基于核偏最小二乘法的热轧板凸度预测

以某2160 mm热连轧生产线为研究对象,结合生产数据和数据驱动算法,提出并建立基于核偏最小二乘法和偏最小二乘法的热轧板凸度预测模型,并对模型的参数进行调整和优化。结果表明:偏最小二乘法模型的预测值与实测值误差为-25~30μm,88.74%的板凸度预测值绝对误差小于10μm;核偏最小二乘法模型的预测值与实测值误差为-25~25μm,91.57%的板凸度预测值绝对误差小于10μm。因此,优化后的核偏最小二乘法模型具有更好的预测效果。

基于核偏最小二乘法的动态预测模型在铜转炉吹炼中的应用

为实现铜转炉吹炼过程中的关键操作参数的准确预测,构造一种基于核偏最小二乘法的动态预测模型,并提出一种适用于动态建模的在线式异常样本剔除方法。该动态预测模型使用滑动窗方法不断更新建模数据,再利用核偏最小二乘法对动态模型的参数进行辨识,最后根据反馈的前次计算误差对本次预测值进行修正。仿真研究结果表明:该动态预估模型具有较好的泛化能力和较强的鲁棒性,并具有较好预测精度(风量预测的相对均方根误差小于10%,氧量预测的相对均方根误差小于19%)。目前,该预测模型被用于某转炉的吹炼辅助决策系统中。

基于学习的核偏最小二乘法优化扩展卡尔曼滤波

为了解决非线性系统参数不确定和噪声信息不准确导致EKF随时序估计误差较大的问题,利用核偏最小二乘法与系统方程参数和噪声信息无关的特点优化EKF。先将量测数据和EKF的收敛估计作为学习样本,建立KPLS预测模型,然后,融合KPLS和EKF的预测值进行状态估计;同时,若状态估计的收敛判据为真,将估计值作为学习样本,并利用滑动窗口更新KPLS核矩阵,使KPLS能时序预测;若收敛判据为假,则更新量测协方差。最后,通过实验仿真的方法,分析KPLS-EKF算法的收敛性和性能。实验结果表明:KPLS-EKF能够有效地解决非线性系统参数和噪声信息不准确导致的EKF误差较大的问题。

基于核偏最小二乘法的物联网无线传感网络故障分析与研究

随着智能化、网络化传感器技术的日益成熟,无线传感网络在人类生活以及商业等领域有着广泛的应用,无线传感器网络节点通常只携带有限的资源,容易出现因资源不足而导致的故障,对WSN节点进行准确、及时的故障诊断,能够保障获得信息可靠性,从而提高WSN可维护性并且延长WSN的使用寿命。针对该问题,提出一种使用核偏最小二乘法来预测故障原因的方法,该方法克服了传统线性回归方法的缺陷,在高维的非线性空间对数据进行分析,同时,该方法也吸收了典型相关分析和主成分分析方法的特点,为分析提供了更加深入、丰富的内容,实验结果表明,提出的方法能够有效预测到故障原因。

基于核偏最小二乘法的板形过程监测

随着时代的发展和科技的进步,各行各业对于板材的质量和产量有了更高的要求。在实际应用中,大多数系统的内部机理十分复杂,传统的机理模型已无法满足对系统内部参数进行分析、表达。本文基于偏最小二乘法(PLS)提出一种核偏最小二乘法(KPLS)的板形过程监测方法,结果表明KPLS模型平均故障检测率为96.42%,误报率为10.14%,说明该方法用于板形的过程监测具有可行性。

基于提升核偏最小二乘回归的色彩校正

为进一步提高回归算法的色彩校正精度,提出一个基于核偏最小二乘回归的局部迭代算法。该算法首先将源色彩空间中校正样本的邻域样本经核函数映射到一个高维的线性特征空间,然后在提升的迭代过程中通过偏最小二乘回归消除映射数据的多重共线性,最终达到色彩校正的目的。实验证明算法引入的特征空间提供了额外的校正信息,提升方法增强了核偏最小二乘回归性能,算法在精度和鲁棒性上均优于传统的多重回归和基于分区的回归校正方法。

