【摘要】：工業(yè)過程常常是強(qiáng)非線性的,并有多個(gè)工況,傳統(tǒng)的軟測(cè)量方法存在預(yù)測(cè)能力差,不能有效利用誤差信息等缺點(diǎn).為了有效解決這些問題,提出一種基于自適應(yīng)高斯混合模型-高斯過程回歸(AGMM-GPR)的多模型動(dòng)態(tài)校正軟測(cè)量建模方法.首先,通過貝葉斯信息準(zhǔn)則構(gòu)建自適應(yīng)高斯混合模型(AGMM),得到優(yōu)化的子模型個(gè)數(shù);然后,利用GPR方法建立各局部模型,當(dāng)新的數(shù)據(jù)到來時(shí),將其隸屬于各局部模型的后驗(yàn)概率和預(yù)測(cè)值融合得到多模型輸出;最后,為了進(jìn)一步提高模型的精度,構(gòu)建自回歸積分滑動(dòng)平均(ARIMA)模型對(duì)多模型輸出進(jìn)行動(dòng)態(tài)反饋校正.通過數(shù)值仿真和硫回收裝置(SRU)中H2S濃度的估計(jì),驗(yàn)證了所提方法具有良好的預(yù)測(cè)精度和泛化性能.
[Abstract]:Industrial processes are often strongly nonlinear and have multiple operating conditions. The traditional soft sensing methods have some disadvantages such as poor prediction ability and poor utilization of error information. In order to solve these problems effectively, a multi-model dynamic correction soft sensor modeling method based on adaptive Gao Si hybrid model-Gao Si process regression (AGMM-GPR) is proposed. Firstly, the optimal number of sub-models is obtained by constructing adaptive Gao Si hybrid model (AGMM), by Bayesian information criterion. Then, each local model is established by using GPR method. When the new data comes, the local model output is obtained by merging the posterior probability and prediction value of each local model. Finally, in order to further improve the accuracy of the model, an autoregressive integral moving average (ARIMA) model is constructed for dynamic feedback correction of multiple model outputs. By numerical simulation and estimation of H _ 2S concentration in (SRU) of sulfur recovery unit, it is proved that the proposed method has good prediction accuracy and generalization performance.
【作者單位】： 江南大學(xué)輕工過程先進(jìn)控制教育部重點(diǎn)實(shí)驗(yàn)室;江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院自動(dòng)化研究所;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(21206053;21276111) 江蘇省“六大人才高峰”計(jì)劃資助項(xiàng)目(2013-DZXX-043) 江蘇省產(chǎn)學(xué)研資助項(xiàng)目(BY2014023-27) 江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目(PAPD)
【分類號(hào)】：TP274

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 杜文莉;官振強(qiáng);錢鋒;;一種基于時(shí)序誤差補(bǔ)償?shù)膭?dòng)態(tài)軟測(cè)量建模方法[J];化工學(xué)報(bào);2010年02期

2 王洋課;費(fèi)樹岷;翟軍勇;;基于聚類的多模型軟測(cè)量建模及其應(yīng)用[J];化工自動(dòng)化及儀表;2010年01期

3 馮瑞,張艷珠,宋春林,邵惠鶴;A Multiple Model Approach to Modeling Based on Fuzzy Support Vector Machines[J];Journal of Shanghai Jiaotong University;2003年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐志杰;唐朝暉;朱紅求;;一種基于多模型融合軟測(cè)量建模方法[J];化工學(xué)報(bào);2011年08期

2 秦補(bǔ)枝;;有向網(wǎng)絡(luò)自適應(yīng)多平衡點(diǎn)控制[J];化工自動(dòng)化及儀表;2011年04期

3 傅雨佳;楊慧中;;一種雙酚A結(jié)晶單元軟測(cè)量建模的方法[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

4 張弼澤;臧春華;郭小萍;;軟測(cè)量技術(shù)的發(fā)展及應(yīng)用[J];科技信息;2012年20期

5 傅雨佳;楊慧中;陶洪峰;;基于最大矩陣元法確定聚類數(shù)的軟測(cè)量建模方法[J];計(jì)算機(jī)與應(yīng)用化學(xué);2012年07期

6 張文清;傅雨佳;楊慧中;;基于改進(jìn)聚類和加權(quán)bagging的多模型軟測(cè)量建模[J];化工學(xué)報(bào);2012年09期

7 王軍號(hào);孟祥瑞;;基于物聯(lián)網(wǎng)感知的煤礦安全監(jiān)測(cè)數(shù)據(jù)級(jí)融合研究[J];煤炭學(xué)報(bào);2012年08期

8 蔣白樺;劉偉;戴志軍;王宏安;;基于工況的操作模式優(yōu)化及在石化工業(yè)中的應(yīng)用[J];化工學(xué)報(bào);2012年12期

