隨著工業(yè)生產(chǎn)的不斷進(jìn)步,常規(guī)的檢測(cè)技術(shù)已無(wú)法滿足所有的控制要求,因此軟測(cè)量技術(shù)受到越來(lái)越多的關(guān)注。軟測(cè)量建模是軟測(cè)量技術(shù)的核心,各種建模方法層出不窮,各有側(cè)重。其中,偏最小二乘算法（Partial Least Squares,PLS）憑借其在有效處理小樣本、多噪聲、變量嚴(yán)重共線等方面的優(yōu)勢(shì),在工業(yè)軟測(cè)量建模領(lǐng)域得到了廣泛的應(yīng)用。然而作為一種傳統(tǒng)的線性建模方法,PLS擬合非線性數(shù)據(jù)效果欠佳,而現(xiàn)實(shí)工業(yè)過(guò)程中處理的數(shù)據(jù)往往呈現(xiàn)較強(qiáng)的非線性。因此,改進(jìn)PLS的非線性建模能力已成為當(dāng)今學(xué)者們研究的熱點(diǎn)之一,本文也將針對(duì)此問(wèn)題展開研究。本文的研究得到了國(guó)家自然科學(xué)基金、浙江省自然科學(xué)基金的資助,主要的研究工作和成果如下:（1）將核函數(shù)的使用與局部加權(quán)算法相結(jié)合,使在對(duì)非線性數(shù)據(jù)進(jìn)行擬合時(shí)擁有雙重保障。同時(shí),在核PLS算法基礎(chǔ)上,結(jié)合粒子群算法,提出核函數(shù)的自適應(yīng)選擇機(jī)制,使核函數(shù)與訓(xùn)練樣本的映射關(guān)系更加符合數(shù)據(jù)分布特征,從而進(jìn)一步提高模型的預(yù)測(cè)精度。（2）針對(duì)非時(shí)序非線性的數(shù)據(jù),本文提出了基于K-means聚類算法的集成自適應(yīng)核PLS算法。在模型訓(xùn)練過(guò)程中,首先利用K-means算法將數(shù)據(jù)進(jìn)行空... 

