基于时间差分和局部加权偏最小二乘算法的过程自适应软测量建模

工业过程软测量模型常常因为过程的变量漂移、非线性和时变等问题而使得预测性能下降。因此,时间差分已被应用于解决过程变量漂移问题。但是,时间差分框架下的全局模型往往不能很好地描述过程非线性和时变等特性。为此,提出了一种融合时间差分模型和局部加权偏最小二乘算法的自适应软测量建模方法。时间差分模型可以大大减少过程变量漂移的影响,而局部加权偏最小二乘算法作为一种即时学习方法,可以有效解决过程非线性和时变问题。该方法的有效性在数值例子和工业过程实例中得到了有效验证。

基于仿射传播聚类的局部TDGPR的自适应软测量建模

为了提高传统时间差分模型的可靠性,同时考虑过程的多阶段、非线性和变量漂移等问题,基于仿射传播聚类和时间差分高斯过程回归(TDGPR),提出一种新的自适应软测量建模方法。首先,采用仿射传播聚类分析得到过程的不同操作阶段;然后,针对各个操作阶段,建立相应的局部TDGPR软测量子模型;最后,基于局部模型后验概率进行加权融合,以得到全局预测结果。通过对硫回收过程的数据仿真研究,验证了改进算法的可行性和有效性。