9 王立;劉載文;吳成瑞;華偉;張雪;;基于多元時(shí)序分析的水華預(yù)測(cè)及因素分析方法[J];化工學(xué)報(bào);2013年12期

10 劉強(qiáng);孫際哲;陳西宏;劉繼業(yè);張群;;CPSO-LSSVM在自回歸鐘差預(yù)報(bào)中的應(yīng)用[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年03期

相關(guān)碩士學(xué)位論文 前10條

1 李廣宇;基于粒子蜂群算法優(yōu)化的多支持向量機(jī)軟測(cè)量建模方法研究[D];中南大學(xué);2011年

2 李哲;基于半監(jiān)督回歸的多模型在線軟測(cè)量系統(tǒng)研究[D];上海交通大學(xué);2011年

3 雷達(dá);數(shù)據(jù)聚類方法研究及其在軟測(cè)量中的應(yīng)用[D];青島科技大學(xué);2011年

4 趙凱;基于支持向量機(jī)的磨煤機(jī)一次風(fēng)量軟測(cè)量方法研究[D];華北電力大學(xué);2012年

5 徐衛(wèi);基于智能優(yōu)化的軟測(cè)量建模方法研究及應(yīng)用[D];蘭州理工大學(xué);2013年

6 趙麗軍;600MW機(jī)組協(xié)調(diào)控制方案研究與設(shè)計(jì)[D];華北電力大學(xué);2013年

7 董陶;基于K-means聚類的軟測(cè)量建模研究[D];江南大學(xué);2013年

8 何華;基于軟測(cè)量的蓄電池容量檢測(cè)方法研究[D];蘭州交通大學(xué);2013年

9 唐苦;基于聚類的多模型動(dòng)態(tài)軟測(cè)量建模方法[D];華東理工大學(xué);2014年

10 雷瑜;機(jī)器學(xué)習(xí)在化工軟測(cè)量建模中的若干應(yīng)用[D];江南大學(xué);2014年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 馬勇,黃德先,金以慧;動(dòng)態(tài)軟測(cè)量建模方法初探[J];化工學(xué)報(bào);2005年08期

2 周立芳;周蘆文;趙豫紅;;改進(jìn)k-means聚類算法多模型建模的一種新的評(píng)價(jià)函數(shù)[J];化工學(xué)報(bào);2007年08期

3 王麗舫,朱群雄;基于小波理論的主元分析在故障診斷中的研究與應(yīng)用[J];化工自動(dòng)化及儀表;2004年06期

4 顏學(xué)峰;;嵌入嶺回歸的BP算法及其在軟測(cè)量中的應(yīng)用[J];化工自動(dòng)化及儀表;2007年03期

5 于劍,程乾生;模糊聚類方法中的最佳聚類數(shù)的搜索范圍[J];中國(guó)科學(xué)E輯:技術(shù)科學(xué);2002年02期

6 錢雪忠;施培蓓;張明陽;汪中;;基于均衡化函數(shù)的k均值優(yōu)化算法[J];計(jì)算機(jī)工程;2008年14期

7 毛帥,熊智華,徐用懋,莊愛霞,黃海龍,王立群;常壓塔柴油凝點(diǎn)動(dòng)態(tài)軟測(cè)量模型的研究[J];控制工程;2005年04期

8 戴先中;丁煜函;王萬成;;紅霉素發(fā)酵關(guān)鍵生化量的動(dòng)態(tài)軟測(cè)量方法[J];儀器儀表學(xué)報(bào);2006年S2期

9 俞金壽;;軟測(cè)量技術(shù)及其應(yīng)用[J];自動(dòng)化儀表;2008年01期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 薄翠梅;張n\;李俊;;工業(yè)共沸精餾塔軟測(cè)量建模方法的研究與應(yīng)用[J];南京工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年03期

2 楊強(qiáng)大;王福利;常玉清;;基于階段識(shí)別的諾西肽發(fā)酵過程軟測(cè)量建模[J];儀器儀表學(xué)報(bào);2008年08期

3 徐海霞;劉國(guó)海;周大為;梅從立;;基于改進(jìn)核模糊聚類算法的軟測(cè)量建模研究[J];儀器儀表學(xué)報(bào);2009年10期

4 傅永峰;;一種動(dòng)態(tài)軟測(cè)量建模方法及其工業(yè)應(yīng)用[J];自動(dòng)化儀表;2011年09期

5 呂業(yè);楊慧中;雷瑜;陶洪峰;;基于環(huán)路能量聚類的多模型軟測(cè)量建模[J];化工自動(dòng)化及儀表;2012年11期

6 張文清;楊慧中;;一種基于帶監(jiān)督局部保持投影的多模型軟測(cè)量建模方法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

