基于非线性块式递推偏最小二乘法的电站热力过程动态数据检验

数据检验与校正是保证热力过程测量数据准确性的重要手段,是火电机组监控系统安全可靠运行的重要前提。针对电站热力过程的特点,提出基于非线性块式递推偏最小二乘的动态过程数据检验方法。该方法采用基于样条变换偏鲁棒M-回归方法,将队列中原始测量数据的非线性关系转化为拟线性关系后,再进行加权块式递推偏最小二乘回归,实现了非线性动态系统的在线建模。将该方法应用于某电站热力系统非线性动态过程的数据检验中,结果表明所提出的数据检验方法不仅具有良好的鲁棒性,而且具有较强的追踪过程变化的能力,可满足非线性动态过程在线监测的需要,具有较高的实用价值。

基于递推PLS的自适应钢温软测量模型

针对轧钢加热炉系统具有多变量、非线性、大滞后、交叉耦合等特点,难以预估钢坯出口温度的难题,以块式递推偏最小二乘算法为基础,结合移动窗口和遗忘因子法,建立了出炉钢坯温度和过程变量之间的预测模型。在某钢厂的实际应用表明,该钢温软测量模型具有较好的自适应能力,能提前15 min预测钢坯出口温度,且预测误差满足工业应用的精度要求。

基于Block-RPLS模型自适应更新的质量预测方法

工业过程包含动态、时变等过程特性.传统的基于PLS方法的质量预测采用的是固定模型,难以实时修正和学习新的过程信息,从而导致建模效率和精度降低,针对该问题提出一种自适应的块式递推偏最小二乘法(Block-RPLS)模型质量预测方法,用于在线调整PLS模型的结构和参数.采用滑动窗方法确定更新的数据块,利用矩阵相似性理论分析窗内数据的结构特性,得到该滑动窗的特征矩阵.同时,引入局部离群因子(LOF)检测滑动窗内离散偏离程度较大的更新数据,通过交叉验证方法修正PLS模型参数自适应学习过程的时变信息.最后,通过数值仿真和青霉素发酵过程的质量预测实验验证所提出方法的有效性.