本文關(guān)鍵詞：基于即時(shí)學(xué)習(xí)的復(fù)雜非線性過(guò)程軟測(cè)量建模及應(yīng)用　出處：《浙江大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 軟測(cè)量 非線性過(guò)程 時(shí)變過(guò)程 動(dòng)態(tài)過(guò)程 投影模型 概率模型

【摘要】：工業(yè)過(guò)程的實(shí)時(shí)在線監(jiān)測(cè)與控制對(duì)于提高企業(yè)生產(chǎn)效率和保障生產(chǎn)安全有著舉足輕重的作用,這極大地依賴于過(guò)程關(guān)鍵產(chǎn)品質(zhì)量指標(biāo)的測(cè)量。很多情況下,由于惡劣的測(cè)量環(huán)境、昂貴的測(cè)量?jī)x器以及測(cè)量滯后性等因素,關(guān)鍵產(chǎn)品質(zhì)量無(wú)法及時(shí)在線檢測(cè)。為此,軟測(cè)量技術(shù)通過(guò)建立關(guān)鍵質(zhì)量變量與易測(cè)過(guò)程變量之間的數(shù)學(xué)模型,能夠?qū)崿F(xiàn)對(duì)質(zhì)量變量的預(yù)測(cè)估計(jì)。在過(guò)去幾十年里,軟測(cè)量技術(shù)已經(jīng)成為過(guò)程控制領(lǐng)域的研究熱點(diǎn),并在工業(yè)界中得到了廣泛應(yīng)用。由于過(guò)程本身結(jié)構(gòu)特性及其內(nèi)部的復(fù)雜物化反應(yīng),工業(yè)過(guò)程往往表現(xiàn)出數(shù)據(jù)高維度、變量關(guān)系非線性、過(guò)程時(shí)變性和動(dòng)態(tài)性等復(fù)雜的多重特征。為此,本文以即時(shí)學(xué)習(xí)方法為主要研究手段,研究了一類復(fù)雜非線性過(guò)程軟測(cè)量建模的問(wèn)題。全文的主要研究?jī)?nèi)容如下:1)針對(duì)過(guò)程輸入數(shù)據(jù)與關(guān)鍵產(chǎn)品質(zhì)量之間的約束關(guān)系,提出了基于輸出約束即時(shí)學(xué)習(xí)的非線性過(guò)程軟測(cè)量建模方法。傳統(tǒng)即時(shí)學(xué)習(xí)算法的樣本選擇往往只考慮樣本的輸入空間,而未參考輸出空間的約束。本文提出了一種有監(jiān)督隱變量空間相似度度量方法。在該有監(jiān)督隱變量空間,由于隱變量與輸出高度相關(guān),相似樣本的選擇將更加合理。在即時(shí)學(xué)習(xí)局部建模階段,通過(guò)同時(shí)考慮樣本權(quán)重和輸出相關(guān)的變量權(quán)重,提出了一種雙重局部加權(quán)主成分回歸算法,該算法可以有效提取過(guò)程輸出相關(guān)的非線性特征,用于軟測(cè)量輸出預(yù)測(cè)。2)針對(duì)強(qiáng)非線性時(shí)變過(guò)程,提出了一種基于局部加權(quán)核主元回歸的即時(shí)學(xué)習(xí)建模算法。首先,將原始輸入變量進(jìn)行非線性高維映射,并在高維非線性空間進(jìn)行特征表示,可以有效解決過(guò)程變量強(qiáng)非線性問(wèn)題;同時(shí),在高維空間采用基于即時(shí)學(xué)習(xí)的局部加權(quán)技巧,可以有效解決過(guò)程時(shí)變問(wèn)題和非線性問(wèn)題,提高了軟測(cè)量模型的預(yù)測(cè)精度。3)針對(duì)帶有變量漂移的非線性時(shí)變過(guò)程,提出了一種基于時(shí)間差分技術(shù)框架下得移動(dòng)窗局部加權(quán)偏最小二乘法的時(shí)間-空間自適應(yīng)軟測(cè)量算法。為了解決變量漂移問(wèn)題,引入了時(shí)間差分模型對(duì)輸入輸出的差分量進(jìn)行回歸建模。但是,時(shí)間差分框架下的全局模型無(wú)法解決過(guò)程非線性和時(shí)變問(wèn)題。為此,提出了一種在時(shí)間差分框架下利用時(shí)間自適應(yīng)的移動(dòng)窗技術(shù)跟蹤過(guò)程特性變化和利用空間自適應(yīng)的即時(shí)學(xué)習(xí)技術(shù)解決過(guò)程非線性特征的方法。4)非線性工業(yè)過(guò)程不僅具有數(shù)據(jù)高維度、非線性等特點(diǎn),還往往伴有隨機(jī)噪聲干擾和不確定性因素的影響。為了對(duì)過(guò)程隨機(jī)噪聲進(jìn)行建模,提取過(guò)程的非線性特征,提出了一種基于加權(quán)概率主元分析的建模方法。該方法通過(guò)建立概率隱變量模型并采用樣本加權(quán)技術(shù),可以提取過(guò)程的非線性特征�；谠撃Ｐ偷能洔y(cè)量建模方法能夠取得比確定性投影模型更好的預(yù)測(cè)精度。