7 孫濤,曹廣益;軟測(cè)量建模方法分析[J];機(jī)床與液壓;2005年02期

8 王卓;苑明哲;王宏;王天然;;水泥熟料質(zhì)量指標(biāo)的軟測(cè)量建模研究[J];化工自動(dòng)化及儀表;2006年06期

9 楊妍;陳如清;俞金壽;;基于混沌最小二乘支持向量機(jī)的軟測(cè)量建模[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

10 杜文莉;官振強(qiáng);錢鋒;;一種基于時(shí)序誤差補(bǔ)償?shù)膭?dòng)態(tài)軟測(cè)量建模方法[J];化工學(xué)報(bào);2010年02期

相關(guān)會(huì)議論文 前10條

1 呂哲;常玉清;王福利;;生化過程軟測(cè)量建模方法的研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

2 薄翠梅;張n\;李俊;;基于滾動(dòng)時(shí)間窗的軟測(cè)量建模方法的研究與應(yīng)用[A];第16屆中國(guó)過程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

3 杜文莉;官振強(qiáng);錢鋒;;一種基于時(shí)序誤差補(bǔ)償?shù)膭?dòng)態(tài)軟測(cè)量建模方法[A];2009中國(guó)過程系統(tǒng)工程年會(huì)暨中國(guó)mes年會(huì)論文集[C];2009年

4 馬銘;孟慶鍇;張利彪;;基于模糊系統(tǒng)優(yōu)化的軟測(cè)量建模[A];中國(guó)運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

5 王恩博;彭亦功;;軟測(cè)量建模若干方法研究[A];中國(guó)儀器儀表學(xué)會(huì)2007學(xué)術(shù)年會(huì)智能檢測(cè)控制技術(shù)及儀表裝置發(fā)展研討會(huì)論文集[C];2007年

6 張勇;王介生;王偉;姚偉南;;浮選生產(chǎn)過程經(jīng)濟(jì)技術(shù)指標(biāo)的軟測(cè)量建模[A];第16屆中國(guó)過程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

7 陳定三;楊慧中;;基于SVC-KNN的多模型軟測(cè)量建模[A];PCC2009—第20屆中國(guó)過程控制會(huì)議論文集[C];2009年

8 周旦麗;蔣愛平;;WD-LSSVM在軟測(cè)量建模中的應(yīng)用[A];第十九屆測(cè)控、計(jì)量、儀器儀表學(xué)術(shù)年會(huì)(MCMI'2009)論文集[C];2009年

9 劉欣;蔣愛平;;微粒群神經(jīng)網(wǎng)絡(luò)在軟測(cè)量建模中的應(yīng)用[A];上海市化學(xué)化工學(xué)會(huì)2006年度學(xué)術(shù)年會(huì)論文摘要集[C];2006年

10 凌玉華;楊欣榮;李海娜;廖力清;王頌;;鋁電磁鑄軋帶坯晶粒度軟測(cè)量建模及優(yōu)化[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 李春富;基于數(shù)據(jù)的軟測(cè)量建模方法及其應(yīng)用的研究[D];清華大學(xué);2005年

2 安莉;發(fā)酵過程生物量軟測(cè)量建模專家系統(tǒng)研究[D];北京化工大學(xué);2010年

3 傅永峰;軟測(cè)量建模方法研究及其工業(yè)應(yīng)用[D];浙江大學(xué);2007年

4 楊建文;金霉素發(fā)酵過程軟測(cè)量建模及優(yōu)化控制策略研究[D];北京理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 曹濤;基于相關(guān)向量機(jī)的污水軟測(cè)量建模研究[D];華南理工大學(xué);2015年

2 王賽;青霉素發(fā)酵過程軟測(cè)量建模方法的研究[D];東北大學(xué);2010年

3 郭景華;基于數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量建模技術(shù)應(yīng)用研究[D];江南大學(xué);2009年

4 周開武;貝葉斯方法在化工軟測(cè)量建模中的應(yīng)用研究[D];江南大學(xué);2009年

5 李雅芹;機(jī)器學(xué)習(xí)在軟測(cè)量建模方面的若干應(yīng)用[D];江南大學(xué);2011年

6 駱中華;基于數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量建模技術(shù)及其工業(yè)應(yīng)用[D];浙江大學(xué);2006年

7 陳貴華;基于自適應(yīng)模糊核聚類的多模型軟測(cè)量建模研究[D];華東理工大學(xué);2012年

8 王金榮;明膠濃度軟測(cè)量建模研究[D];蘭州理工大學(xué);2012年

9 唐苦;基于聚類的多模型動(dòng)態(tài)軟測(cè)量建模方法[D];華東理工大學(xué);2014年

10 雷瑜;機(jī)器學(xué)習(xí)在化工軟測(cè)量建模中的若干應(yīng)用[D];江南大學(xué);2014年

，

本文編號(hào)：2364527