核偏最小二乘算法的图像超分辨率算法

提出了基于核偏最小二乘算法(KPLS)回归的超分辨率复原算法。该算法首先将高低分辨率图像块的高频信息和中频信息作为建立回归关系的特征,并对图像进行分块;依据相应的高低分辨率图像块的关系,使用KPLS建立起回归模型;在复原时,依据该模型回归得到高分辨率的图像块,将图像块拼接为高分辨率的图像。通过对人脸图像和车牌图像的实验结果,表明该算法无论是对人脸图像还是车牌图像都能取得较好的复原效果。

基于互信息和多尺度小波核偏最小二乘的SCR脱硝系统预测模型

针对选择性催化还原(selective catalytic reduction,SCR)脱硝系统反应过程复杂、在工况变化时具有非线性、大滞后和强干扰性的特点,提出基于互信息和多尺度小波核偏最小二乘法(multiscale wavelet kernel partial least squares,MWKPLS)建立SCR脱硝反应系统出口NO_x质量浓度预测模型。通过计算输入变量间的互信息估计各变量的时延,对模型样本进行相空间重构;在KPLS的基础上引入多尺度核和对数据变化趋势刻画能力较强的Morlet母小波核,提出MWKPLS建模方法;在模型参数寻优方面,采用模糊C均值聚类方法划分样本、确定尺度个数,并利用10折交叉验证方法,网格搜索确定小波尺度。对标准数据集进行仿真,并利用SCR脱硝系统现场数据验证了本文算法的有效性。结果表明:MWKPLS与其他建模方法相比,具有泛化能力和抗噪能力强的优点。

核函数方法及其在过程控制中的应用

基于核函数技术的各种非线性数据处理方法近来得到了较大的应用和发展。首先分析了核函数方法的基本原理和特点,然后介绍了几种主要的核函数方法及其在过程控制中的应用。针对复杂工业过程的复杂性,提出了几种集成核函数方法。最后对核函数方法及其在过程控制中的进一步应用进行了展望。

时序局部加权自适应核PLS软测量建模及其应用

针对工业现场数据的强非线性、时序性特点,提出了一种结合移动窗口的局部加权自适应核偏最小二乘（LW-AKPLS）算法。在建模阶段,通过移动窗口法对数据集进行动态时序划分后,利用自适应核PLS（AKPLS）进行建模;与固定核函数的核PLS（KPLS）不同,AKPLS对于不同子数据集能自适应地选出各自的最优核函数,使模型结构与子数据集充分匹配,有效提高了子模型的预测精度;在预测阶段,利用集成学习进行子模型加权预测,获得的全局模型实用性高、泛化能力强。最后将所提算法在某焦化系统历史数据集上进行了测试应用,预测结果进一步证明了所提算法的有效性。

基于FT-IR快速预测车用柴油十六烷值

车用柴油十六烷值是衡量柴油在压燃式发动机中发火性能的重要指标,也是车用柴油出厂时的关键质量指标之一。利用FTIR光谱和化学计量学方法建立车用柴油十六烷值的核偏最小二乘法定量分析模型,相关系数R为0.97,均偏差为0.05,标准差0.05,说明模型建立的方法较好。进一步对模型进行验证和评价,验证集的20个样品的十六烷值相关系数R为0.95,预测均方差(RMSEP)为0.44。说明模型的预测效果很好,能满足生产中车用柴油检测精度基本要求,所建的数学模型具有良好的预测能力,可以达到常规分析方法的精度要求。

基于近红外光谱技术的人体血糖浓度无创检测系统的研制

开发了一种小型化人体血糖浓度无创检测系统,该系统可实现人体血糖浓度的快速、实时、无创检测,主要由嵌入式系统、夹具、光源系统和微型光栅光谱仪四部分组成。提出了一种光源稳压驱动电路方案,可满足多种光谱采集条件对光源的要求。同时提出了一种一体化夹具设计方案,不仅简化了系统的光学结构,而且提高了测量条件的可重复性。分别用小波去噪和核偏最小二乘法对采集的光谱数据进行预处理和数学建模,并对系统进行性能评价,血糖浓度预测值与标准值的相关系数为0.95,预测均方根误差为0.6mmol.L-1,系统的重复性较好。

