proposed. First, the dynamic feature extractor with an encoding–decoding structure can provide effective dynamic features, which is equivalent to crossing and nonlinear mapping of sequences under the supervision of a decoder. Meanwhile, a new “regularization” method by smoothing dynamic features based on attention weights is proposed to denoise and alleviate the overfitting of the regressor after adding new features. Then, the extracted dynamic features can be transferred to the regressor with strong generalization ability, which takes into account the feature extraction of the deep network and the generalization of strong models. Finally, application results on a debutanizer distillation process show that the incorporation of robust dynamic features can significantly improve the soft sensing performance, compared to traditional methods. Moreover, the proposed model is further implemented through a cloud computing platform for industrial big data analytics.

中文翻译：

---

用于工业大数据建模和软传感器应用的鲁棒动态特征的自动深度提取

由于难以表示和提取动态数据特征，因此动态是工业软传感器应用程序中的主要瓶颈之一。同时，端到端深度网络具有表征序列数据信息的能力，但其拟合能力需要在实际应用中进行改进。在本文中，提出了一种具有树状模型的集成树模型，该模型具有可移植且鲁棒的动态特征，该模型由新开发​​的自动动态特征提取器提取。首先，具有编码-解码结构的动态特征提取器可以提供有效的动态特征，这等效于在解码器的监督下对序列进行交叉和非线性映射。与此同时，提出了一种基于注意力权重对动态特征进行平滑处理的新的“正则化”方法，以在增加新特征后降噪并减轻回归变量的过拟合。然后，考虑到深层网络的特征提取和强模型的泛化，提取出的动态特征可以以强大的泛化能力传递到回归器。最后，在丁烷精馏塔蒸馏过程中的应用结果表明，与传统方法相比，结合强大的动态功能可以显着改善软感测性能。此外，通过用于工业大数据分析的云计算平台进一步实现了所提出的模型。考虑到深层网络的特征提取和强模型的泛化，提取出的动态特征可以以很强的泛化能力传递给回归器。最后，在丁烷精馏过程中的应用结果表明，与传统方法相比，结合强大的动态功能可以显着改善软感测性能。此外，通过用于工业大数据分析的云计算平台进一步实现了所提出的模型。考虑到深层网络的特征提取和强模型的泛化，可以将所提取的动态特征传递给具有较强泛化能力的回归器。最后，在丁烷精馏塔蒸馏过程中的应用结果表明，与传统方法相比，结合强大的动态功能可以显着改善软感测性能。此外，通过用于工业大数据分析的云计算平台进一步实现了所提出的模型。在丁烷精馏塔蒸馏过程中的应用结果表明，与传统方法相比，结合强大的动态功能可以显着改善软感测性能。此外，通过用于工业大数据分析的云计算平台进一步实现了所提出的模型。在丁烷精馏塔蒸馏过程中的应用结果表明，与传统方法相比，结合强大的动态功能可以显着改善软感测性能。此外，通过用于工业大数据分析的云计算平台进一步实现了所提出的模型。