动态偏最小二乘在软测量建模方法中的应用

在工业生产过程中,一些重要的过程变量由于技术或经济等方面的原因无法在线测量得到。软测量技术将自动控制理论与生产过程知识有机结合,通过构建数学模型,基于一些容易测量的变量间接获得无法直接测量的变量。软测量技术不仅为关键过程变量的预测提供了一种实时测量的方法,而且有助于优化控制。动态偏最小二乘法(DPLS)以其优良的性能,被广泛应用于软测量建模。对基于动态偏最小二乘的软测量技术进行详细研究。针对将传统动态偏最小二乘软测量方法应用于传输延迟大的系统模型中存在的局限性,采用降维的方法加以解决。在合成橡胶生产过程中,转化率是表征聚合反应进程的一项重要的质量指标参数。通过对丁苯橡胶聚合转化率的仿真表明,该动态偏最小二乘方法可以为存在复杂时变的系统提供更优的关键过程变量预估。

基于动态PLS框架的铝合金脉冲MIG焊解耦控制设计及仿真

针对铝合金脉冲MIG焊中存在的多变量强耦合、难建模等特点,利用动态PLS控制框架在解耦、建模等方面的优势,将多变量的控制转换成为多个单回路的控制,并对各控制回路单独进行PID控制器设计.介绍了动态PLS建模及基于动态PLS建模框架的控制器设计的结构与特点,并将该控制器设计方法引入到铝合金脉冲MIG焊中,并进行仿真试验.仿真验证采用动态PLS框架的控制器设计方法能获得满意的动态和稳态特性,并可应用于其它焊接过程,为基于数据驱动的动态建模控制方法在复杂焊接过程中的应用奠定了基础.

一种自适应动态软传感器智能化建模方法

软传感器技术是解决流程工业工程中关键参数实时测量困难问题的有效手段。然而,流程工业过程呈现出十分复杂的特性,包括长流程以及大时间常数引起的时延与动态特性、内外部变化因素引起的时变特性等,导致建立高精度的软传感器模型十分困难。为此,论文提出一种基于人工智能技术的智能化自适应动态软传感器建模方法:以滑动时间窗框架为基础,解决过程的非线性与时变特性;以动态偏最小二乘法解决动态特性;同时,差分进化算法实现对所有参数的智能估计,从而减少人工干预并实现最优性。论文提出的方法采用公开的工业数据集进行了应用验证。

基于低秩重构表示的动态回归迁移模型

针对实际流程工业过程存在动态时变和概念漂移特性,导致软测量模型预测精度下降的问题,提出基于低秩重构表示的动态迁移回归模型.为了更好地描述动态过程,在动态内模型偏最小二乘框架下,将高维过程数据映射到低维潜变量空间中,以捕获质量变量与潜变量之间的动态相关性.为了减小概念漂移,在获得动态相关性的同时,通过增强不同工况质量变量估计值之间的相关性实现数据的条件分布对齐.在3个公开工业数据集上的实验结果表明:所提出模型的预测精度与静态基模型和动态基模型相比均有所提升,可以有效地提高模型的预测精度和泛化能力.

基于dbiPLS-SPA变量筛选的固态发酵湿度近红外光谱检测

为了提高基于近红外光谱技术的固态发酵关键过程参数——湿度快速检测的精度和稳定性,研究采用动态反向区间偏最小二乘(dbiPLS)法结合连续投影算法(SPA)进行最佳光谱子区间和特征组合变量的筛选,通过交互验证法确定偏最小二乘(PLS)模型的主成分因子数,并以预测均方根误差(RMSEP)和相关系数(Rp)作为模型的评价标准。试验结果显示,最佳dbiPLS-SPA模型筛选的组合变量个数为8,其RMSEP和Rp分别为1.1795%(质量分数)和0.9430。试验结果表明,dbiPLS-SPA是一个有效的波长组合变量筛选方法,可简化模型结构、增强模型精度和稳健性。

KCCA-DPLS分布式建模算法研究

针对目前化工过程复杂、大系统集中式建模计算繁琐和分散式建模模型精度低等问题,提出了基于核典型相关分析(KCCA)和动态偏最小二乘(DPLS)的分布式建模算法。通过KCCA对大系统中的所有过程变量进行分析,获取其相关系数;根据这些系数进行分类,将关联性较强的变量分入同一个子系统。在此基础上,给出了基于KCCA的非线性大系统分解方法以及分解后各个子系统的DPLS动态建模流程。通过采用DPLS方法对各分解后的各子系统进行建模。该方法考虑了各子系统之间的相互作用,大大降低了大系统的复杂度,提高了模型精度。最后对田纳西-伊士曼(TE)过程进行了仿真,验证了所提算法的有效性。

基于DKPLS的非线性过程故障检测

提出了一种基于动态核偏最小二乘(DKPLS)的多变量监测方法.KPLS结合PLS和核技巧两者的优点,通过非线性映射在高维的特征空间中计算出得分向量.所提出的DKPLS将KPLS与系统的动态特性相结合,不仅可以从观测变量的动态信息中取出了那些与输出变量相关的非线性信息,并且还具有动态的优点,由于不考虑动态优化过程,因此它又是一种无教师指导学习方法.计算结果表明DKPLS能有效地提取时间和批次的信息,对于动态过程的故障诊断有很好的效果.