基于即时学习的变量加权算法的研究

发布时间：2021-09-15 10:22

　　由于实际工业过程中的复杂性、强非线性和时变性等特点,极大地限制了全局软测量模型的应用,即时学习算法作为一种局部软测量建模方法能够很好的解决此类问题。相似性度量是即时学习算法中最关键的一步,很大程度上直接决定了模型的预测精度。本文以局部加权偏最小二乘回归算法为基础,研究了给变量加权的即时学习算法,具体的研究工作如下:第一,针对工业过程中常见的相似性度量只考虑输入变量的问题,提出一种与输出相关的给变量加权的即时学习算法,并总结和比较了基于相关系数和基于回归系数给变量加权的算法。通过数值例子和脱丁烷塔化工过程验证了基于与输出相关的给变量加权的即时学习算法能够有效的提高系统的鲁棒性,并发现权重系数的不同阶次对模型的预测结果有一定的影响。第二,在基于与输出相关给变量加权的即时学习算法的基础上,首先研究了基于相关系数和回归系数给变量加权的权重系数的不同偶数阶次（包含绝对值）对模型预测结果的影响,通过具有时变过程的数值仿真例子和硫回收单元中硫化氢的浓度预测验证了权重系数的阶次越高,预测效果不一定越好,在异常值较多的情况下,取权重系数的绝对值的预测结果反而最佳;然后选取了四种常用的权重函数进行了即时学... 

【文章来源】：青岛科技大学山东省

【文章页数】：96 页

【学位级别】：硕士

【部分图文】：

脱丁烷塔过程流程图[74]

【参考文献】：
期刊论文
[1]基于多样性加权相似度的集成局部加权偏最小二乘软测量建模[J]. 潘贝,金怀平,杨彪,冯丽辉,陈祥光.  信息与控制. 2019(02)
[2]即时学习法在过程工业中的应用研究进展[J]. 杨鑫,周成宇.  计算机与应用化学. 2018(09)
[3]Just-in-time learning based integrated MPC-ILC control for batch processes[J]. Li Jia,Wendan Tan.  Chinese Journal of Chemical Engineering. 2018(08)
[4]火电厂SCR脱硝系统机理建模与控制研究[J]. 姚楚,龙东腾,吕游,刘吉臻.  热能动力工程. 2018(05)
[5]即时学习多模型加权GPR软测量方法[J]. 王莉,孙玉梅,杨凯,刘学杰,陈祥光.  北京理工大学学报. 2018(02)
[6]基于互信息的辅助变量筛选及在火电厂NOx软测量模型中的应用[J]. 马平,李珍,梁薇.  科学技术与工程. 2017(22)
[7]基于更新样本智能识别算法的自适应集成建模[J]. 汤健,柴天佑,刘卓,余文,周晓杰.  自动化学报. 2016(07)
[8]基于BP神经网络的溶解氧浓度软测量方法研究[J]. 安爱民,祁丽春,丑永新,张浩琛,宋厚彬.  计算机与应用化学. 2016(01)
[9]基于特征提取和极限学习机的软测量方法[J]. 严东,汤健,赵立杰.  控制工程. 2013(01)
[10]化工过程软测量建模方法研究进展[J]. 曹鹏飞,罗雄麟.  化工学报. 2013(03)

博士论文
[1]基于即时学习的复杂非线性过程软测量建模及应用[D]. 袁小锋.浙江大学 2016

硕士论文
[1]时变工业过程的即时学习软测量建模方法研究[D]. 祁成.江南大学 2019
[2]基于EM算法的不完全测量数据的处理方法研究[D]. 林东方.中南大学 2012
[3]软测量技术中的变量选择方法研究[D]. 陈渭泉.浙江大学 2004



本文编号：3395906