基于高斯混合模型的時變過程軟測量建模.pdf

1、在實際工業(yè)過程中，為了確保重要產(chǎn)品質(zhì)量、生產(chǎn)安全及操作的平穩(wěn)，需要對與質(zhì)量密切相關(guān)的過程變量進(jìn)行實時監(jiān)測和控制。然而由于實際的環(huán)境條件和技術(shù)的限制，也存在一些變量無法用傳感器直接檢測。這些變量雖然有些可以用在線分析儀表進(jìn)行測量，但是在線分析儀維護(hù)難、成本高、滯后較大，無法滿足實時控制的要求。因此采用軟測量建模的方法對其進(jìn)行在線預(yù)測。
　　軟測量模型投入運行后，由于催化劑老化、設(shè)備老化、原料變化、產(chǎn)品質(zhì)量要求改變等過程時變特性以及樣

2、本的不完整，軟測量模型可能不再適應(yīng)當(dāng)前工況，繼續(xù)采用之前的模型進(jìn)行在線預(yù)測，易出現(xiàn)“模型老化”的現(xiàn)象，導(dǎo)致精度降低，模型的輸出預(yù)測值與真實值產(chǎn)生較大的偏差。因此在實際工業(yè)過程中需要對模型進(jìn)行在線的自適應(yīng)更新，采用新的樣本數(shù)據(jù)對模型參數(shù)進(jìn)行校正，以適應(yīng)過程特性，保證模型的預(yù)測精度。
　　本文針對工業(yè)過程的時變性、非高斯、非線性，提出了基于高斯混合模型的過程軟測量方法。主要研究成果和內(nèi)容如下:
　　(1)針對非高斯時變過程，提出

3、了一種基于自適應(yīng)高斯混合模型(GMM)的即時學(xué)習(xí)(JITL)軟測量建模方法。該方法基于GMM相似度定義準(zhǔn)則充分考慮過程非高斯性，選擇合適的相似樣本，然后利用相似樣本數(shù)據(jù)構(gòu)建局部偏最小二乘回歸模型。仿真驗證該方法能有效處理過程非高斯性并提高模型預(yù)測精度。
　　(2)針對非線性時變過程，提出基于高斯混合模型(GMM)的局部加權(quán)偏最小二乘回歸(LWPLS)軟測量建模方法。該方法采用改進(jìn)的相似度選擇相似樣本并將改進(jìn)的相似度作為樣本輸入輸出