【文章來(lái)源】：浙江理工大學(xué)浙江省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的背景及意義
    1.2 軟測(cè)量建模算法研究概述
    1.3 偏最小二乘算法國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 偏最小二乘算法的非線性化建模研究現(xiàn)狀
        1.3.2 偏最小二乘法的動(dòng)態(tài)特性改進(jìn)研究現(xiàn)狀
    1.4 論文主要研究?jī)?nèi)容及結(jié)構(gòu)安排
第二章 偏最小二乘算法基礎(chǔ)及拓展
    2.1 偏最小二乘算法
    2.2 自適應(yīng)核偏最小二乘算法
        2.2.1 核偏最小二乘算法
        2.2.2 自適應(yīng)核偏最小二乘法
    2.3 集成偏最小二乘算法
    2.4 本章小結(jié)
第三章 基于K-means聚類的集成自適應(yīng)核偏最小二乘算法
    3.1 算法提出動(dòng)機(jī)
    3.2 算法具體實(shí)現(xiàn)
        3.2.1 基于K-means算法的空間聚類
        3.2.2 基于鄰域半徑的權(quán)值分配
    3.3 標(biāo)準(zhǔn)數(shù)據(jù)集驗(yàn)證
    3.4 本章小結(jié)
第四章 基于移動(dòng)窗口的集成自適應(yīng)核偏最小二乘算法
    4.1 模型訓(xùn)練過(guò)程
        4.1.1 基于移動(dòng)窗口法的子模型構(gòu)建
        4.1.2 冗余模型刪除
    4.2 模型預(yù)測(cè)過(guò)程
    4.3 參數(shù)優(yōu)化
        4.3.1 參數(shù)對(duì)模型性能影響分析
        4.3.2 基于粒子群優(yōu)化算法的參數(shù)優(yōu)化
    4.4 標(biāo)準(zhǔn)數(shù)據(jù)集驗(yàn)證
    4.5 本章小結(jié)
第五章 焦化系統(tǒng)開工線溫度軟測(cè)量模型構(gòu)建
    5.1 焦化系統(tǒng)工藝介紹
    5.2 開工線腐蝕機(jī)理
    5.3 K-AKPLS開工線溫度軟測(cè)量模型
    5.4 MW-AKPLS開工線溫度軟測(cè)量模型
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 研究工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間參與的科研項(xiàng)目及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林回歸的手臂末端力的軟測(cè)量方法[J]. 熊鵬文,林虹,宋愛國(guó),胡凌燕,陳大鵬.  儀器儀表學(xué)報(bào). 2017(10)
[2]隨鉆井間電位動(dòng)態(tài)測(cè)量技術(shù)及其應(yīng)用[J]. 張金成,單桂棟,張?chǎng)?廖興松,王愛國(guó),付友義,周寶義,程運(yùn)甫.  石油學(xué)報(bào). 2016(S2)
[3]基于稀疏化魯棒LS-SVR與多目標(biāo)優(yōu)化的鐵水硅含量軟測(cè)量建模[J]. 郭東偉,周平.  工程科學(xué)學(xué)報(bào). 2016(09)
[4]模糊控制的現(xiàn)狀與工程應(yīng)用關(guān)鍵問(wèn)題研究[J]. 孫靈芳,董學(xué)曼,姜其鋒.  化工自動(dòng)化及儀表. 2016(01)
[5]一種基于跨領(lǐng)域典型相關(guān)性分析的遷移學(xué)習(xí)方法[J]. 張博,史忠植,趙曉非,張建華.  計(jì)算機(jī)學(xué)報(bào). 2015(07)
[6]基于模糊C-means的多視角聚類算法[J]. 楊欣欣,黃少濱.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(06)
[7]基于改進(jìn)動(dòng)態(tài)自適應(yīng)模糊Petri網(wǎng)與BP算法的電網(wǎng)故障診斷[J]. 謝敏,吳亞雄,閆圓圓,諸言涵.  中國(guó)電機(jī)工程學(xué)報(bào). 2015(12)
[8]MLR和人工神經(jīng)網(wǎng)絡(luò)研究取代芳烴定量構(gòu)效關(guān)系[J]. 金飆,陳忱,金俏.  計(jì)算機(jī)與應(yīng)用化學(xué). 2014(12)
[9]基于局部PLS的多輸出過(guò)程自適應(yīng)軟測(cè)量建模方法（英文）[J]. 邵偉明,田學(xué)民,王平.  Chinese Journal of Chemical Engineering. 2014(07)
[10]基于混合核函數(shù)PLS的氧化鋁粉流量預(yù)測(cè)[J]. 胡羽,張潔.  陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)

博士論文
[1]基于動(dòng)態(tài)PLS方法的建模及預(yù)測(cè)控制器設(shè)計(jì)[D]. 呂燕.浙江大學(xué) 2013

碩士論文
[1]粒子群算法在多維優(yōu)化問(wèn)題中的改進(jìn)研究[D]. 蔣曉屾.浙江理工大學(xué) 2016
[2]基于高斯混合模型的時(shí)變過(guò)程軟測(cè)量建模[D]. 范苗.浙江大學(xué) 2015
[3]函數(shù)數(shù)據(jù)降維方法的分析與研究[D]. 尹立為.吉林大學(xué) 2014
[4]明膠濃度的軟測(cè)量建模及參數(shù)優(yōu)化[D]. 高利敏.蘭州理工大學(xué) 2011
[5]基于非線性偏最小二乘的特征提取方法研究[D]. 周琳.南京理工大學(xué) 2011
[6]偏最小二乘回歸法非線性建模及其遞推算法的研究[D]. 孫鳳林.華南理工大學(xué) 2010



本文編號(hào)：3602641