基于聚類的多模型軟測(cè)量技術(shù)的研究.pdf

1、近年來(lái)隨著控制理論和計(jì)算機(jī)技術(shù)的發(fā)展，軟測(cè)量技術(shù)已經(jīng)得到了廣泛的重視和應(yīng)用，在過程檢測(cè)和控制系統(tǒng)中發(fā)揮著越來(lái)越大的作用。針對(duì)實(shí)際系統(tǒng)模型非線性、時(shí)變、且模型參數(shù)隨工況發(fā)生改變的特點(diǎn)，本文重點(diǎn)研究了基于聚類的的多模型軟測(cè)量技術(shù)，并圍繞輔助變量選擇和數(shù)據(jù)預(yù)處理、單模型軟測(cè)量、聚類分析、基于聚類的多模型軟測(cè)量四個(gè)方面展開。
　　 首先針對(duì)輔助變量選擇中常出現(xiàn)的錯(cuò)選、漏選等問題，提出按工藝機(jī)理進(jìn)行初選和采用相關(guān)分析進(jìn)行精選的、兩步相結(jié)合

2、的輔助變量選擇方法，并利用主元分析對(duì)數(shù)據(jù)進(jìn)行降維去噪處理。
　　 然后對(duì)實(shí)際生產(chǎn)中常用的MLR、PCR、BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)四種單模型建模方法進(jìn)行研究，并通過仿真結(jié)果總結(jié)出各個(gè)模型的優(yōu)缺點(diǎn)，確定在多模型建模中應(yīng)采用的局部模型為PCR模型。
　　 為降低初始類中心對(duì)聚類結(jié)果的影響，對(duì)k-means算法進(jìn)行了改進(jìn)，提出按時(shí)間平均抽樣的方式選取初始類中心，并利用均衡化評(píng)價(jià)函數(shù)來(lái)確定聚類數(shù)目k。將改進(jìn)k-means算法與最新的A