大范圍工況系統(tǒng)的軟測量算法研究.pdf

1、隨著現代流程工業(yè)不斷發(fā)展，對產品多樣性的需求越來越高，生產過程日趨大型化、復雜化，系統(tǒng)的工況也隨之增多，傳統(tǒng)單一建模方式的軟測量算法已不能滿足大范圍工況系統(tǒng)的需求。而基于分治策略，利用自適應機制的軟測量算法倍受人們關注。本文以大范圍工況系統(tǒng)為研究對象，以軟測量算法為主要研究內容，提出了一種自適應多級偏最小二乘回歸算法（PLS）和一種自適應高斯混合模型回歸算法（GMM），其主要內容包括：
　　在多階段大范圍工況系統(tǒng)中，工況變化明顯，

2、過程變量的變動遠小于系統(tǒng)工況的變化。為此，本文依據過程變量方差的變動，提出一種多級偏最小二乘回歸的軟測量算法。首先，在對比系統(tǒng)過程變量的方差大小基礎上，以方差最大的過程變量作為等級變量，劃分系統(tǒng)的工況，并計算各工況下變量的均值；在消除各工況差異后，構造PLS的建模變量，消除工況變化對PLS模型的影響，提高軟測量算法的預測精度；此外，為增強算法的自適應能力，本文還基于滑動窗口機制，提出一種自適應多級偏最小二乘算法，并以CSTR模型為例，驗

3、證該算法的有效性。最后，將本文算法應用到蒸餾塔IPB濃度檢測的軟測量中，拓展了算法的應用。
　　由于操作條件的變化，大范圍工況系統(tǒng)往往也會呈現非階段特性，不易于工況劃分。為此，本文基于分治策略，提出一種自適應高斯混合模型回歸算法。首先利用聚類算法將系統(tǒng)劃分為若干工況，將每個工況視為一個高斯過程，利用期望最大化算法，優(yōu)化得到各工況下的最優(yōu)參數，并建立其高斯子模型，以加權策略獲取整個系統(tǒng)的GMM軟測量模型；在此基礎上，引入減法聚類算法