本文關(guān)鍵詞：基于時間差分和局部加權(quán)偏最小二乘算法的過程自適應(yīng)軟測量建模

  更多相關(guān)文章： 時間差分模型 局部加權(quán)偏最小二乘算法 即時學(xué)習(xí) 軟測量建模 質(zhì)量預(yù)測

【摘要】：工業(yè)過程軟測量模型常常因為過程的變量漂移、非線性和時變等問題而使得預(yù)測性能下降。因此,時間差分已被應(yīng)用于解決過程變量漂移問題。但是,時間差分框架下的全局模型往往不能很好地描述過程非線性和時變等特性。為此,提出了一種融合時間差分模型和局部加權(quán)偏最小二乘算法的自適應(yīng)軟測量建模方法。時間差分模型可以大大減少過程變量漂移的影響,而局部加權(quán)偏最小二乘算法作為一種即時學(xué)習(xí)方法,可以有效解決過程非線性和時變問題。該方法的有效性在數(shù)值例子和工業(yè)過程實例中得到了有效驗證。
【作者單位】： 浙江大學(xué)控制科學(xué)與工程學(xué)院工業(yè)控制技術(shù)國家重點實驗室;
【關(guān)鍵詞】： 時間差分模型 局部加權(quán)偏最小二乘算法 即時學(xué)習(xí) 軟測量建模 質(zhì)量預(yù)測
【基金】：國家自然科學(xué)基金項目(61370029)~~
【分類號】：TQ018
【正文快照】： 引言在工業(yè)過程中,軟測量模型被廣泛地用于預(yù)測過程中因為惡劣測量環(huán)境、昂貴的測量儀器和大時間滯后等因素導(dǎo)致難以在線測量的關(guān)鍵過程變量[1-4]。目前為止,大量的軟測量方法,如主成分回歸(PCA)[5]、偏最小二乘回歸(PLS)[6]、人工神經(jīng)網(wǎng)絡(luò)(ANN)[7]和支持向量機(SVM)[8]等已經(jīng)

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 張海渠;非穩(wěn)定熱塑性成型模擬中的時間差分耦合法[J];機械設(shè)計與研究;2003年04期

，

本文編號：1010874