一种基于可变时滞估计的工业过程质量预测方法

本申请提出了一种基于可变时滞估计的工业过程质量预测方法，属于工业人工智能技术领域，方法包括：获取工业过程中的实时过程变量序列；将实时过程变量序列输入训练后的高层DQN网络，得到对应的时滞参数的区间范围；将对应的时滞参数的区间范围输入训练后的低层DQN网络，得到当前时滞参数配置；根据当前时滞参数配置对实时过程变量序列进行时间对齐和时序样本重构；将重构后的序列输入训练后的质量指标预测模型，得到终点质量指标预测结果。本申请的方法提高了可变时滞估计的效率，并通过时滞估计有效克服了长工业流程中的时间滞后线性，提升了终点质量预报的精度。