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。

基于小波包-核偏最小二乘的滚动轴承故障检测法

为了解决滚动轴承故障检测中出现的振动信号非线性问题,课题团队提出了一种基于小波包-核偏最小二乘(wavelet packet and kernel partial least squares method, WP-KPLS)的故障检测方法。首先对采集到的信号进行小波包分解,将振动信号分解到独立的频段,提取不同频段的能量谱,并构建反映频谱状态改变的能量谱特征向量;再对得到的能量谱特征向量进行核偏最小二乘分析,建立故障检测模型,利用T^(2)及SPE统计量来检测故障是否发生。实验结果表明:该方法能够较为准确地检测到轴承的内外圈故障,证明该模型是有效的。该方法综合了小波包对信号的分析优势和核偏最小二乘法在非线性情况下的数据处理优点,为解决故障检测中的非线性数据处理问题提供了一种新方法。

基于高效核偏最小二乘的质量相关故障检测

核偏最小二乘(KPLS)是一种多元统计方法,广泛应用于过程监控,然而,KPLS采用斜交分解,导致质量相关空间存在冗余信息易引发误报警.因此,本文提出了高效核偏最小二乘(EKPLS)模型,所提方法通过奇异值分解(SVD)将核矩阵正交分解为质量相关空间和质量无关空间,有效降低质量相关空间中的冗余信息,并采用主成分分析(PCA)按方差大小将质量相关空间分解为质量主空间和质量次空间.此外,为进一步降低由质量无关故障引发的误报警,提出基于质量估计的正交信号修正(OSC)预处理方法,并结合EKPLS模型提出了OSC-EKPLS算法.OSCEKPLS通过质量估计值对被测数据进行OSC预处理,降低了计算复杂度和误报率.最后,通过数值仿真和田纳西–伊斯曼过程验证了OSC-EKPLS具有良好的故障检测性和更低的误报率.

基于核偏最小二乘的电厂热力参数预测与估计

为了解决机组运行过程中参数失效和优化过程中参数计算的问题,提出了一种基于核偏最小二乘方法的热力参数预测和估计方法。首先用正常数据建立机组参数的预测和估计模型,确定各变量之间的回归关系,然后将其用于参数的在线预测与估计。其基本思想是通过非线性核函数将数据映射到高维特征空间,然后在高维特征空间中进行偏最小二乘回归运算。该方法可以有效地捕捉变量间的非线性关系,参数预测和估计效果明显好于偏最小二乘法和主元回归方法等线性回归方法。某1?000?MW发电机组烟气含氧量历史特征数据集仿真试验及实际应用比对实验证明了该方法的有效性。

基于核偏最小二乘的锌层重量预测模型

为了给带钢热镀锌生产的质量控制提供必要的决策支持和分析手段,针对气刀对锌层重量的控制工艺,提出了基于核偏最小二乘回归的锌层重量预测模型。利用核函数将低维空间的非线性回归转化为高维空间的线性回归,克服了实际生产工艺中非线性因素对预测模型的不利影响。应用鞍山钢铁集团公司带钢热镀锌的生产实际数据进行验证,结果表明,基于核偏最小二乘的锌层重量预测方法与线性偏最小二乘、BP神经网络等方法相比,具有更好的预测精度。

核偏最小二乘回归及其在医学中的应用

目的研究用于处理解释变量与反应变量之间非线性关系或复杂关系的一种基于核函数的回归方法:核偏最小二乘回归。方法运用Monte-Carlo模拟方法,对核偏最小二乘回归的模型拟合效果和预测效果予以分析。结果模拟试验结果表明:核偏最小二乘回归估计性能均较高。结论核偏最小二乘回归是基于核函数的非线性回归方法,模型构建基于样本,而非解释变量空间,该方法特别适合于处理医学研究中各种类型资料,能够有效地处理解释变量与反应变量之间的非线性关系或复杂关系等方面。

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。

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。

基于最小二乘支持向量机对偶优化问题的核偏最小二乘

提出了一种基于对偶优化的核最小二乘(KPLS)方法,把KPLS用最小二乘支持向量机的形式表示.推导了KPLS对偶优化形式的公式,且使其具有最小二乘支持向量机的风格.在初始空间中构造优化问题,应用核技术在特征空间中解对偶问题,这种解与非线性的KPLS具有相似性.实验验证了这种方法的效果,表明了该方法的有效性和优越性.