无线传感器网络测试系统数据融合研究

根据无线传感器网络在军事领域中研究与应用,对无线传感器网络用于军事装备测试成为新的应用方向。针对无线传感器网络在军事装备测试系统中数据冗余大、关联性强、实时性要求高等问题,为提高传输率与数据精度,提出了基于核偏最小二乘法的无线传感器网络数据融合算法。利用核偏最小二乘法对数据进行回归建模并进行仿真,实现数据快速融合。仿真结果表明,方法的可行性和有效性。

基于PSO-KPLS的教师科研绩效预测

为了解决高校教师科研绩效难以预测的问题,首先,建立模型的优化目标,提出PSO-KPLS算法,其基本思想是:利用粒子群(Particle Swarm Optimization,PSO)算法作为寻优算法和均方根误差(RMSE)作为收敛判据,对核偏最小二乘法(Kernel-based Partial Least-Squares,KPLS)的参数进行群体寻优,以代替手动调参的寻优过程。然后,利用多维度的特征向量来表达教师的科研绩效,并利用综合法计算其科研分值。最后,以学院60个教师近6年的数据作为样本,利用PSOKPLS训练模型并对模型进行拟合,并重点探究精度要求对PSO-KPLS运行效率的影响。通过和其他优化的KPLS算法的对比实验,结果表明:利用PSO-KPLS能够准确地预测老师在未来2~3年的科研绩效。

基于KPLS的延迟焦化柴油95%点的预测与估计

为了节约人工分析柴油95%点的成本和时间、提高延迟焦化装置调整的效率,在研究延迟焦化装置工艺流程和分析柴油95%点影响因素的基础上,提出了一种基于核偏最小二乘的柴油95%点的预测方法。仿真结果表明该方法能够有效、快速地处理各变量之间的非线性关系,并且预测结果也明显优于偏最小二乘方法等方法。所提出的方法可用于指导实际生产过程,提高企业效益。

基于OSC-CKPLS方法的SCR出口NO_x排放预测

针对选择性催化还原(selective catalytic reduction,SCR)脱硝系统反应过程复杂,在工况变化时存在非线性、大惯性和强干扰性的特点,难以建立准确的出口NO_x排放浓度模型。利用核偏最小二乘法具有解决变量众多且存在严重相关的非线性工业过程建模的优点,首先引入正交信号校正(orthogonal signal correction,OSC)对相空间重构后的样本进行预处理,剔除与建模无关的信息;然后利用组合核偏最小二乘法(combination kernel partial least squares,CKPLS)具有较好的学习能力和泛化能力的特点,提出OSC-CKPLS方法提高模型性能;最后采用滑动窗口更新,并反馈补偿修正模型。对2个标准数据集进行仿真,分别验证CKPLS、OSC和OSC-CKPLS能够提高模型性能;并对SCR脱硝系统现场数据验证了本文方法的有效性。

基于KPLS和BA的直线进给系统伺服参数优化

直线电机驱动的直线进给系统在数控机床领域应用广泛,然而其驱动性能由于自身的强耦合性和非线性等因素受到影响。为满足机床加工高速度和高精度的性能要求,提出一种基于核偏最小二乘(KPLS)和蝙蝠算法(BA)的伺服系统PID参数优化方法,保证系统输入输出模型准确度的前提下避免了使用仿真模拟的离线和低效等缺点。基于KPLS建立速度超调量和上升时间与PID参数之间的关系模型,采用蝙蝠算法优化伺服参数组合。实验结果表明,该方法能够有效优化伺服系统PID参数,在一定的速度超调量约束条件下可明显缩短上升时间,提高直线进给系统驱动性能。

基于KPLS-LSSVM的航煤闪点和干点软测量应用研究

软测量技术是解决流程工业中一类难以在线测量变量估计问题的有效方法。本文提出了一种基于核偏最小二乘方法(KPLS)和最小二乘支持向量机(LS-SVM)的航煤闪点和干点软测量建模方法,采用核偏最小二乘方法对输入变量进行数据压缩,消除变量之间的相关性,简化最小二乘支持向量机模型结构,并通过混沌粒子群—模拟退火方法(CPSO-SA)对最小二乘支持向量机的参数进行优化选择。将优化结果应用于CDU航煤闪点和干点软测量建模,结果表明:该方法具有学习速度快、跟踪性能好以及泛化能力强等优点,为分馏过程在线质量控制的实施奠定了基础。