基于JIT-MOSVR的软测量方法及应用

发布时间：2018-10-22 16:38

【摘要】：针对传统多模型软测量方法在面对复杂、多变工况时缺少在线更新机制、更新时输出精度降低等问题,提出了一种基于即时学习算法(JIT)的多模型在线软测量方法(MOSVR)。离线阶段首先采用模糊C均值聚类(FCM)对训练数据进行聚类,接着采用SVR建立初始模型集。在线部分以多模型输出作为主要输出,当出现新工况时,通过在线模型更新策略(OSMU)将输出模式切换为JIT,同时多模型集进行在线更新。该方法不仅拥有多模型输出的快速性、精确性,而且在模型更新时通过JIT模式还能保证输出的连续性、稳定性、精确性。最后将该软测量方法进行了数值仿真并运用到乙烷浓度软测量中,验证了该方法的有效性。
[Abstract]:In view of the problems of traditional multi-model soft-sensing method in the face of complexity, lack of on-line updating mechanism under changeable working conditions and low output precision during updating, a multi-model on-line soft-sensing method (MOSVR). Based on real-time learning algorithm (JIT) is proposed. At the off-line stage, fuzzy C-means clustering (FCM) is first used to cluster the training data, and then the initial model set is established by using SVR. In the online part, multi-model output is taken as the main output. When new working conditions occur, the output mode is switched to JIT, and the multi-model set is updated online through the on-line model updating strategy (OSMU). The method not only has the rapidity and accuracy of multi-model output, but also ensures the continuity, stability and accuracy of the output by JIT mode when the model is updated. Finally, the method is numerically simulated and applied to the soft measurement of ethane concentration, which verifies the effectiveness of the method.
【作者单位】： 华东理工大学化工过程先进控制和优化技术教育部重点实验室;上海交通大学电工与电子技术中心;
【基金】：国家科技支撑计划项目(2015BAF22B02) 国家自然科学基金面上项目(21276078) 上海市自然然科学基金项目(14ZR1421800) 流程工业综合自动化国家重点实验室开放课题基金项目(PAL-N201404)~~
【分类号】：TP181

【相似文献】

相关期刊论文 前10条

1 徐国忠,王丹宇;催化裂化分馏塔轻柴油凝固点软测量[J];计算机自动测量与控制;2002年05期

2 黄凤良,余永刚;密闭腔内快速传热中壁面温度的软测量方法[J];传感技术学报;2003年03期

3 陆辽琼,黄德先,金以慧;虚拟蒸馏装置及软测量方法研究[J];控制工程;2003年04期

4 黄凤良;基于软测量的检测技术[J];南京师范大学学报(工程技术版);2003年01期

5 韩大伟,邹志云;软测量与推断控制技术初探[J];南京理工大学学报(自然科学版);2005年S1期

6 李凌;;软测量过程中的若干建模方法研究[J];沈阳化工学院学报;2006年02期

7 王孝红;刘文光;于宏亮;;工业过程软测量研究[J];济南大学学报(自然科学版);2009年01期

8 赵忠盖;刘飞;;基于因子回归模型的软测量方法[J];计算机与应用化学;2010年01期

9 李庆华;;1种基于遗失数据重构的软测量方法[J];计算机与应用化学;2011年05期

10 孙欣,王金春,何声亮;过程软测量[J];自动化仪表;1995年08期

相关会议论文 前10条

1 张利;孙德敏;张培仁;王永;杨兵;;设施农业中的磷酸根浓度软测量研究[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 韩大伟;邹志云;;软测量与推断控制技术初探[A];2005全国自动化新技术学术交流会论文集（三）[C];2005年

3 赵忠盖;刘飞;;一种基于因子回归模型的软测量方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年

4 毕维准;;粘度在线软测量方法的应用[A];2007年中国智能自动化会议论文集[C];2007年

5 靳其兵;林艳春;;丙烯脱乙烷塔出口组分的软测量[A];2004全国测控、计量与仪器仪表学术年会论文集（下册）[C];2004年

6 唐晓;王佳;;软测量方法评价区域海水腐蚀性的研究[A];2004年腐蚀电化学及测试方法学术交流会论文集[C];2004年

7 张自成;费敏锐;;基于人工神经网络的中速磨存煤量软测量方法[A];第七届工业仪表与自动化学术会议论文集[C];2006年

8 刘载文;许继平;侯朝桢;王正祥;薛福霞;;SBR污水处理系统神经网络软测量与控制技术[A];2005年中国智能自动化会议论文集[C];2005年

9 郑德忠;赵永磊;;基于新型广义预测算法的板厚软测量方法的研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅲ）[C];2008年

10 常青;杨捷;裴洪卿;;基于RBF神经网络的丙烯腈收率软测量方法[A];第十七届全国过路控制会议论文集[C];2006年

相关博士学位论文 前10条

1 于涛;基于混合模型的软测量方法研究及其在发酵过程中的应用[D];北京化工大学;2006年

2 杨强大;诺西肽发酵过程生化参数软测量方法的研究[D];东北大学;2009年

3 李修亮;软测量建模方法研究与应用[D];浙江大学;2009年

4 黄丽;基于数据驱动的生物反应过程软测量与优化控制[D];江苏大学;2011年

5 于晓明;支持向量机及其在制浆过程重要参数软测量中的应用研究[D];陕西科技大学;2012年

6 凌玉华;铝电磁铸轧带坯晶粒度软测量及复合磁场智能控制研究[D];中南大学;2010年

7 李铁;电熔镁炉熔池尺寸软测量方法的研究[D];大连理工大学;2013年

8 王强;基于非线性特征提取的软测量智能建模方法研究[D];中国石油大学（华东）;2013年

9 潘孝礼;穿孔过程关键参数软测量与优化控制[D];东北大学;2008年

10 任会峰;基于泡沫图像的铝土矿浮选pH值软测量及应用[D];中南大学;2012年

相关硕士学位论文 前10条

1 陈志杰;数据驱动的软测量及智能优化技术研究[D];浙江大学;2015年

2 闫业富;基于DSP的时—频谱估计纸浆流量软测量方法的研究[D];陕西科技大学;2015年

3 邢丽萍;时变工业过程参数的动态软测量方法研究[D];大连理工大学;2015年

4 夏源;基于信息熵的软测量问题研究[D];江南大学;2015年

5 刘龙;醋酸乙烯合成过程催化剂活性的软测量研究[D];河北科技大学;2015年

6 杨铭;基于多模型的高斯过程回归软测量方法研究[D];江苏大学;2015年

7 刘贺朋;基于支持向量机的水泥生料粉磨细度软测量方法研究[D];燕山大学;2016年

8 陈震宇;多自由度精密运动平台机械参数软测量方法[D];哈尔滨工业大学;2016年

9 左光磊;交流电力测功机特性参数降噪处理及其转矩软测量研究[D];湖南大学;2015年

10 张梦秋;基于软测量的污水水质预测系统[D];西北师范大学;2016年

，

本文编号：2287712