折息移动窗递推PLS算法及其在聚丙烯生产过程中的应用

针对聚丙烯生产过程的时变特性和非线性,提出一种基于数据块的折息移动窗递推PLS算法(discount moving window RPLS,DMW-RPLS)。该算法以经典递推PLS为基础,通过引入移动窗来控制数据块的数据量,并对数据块引入遗忘因子来进行折息,然后更新模型,实现对待测变量的实时预测估计。以聚丙烯熔融指数为对象进行了仿真研究,表明提出的折息移动窗递推PLS方法能减少计算量和解决数据饱和问题,有效利用过程信息,快速准确地反映过程特性。

折息递推PLS算法及其在橡胶混炼质量控制中的应用

提出一种新的折息递推PLS(DRPLS)算法 .通过对折息因子的调节 ,使模型具有更高的灵活性和适应性 .克服传统PLS算法不能在线更新 ,普通RPLS算法无法克服“数据饱和”、可调参数少和缺乏灵活性的不足 .并将其成功运用于橡胶密炼质量控制中 ,满足了混炼过程控制对门尼黏度预测模型灵活性和精确性的特殊要求 ,获得了具有足够精度和可调节性的混炼胶门尼黏度预测模型 。

基于模型性能评估的递推PLS建模及应用

为了降低递推部分最小二乘(RPLS)建模方法的模型校正频率,开发了一种基于模型性能评估的RPLS(MPA-RPLS)模型。首先,根据过程的初始特性,自动生成模型的置信限,以均方根误差(RMSEP)为性能指标,评估模型性能;依据模型性能的评估结果,选择性地启动模型校正和置信限校正。然后,引入滑动平均滤波器消除过程变量中的噪声,探讨噪声对模型性能的影响程度。最后,将MPA-RPLS模型应用于一个化学反应过程——C8芳烃临氢异构化过程,基于大量工业数据,进行仿真验证。仿真结果表明:本文开发的模型仅以微小的精度损失换取了模型计算效率的大幅提高(即模型校正频率大幅下降);滑动平均滤波器可有效地处理变量的噪声,改善模型的预测精度。

基于递推PLS的置换蒸煮终点软测量建模研究

基于离线数据得到的卡伯值软测量模型无法随蒸煮过程变化而更新,针对这一问题,应用基于移动窗口递推的偏最小二乘法(PLS)建立了新的卡伯值软测量模型。通过对制浆过程和蒸煮终点影响因素的分析,确定了建模所需的辅助变量;利用特定大小的移动窗口中的最新数据来更新该测量模型,能够确保模型对蒸煮过程的跟踪能力。仿真结果表明,与传统的PLS模型相比,该模型可更好地预测置换蒸煮的蒸煮终点。