核偏最小二乘特征提取在混合气体FTIR光谱定量分析中的应用

为进一步提高FTIR光谱法实现特征吸收光谱严重重叠的甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷以及正戊烷七组分混合气体定量分析的精度和速度,提出一种核偏最小二乘(Kernel Partial Least Square,KPLS)特征提取耦合支持向量回归机(Support Vector Regression Machine,SVR)的红外光谱定量分析新方法.首先采用KPLS方法对上述七组分混合气体的FTIR光谱进行特征提取,然后将特征提取得到的特征组分作为SVR的输入建立混合气体的定量分析模型.对标准混合气体进行定量分析的结果显示:KPLS-SVR模型的预测精度高于未进行特征提取SVR模型预测的精度,同时预测时间也减少了一半.研究表明,KPLS法可以很好地提取隐含在混合气体FTIR光谱数据与其组分浓度之间的非线性特征并有效地消除光谱数据噪声,大幅度降低数据维数,与SVR耦合可以提高红外光谱分析的精度和速度,是一种有效的红外光谱定量分析方法.

基于核偏最小二乘的砷盐净化除钴过程钴离子浓度软测量

针对锌湿法冶炼砷盐净化除钴过程中钴离子浓度无法在线检测给生产优化控制带来困难的问题,建立基于机理模型和核偏最小二乘(kernel partial least squares,KPLS)参数辨识的钴离子浓度软测量模型;考虑到过程具有时变性,根据所建立的软测量模型特点,提出一种双向递归KPLS模型参数更新和滤波修正相结合的模型在线校正方法,以提高软测量模型精度;同时,采用基于主元分析和贝叶斯分类的异常值在线检测方法实现对参数辨识相关检测量的实时异常值在线检测,保证用于参数更新数据的有效性。研究结果表明:所建钴离子浓度软测量模型跟踪效果好,满足实际生产过程预测精度要求,解决了钴离子浓度无法在线检测给优化控制带来的困难,可为生产过程的优化控制提供指导。

基于核的偏最小二乘特征提取的最小二乘支持向量机回归方法

提出了用核的偏最小二乘进行特征提取.首先把初始输入映射到高维特征空间,然后在高维特征空间中计算得分向量,降低样本的维数,再用最小二乘支持向量机进行回归.通过实验表明,这种方法得到的效果优于没有特征提取的回归.同时与PLS提取特征相比,KPLS分析效果更好.

基于稀疏核偏最小二乘法的水和水蒸气比焓和比体积的拟合

针对超临界直流锅炉受热面存在热力性质的较大变化及很强的非线性,采用稀疏化核偏最小二乘法对直流锅炉受热面的过冷段、蒸发段和过热段内工质的热力性质进行了拟合计算.结果表明:采用该方法获得的计算结果令人满意,其相对误差可控制在0.1%左右,适用于工程计算.通过该方法计算得出的稀疏化参数矩阵和核偏最小二乘法回归系数矩阵可用于直流锅炉的机理建模及相关的智能测量仪表中,便于实现编程.

核正交偏最小二乘在代谢组学数据分析中的应用

目的探索核正交偏最小二乘方法的特点及其在代谢组学数据分析中的应用。方法通过模拟实验和真实代谢组学数据,评价核正交偏最小二乘方法的模型预测能力及其可视化效果。结果模拟数据分析表明,当数据间存在线性关系时,KOPLS与传统的线性OPLS具有相同的效果;当数据间存在非线性关系时,KOPLS具有相对更高的预测能力,得分图的可视化效果更好。实际数据分析结果显示,应用KOPLS能够提高模型预测能力和改善可视化效果。结论对于高维非线性关系的代谢组学数据更适合使用KOPLS方法。

