基于非线性偏鲁棒M-回归的萃余液pH值软测量

提出了一种径向基函数网络(Radial basis functio nnetworks,RBFNs)与偏鲁棒M-回归(Partial robust M-regression,PRM)相结合的非线性PRM(Nonlinear PRM,NLPRM)建模方法,用以解决鲁棒非线性系统建模问题.该方法首先通过RBF变换获得扩展的输入数据矩阵;接下来PRM算法通过反复迭代计算,自适应地为变换后的数据分配不同的连续权值,用以克服离群点对模型的影响.本文通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金萃取过程萃余液pH值软测量建模问题,获得了相比于偏最小二乘法(Partial least squares,PLS)、PRM以及RBF-PLS方法更高的预测精度.

基于样条变换偏鲁棒M–回归的电站热力过程数据检验

提出基于样条变换偏鲁棒M–回归(partial robust M-regression of splines,PRMS)的电站热力过程数据检验方法。首先通过样条变换将原测量数据间的非线性关系转化为拟线性关系;再采用偏鲁棒M–回归方法对经变换后的数据进行加权迭代,建立具有鲁棒性的非线性数据检验回归模型;然后采用测量检验法检验数据,用模型预测值对数据进行重构。该方法不仅能够克服变量间的多重相关性,消除各类离群点对模型的影响,并且具有较高的预测精度和计算效率。选用某300 MW机组热力系统作为算例,结果表明该方法能够进行有效的数据检验和数据重构。

基于FT-NIR光谱技术在线监测乙醇发酵过程的标定建模

针对在线检测乙醇发酵过程中葡萄糖浓度、乙醇浓度和生物量问题,提出了一种基于FT-NIR光谱技术在线检测这些参数的光谱标定建模方法.采用偏稳健M回归(PRM)的方法消除了采集光谱异常值对于标定建模的影响,给出了一种网格搜索寻优方法确定最优因子数和权重系数,并从准确性、稳定性和分辨度三方面给出评价模型指标.结果表明, PRM方法建立的模型具有较好的预测效果.最后,通过对一个乙醇发酵过程的在线监测实验,验证了所提标定建模和在线监测方法的有效性.