基于数据驱动的软测量建模方法研究及其工业应用

论文摘要

软测量技术是先进控制技术的重要组成部分,也一直是过程控制领域研究的热点之一。其能够提升企业对产品质量的直接监控,并通过先进控制与优化技术实现降低生产成本的作用,提升企业自身竞争力,以满足现代工业生产对控制系统的需要。本论文简要介绍软测量技术的发展、现状和特点,并介绍了软测量技术的概念、基本模型以及一些常用的建模方法;以实际工业过程为背景,结合化工过程工艺知识,对软测量的建模方法进行了较深入的研究,并利用相应的研究结果针对工业过程中的实际问题进行了仿真和验证。本论文的主要研究工作如下:1.介绍了一种新的软测量建模方法-高斯过程回归建模方法,并对其建模效果进行了仿真和验证,证明效果良好。2.提出了一种基于GRIN聚类算法和最小二乘支持向量机（LSSVM）方法的在线多模型软测量建模方法-GRIN-LSSVM。该方法先通过改进的GRIN聚类算法结合Chameleon算法动态聚类,然后对各子聚类用LSSVM建模,模型每次处理完测试样本后,重新聚类、建模,实现模型自动更新。将该模型用于加氢裂化分馏过程轻柴油馏出温度的软测量建模,应用结果证明该算法能够有效提高模型的泛化能力和预测精度。3.针对动态软测量模型数据的特点,提出了一种动态软测量建模方法。首先采用模糊曲线法确定输出数据采样间隔内每一维输入数据的多个样本点对输出数据的重要程度,然后依此对该采样间隔内的每一维输入数据做加权处理,再对数据采用高斯过程回归模型建模,得到预测的输出数据。将该方法仿真并应用于实际工业数据,效果良好。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 软测量技术概述
• 1.2.1 建模方法的选择
• 1.2.2 辅助变量的选择
• 1.2.3 数据预处理
• 1.2.4 主导变量与辅助变量之间的时序匹配
• 1.2.5 软测量模型的在线校正
• 1.3 软测量建模方法概述
• 1.3.1 纯机理建模方法
• 1.3.2 基于数据驱动的建模方法
• 1.3.3 混合建模方法
• 1.4 论文的主要内容和结构
• 第二章 基本软测量建模技术
• 2.1 引言
• 2.2 主元分析法
• 2.3 部分最小二乘法
• 2.4 人工神经网络
• 2.5 支持向量机
• 2.6 高斯过程
• 2.7 结论
• 第三章 基于GRIN聚类算法和LSSVM的在线软测量建模
• 3.1 引言
• 3.2 基于引力原理的分层聚类算法
• 3.2.1 G-HAC算法基本原理
• 3.2.2 改进的G-HAC算法
• 3.2.3 利用卡方检验方法检验球形分布
• 3.3 GRIN在线聚类算法原理
• 3.3.1 初始化阶段
• 3.3.2 增量阶段
• 3.4 CHAMELEON算法合并非孤立的球形子聚类
• 3.5 最小二乘支持向量机
• 3.6 基于GRIN-LSSVM的模型
• 3.7 实例研究及效果分析
• 3.7.1 工业过程背景
• 3.7.2 基于GRIN-LSSVM的软测量建模
• 3.7.3 效果分析
• 3.8 结论
• 第四章 基于高斯过程的动态软测量建模
• 4.1 引言
• 4.2 模糊曲线法
• 4.3 高斯过程建模
• 4.3.1 高斯过程回归建模
• 4.3.2 高斯过程与支持向量机回归建模的比较
• 4.3.3 高斯过程回归建模的仿真研究
• 4.4 结合模糊曲线法的高斯过程动态软测量模型
• 4.5 实例研究及效果分析
• 4.5.1 工业过程背景
• 4.5.2 实例研究
• 4.5.3 效果分析
• 4.6 结论
• 第五章 总结和展望
• 5.1 本文内容总结
• 5.2 软测量技术研究展望
• 参考文献
• 致谢