基于机器学习的高温炉智能控制系统及方法

本发明涉及技术领域，尤其涉及基于机器学习的高温炉智能控制系统及方法，包括数据采集模块获取并处理传感器数据输出同步数据流；孪生建模模块利用同步数据流驱动数字孪生体仿真获得炉内物理场数据；因果分析模块从物理场数据中识别关键因果链生成因果图；长程预测模块采用集成门控记忆单元的神经网络架构，结合因果图引导注意力机制输出长周期预测值；策略优化模块将预测值纳入奖励函数，通过强化学习及超前仿真验证生成控制指令；鲁棒控制模块执行指令并监控预测不确定性实现安全切换；元学习模块基于跨批次性能数据动态优化系统参数。本发明解决了递归神经网络在长期依赖建模中的梯度消失问题，提升了对高温炉慢动态过程的控制精度。