隨著生產(chǎn)技術(shù)水平的不斷提升,工藝過程日漸復(fù)雜,過程數(shù)據(jù)也表現(xiàn)出時變性、非高斯性、多階段性、不確定性等復(fù)雜特征,使得機(jī)理建模變得更加困難。因此,人們往往從系統(tǒng)的過程數(shù)據(jù)出發(fā),借助于機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘以及統(tǒng)計(jì)分析等手段,采用局部建模方法,以多個局部模型實(shí)現(xiàn)對復(fù)雜系統(tǒng)的逼近,達(dá)到對關(guān)鍵性能指標(biāo)實(shí)時估計(jì)的目的。這種建模方法,不僅能夠?qū)?fù)雜模型簡單化,而且還具有開發(fā)成本低、實(shí)時性高、易于調(diào)整和維護(hù)等優(yōu)點(diǎn),從而備受人們關(guān)注。本文在國家自然科學(xué)基金（項(xiàng)目編號:61873113）的資助下,以流程工業(yè)為研究對象,直接利用所獲得的過程數(shù)據(jù),在局部建模思想下,將部分過程信息與建模算法相結(jié)合,研究了復(fù)雜系統(tǒng)的軟測量建模算法,其主要內(nèi)容包括:針對過程數(shù)據(jù)不能完全覆蓋系統(tǒng)的工況,提出一種變超參數(shù)遞推高斯過程回歸在線校正模型。該模型利用改進(jìn)的共軛梯度算法,通過重置模型參數(shù)更新非線性映射關(guān)系,以適應(yīng)函數(shù)空間非線性特征的變化,并在滾動窗口機(jī)制下,實(shí)現(xiàn)局部高斯過程回歸建模。通過數(shù)值案例和青霉素發(fā)酵仿真平臺驗(yàn)證該模型的有效性。針對大范圍工況系統(tǒng)中數(shù)據(jù)分布呈現(xiàn)非高斯特性,提出一種基于局部近鄰標(biāo)準(zhǔn)化的自適應(yīng)多級偏最小二乘算法。... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：127 頁

【學(xué)位級別】：博士

【部分圖文】：

發(fā)達(dá)國家第三產(chǎn)業(yè)比重發(fā)展歷程

江蘇大學(xué)博士學(xué)位論文四、高斯過程回歸受高斯過程（Gaussianprocess，簡稱：GP）啟發(fā)，高斯過程回歸（Gaussianprocessregression，簡稱：GPR）用以描述函數(shù)空間上標(biāo)準(zhǔn)正態(tài)分布。從統(tǒng)計(jì)上講，原始空間樣本與服從高斯分布的隨機(jī)變量相關(guān)，而GP可以看作是多元正態(tài)分布的廣義無窮維函數(shù)空間[74,75]。在貝葉斯框架中使用GP先驗(yàn)推斷連續(xù)變量的過程稱為GPR。該模型通過參考函數(shù)空間上的分布和貝葉斯推理，獲得所需變量的后驗(yàn)分布（如圖1.10所示）。這種非參數(shù)估計(jì)方法體現(xiàn)了GPR與其它回歸模型的本質(zhì)差異。近年來，GPR在過程控制領(lǐng)域得到了成功應(yīng)用，例如軟測量模型，或涉及主導(dǎo)變量的相關(guān)過程監(jiān)測模型[76-78]。圖1.10GPR后驗(yàn)分布示意圖Figure1.10IllustrationofGPRforposteriordistributionsXeTP’XkTP’XP’TpX輸入擴(kuò)展多項(xiàng)式投影核函數(shù)處理圖1.9非線性LVP模型原理Figure1.9PrincipleofthreenonlinearLVPmodels11

【參考文獻(xiàn)】：
期刊論文
[1]現(xiàn)代流程工業(yè)的機(jī)器學(xué)習(xí)建模[J]. 趙順毅,陳子豪,張瑾,欒小麗,劉飛.  自動化儀表. 2019(09)
[2]后工業(yè)化初級階段與新時代中國經(jīng)濟(jì)轉(zhuǎn)型[J]. 郝壽義,曹清峰.  經(jīng)濟(jì)學(xué)動態(tài). 2019(09)
[3]數(shù)據(jù)點(diǎn)加權(quán)最小二乘漸進(jìn)迭代逼近及其B樣條曲線擬合[J]. 李莎莎,徐惠霞,鄧重陽.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報. 2019(09)
[4]基于即時學(xué)習(xí)的高爐煉鐵過程數(shù)據(jù)驅(qū)動自適應(yīng)預(yù)測控制[J]. 易誠明,周平,柴天佑.  控制理論與應(yīng)用. 2020(02)
[5]流程工業(yè)智能優(yōu)化制造[J]. 柴天佑,丁進(jìn)良.  中國工程科學(xué). 2018(04)
[6]基于改進(jìn)的局部近鄰標(biāo)準(zhǔn)化和kNN的多階段過程故障檢測[J]. 馮立偉,張成,李元,謝彥紅.  計(jì)算機(jī)應(yīng)用. 2018(07)
[7]從全球化到逆全球化思潮下的歐美發(fā)達(dá)國家制造業(yè)回歸效果分析[J]. 李俊江,焦國偉,黃浩政.  吉林大學(xué)社會科學(xué)學(xué)報. 2018(04)
[8]中國進(jìn)入后工業(yè)化時代[J]. 胡鞍鋼.  北京交通大學(xué)學(xué)報(社會科學(xué)版). 2017(01)
[9]基于卡爾曼濾波的燃煤發(fā)熱量動態(tài)軟測量方法[J]. 郝曉輝,劉鑫屏,邊防,張全.  熱力發(fā)電. 2016(10)
[10]流程工業(yè)實(shí)現(xiàn)跨越式發(fā)展的必由之路[J]. 桂衛(wèi)華,王成紅,謝永芳,宋蘇,孟慶峰,丁進(jìn)良.  中國科學(xué)基金. 2015(05)

博士論文
[1]基于即時學(xué)習(xí)的復(fù)雜非線性過程軟測量建模及應(yīng)用[D]. 袁小鋒.浙江大學(xué) 2016
[2]基于PCA統(tǒng)計(jì)過程監(jiān)控的若干問題研究[D]. 趙忠蓋.江南大學(xué) 2007
[3]基于局部學(xué)習(xí)策略的非線性系統(tǒng)多模型建模與控制[D]. 潘天紅.上海交通大學(xué) 2007
[4]基于數(shù)據(jù)驅(qū)動的流程工業(yè)性能監(jiān)控與故障診斷研究[D]. 郭明.浙江大學(xué) 2004



本文編號：3365732