針對(duì)所提出算法不能保證其所學(xué)習(xí)的特征與輸出的相關(guān)性,進(jìn)一步提出了基于加權(quán)概率主元回歸的軟測(cè)量建模方法。5)對(duì)于包含不完備數(shù)據(jù)集的非線性過(guò)程,針對(duì)輸入變量缺失和輸出標(biāo)簽缺失情況分別提出了概率即時(shí)學(xué)習(xí)和半監(jiān)督即時(shí)學(xué)習(xí)建模方法。在概率即時(shí)學(xué)習(xí)中,變分貝葉斯主元分析被首先用于解決過(guò)程中包含輸入數(shù)據(jù)缺失值的問(wèn)題,進(jìn)而獲得各個(gè)樣本隱變量的后驗(yàn)分布。然后,創(chuàng)新性地利用對(duì)稱Kullback-Leibler散度衡量各樣本隱變量概率分布之間的相似度,并進(jìn)行相似樣本的選擇。最后,在輸出變量和隱變量之間建立局部高斯過(guò)程回歸模型。因此,所提出的方法可以有效解決輸入缺失數(shù)據(jù)并將數(shù)據(jù)不確定性考慮進(jìn)樣本選擇。在半監(jiān)督即時(shí)學(xué)習(xí)中,通過(guò)計(jì)算有標(biāo)簽樣本和無(wú)標(biāo)簽樣本相對(duì)于查詢樣本的相似度和權(quán)重,提出了 一種基于半監(jiān)督加權(quán)概率主元回歸的軟測(cè)量方法。同時(shí),為了更精確地選擇局部建模樣本,還提出了一種改善的尺度馬氏距離用于相似度度量。6)針對(duì)非線性動(dòng)態(tài)過(guò)程,提出了基于加權(quán)線性動(dòng)態(tài)系統(tǒng)的軟測(cè)量建模方法。過(guò)程數(shù)據(jù)的動(dòng)態(tài)特性通過(guò)隱變量之間的一階馬爾科夫鏈狀態(tài)轉(zhuǎn)移方程表示,輸入觀測(cè)變量由隱變量通過(guò)發(fā)散方程進(jìn)行生成。在加權(quán)線性動(dòng)態(tài)系統(tǒng)算法中,為了解決兩種方程的非線性函數(shù)估計(jì),提出了兩種加權(quán)方式分別對(duì)非線性狀態(tài)-狀態(tài)轉(zhuǎn)移函數(shù)和狀態(tài)-輸入觀測(cè)值的函數(shù)進(jìn)行局部線性化處理。這樣,即可通過(guò)加權(quán)線性動(dòng)態(tài)系統(tǒng)對(duì)過(guò)程非線性動(dòng)態(tài)特性進(jìn)行表示并用于后續(xù)軟測(cè)量回歸預(yù)測(cè)。
[Abstract]:The real - time online monitoring and control of industrial processes plays an important role in improving the production efficiency of enterprises and ensuring the safety of production . In this paper , a method of soft measurement modeling based on weighted probability principal regression is proposed . In this paper , a method of soft measurement based on weighted linear dynamic system is proposed . In this paper , we propose a method of soft measurement based on weighted linear dynamic system .

【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP274;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 劉國(guó)海;江興科;梅叢立;;基于連續(xù)隱Markov模型的發(fā)酵過(guò)程關(guān)鍵狀態(tài)變量軟測(cè)量[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

2 ;Endpoint Prediction of EAF Based on Multiple Support Vector Machines[J];Journal of Iron and Steel Research(International);2007年02期

相關(guān)博士學(xué)位論文 前1條

1 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

相關(guān)碩士學(xué)位論文 前1條

1 陳渭泉;軟測(cè)量技術(shù)中的變量選擇方法研究[D];浙江大學(xué);2004年

，

本文編號(hào)：1441484