概率积分法参数辨识的多尺度核偏最小二乘回归方法

针对传统的偏最小二乘回归(PLS)、人工神经网络(ANN)、支持向量机(SVM)等非线性建模方法在概率积分法参数辨识中存在着预测效果差的不足,提出概率积分法参数辨识的多尺度核偏最小二乘回归(multi-scale KPLS)方法。首先,构建满足容许条件的多尺度高斯核函数;然后,对学习样本进行模糊聚类,以最优分类个数作为多尺度高斯核函数的尺度个数,并采用10次10折交叉验证按照网格搜索方法确定核函数的宽度;最后,详细论述multi-scale KPLS的建模过程。通过实例将multi-scale KPLS的预测结果与3种传统的PLS方法、径向基神经网络(RBF-NN)和SVM模型进行对比分析。结果表明:multi-scale KPLS顾及建模样本的多尺度特性,其预测精度明显高于其他预测模型;multi-scale KPLS有效地克服了各影响因素之间的多重共线性对预测结果的不利影响,具有较强的稳健性;multi-scale KPLS适用于多个因变量对多个自变量的概率积分法参数辨识问题,其建模参数均可自适应确定,在建模效率上优于RBF-NN和SVM。

基于线指数的核偏最小二乘回归在恒星大气物理参数测量中的应用

恒星大气物理参数(有效温度、表面重力、化学丰度)的自动测量是天体光谱数据自动处理中的一项重要内容。由于光谱数据的高维性的特点,处理运算量非常大,对于光谱的实时分析及处理会造成延误。文章提出了一种基于Lick线指数,利用核偏最小二乘回归(KPLSR)对恒星大气物理参数进行测量的方法。可以有效地减少运算量并可达到理想的准确率。首先计算Kurucz合成光谱的Lick线指数,利用核偏最小二乘回归方法建立Lick线指数与大气物理参数之间的核回归模型,并利用DR8实测光谱数据对得到的模型进行测试,将测试的结果与SEGUE SSPP提供的大气物理参数进行了对比,取得了比较好的效果。此外,为了检验噪声对参数测量的影响,本文还对Kurucz光谱分别加了信噪比为10,20,30,40,50,70,90,120的高斯白噪声,对得到的不同信噪比的Kurucz数据进行了测试,实验结果表明,核回归模型对噪声比较敏感,光谱数据的信噪比越高,其大气物理参数的预测精度越高。提出的基于线指数建立核偏最小二乘回归模型的方法运算量小,训练速度快,适合用于恒星大气物理参数的测量。

基于多向核熵偏最小二乘的间歇过程监测及质量预测

针对间歇过程数据的批次不等长和强非线性的特点,结合核偏最小二乘和核熵分析,提出了多向核熵偏最小二乘(multi-way kernel entropy partial least squares,MKEPLS)的过程监测及质量预测方法.该方法将三维历史数据沿新的展开方式展开,克服了批次不等长和数据缺失的问题,通过核映射将过程数据从低维输入空间映射到高维特征空间,实现变量之间非线性相关关系的线性转换,解决了数据的非线性特性;根据核熵的大小将特征值和特征向量进行排序并对数据进行降维,弥补了MKPLS方法只按照数据特征值的最大化进行降维的不足.同时,引入核特征提取算法降低核空间的计算量,使其能够在线应用.数值实例和实际工业过程数据的验证效果表明:MKEPLS方法不仅能对故障进行有效监控,提高故障的报警率,同时还能对最终产品质量进行预测.

分块核偏最小二乘法

针对核偏最小二乘法(KPLS)随核函数矩阵维数膨胀而计算量增加的问题,提出分块核偏最小二乘法(BKPLS).BKPLS根据核函数矩阵对称的性质,将KPLS中的批量算法转变成分块算法,不但减小了对计算机硬件的要求,而且减少了计算时间.仿真结果验证了BKPLS的有效性,而且在样本数量巨大,KPLS无法实现的情况下,BKPLS也能保证辨识算法的实现.

核偏最小二乘法及其在P-glycoprotein抑制剂设计中应用

介绍了一个新的基于优化推导出的核偏最小二乘(kernel partial least squares,K-PLS)的算法原理和实现步骤,并且给出了利用K-PLS法构建P-糖蛋白(P-glycoprotein,P-gp)黄酮类抑制剂的定量构效关系(QSAR)模型.利用该方法结合几个简单的分子拓扑参数,构建了具有高准确率的预测模型.该模型将有助于P-gp黄酮类抑制剂的虚拟筛选和理性设计.结果证明K-PLS是一个十分稳定可靠的方法,将会在化学计量学领域得到较好的应用和推广.