大范圍工況系統(tǒng)的軟測(cè)量算法研究.pdf

1、隨著現(xiàn)代流程工業(yè)不斷發(fā)展，對(duì)產(chǎn)品多樣性的需求越來(lái)越高，生產(chǎn)過(guò)程日趨大型化、復(fù)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(cè)量算法已不能滿(mǎn)足大范圍工況系統(tǒng)的需求。而基于分治策略，利用自適應(yīng)機(jī)制的軟測(cè)量算法倍受人們關(guān)注。本文以大范圍工況系統(tǒng)為研究對(duì)象，以軟測(cè)量算法為主要研究?jī)?nèi)容，提出了一種自適應(yīng)多級(jí)偏最小二乘回歸算法（PLS）和一種自適應(yīng)高斯混合模型回歸算法（GMM），其主要內(nèi)容包括：
　　在多階段大范圍工況系統(tǒng)中，工況變化明顯，

2、過(guò)程變量的變動(dòng)遠(yuǎn)小于系統(tǒng)工況的變化。為此，本文依據(jù)過(guò)程變量方差的變動(dòng)，提出一種多級(jí)偏最小二乘回歸的軟測(cè)量算法。首先，在對(duì)比系統(tǒng)過(guò)程變量的方差大小基礎(chǔ)上，以方差最大的過(guò)程變量作為等級(jí)變量，劃分系統(tǒng)的工況，并計(jì)算各工況下變量的均值；在消除各工況差異后，構(gòu)造PLS的建模變量，消除工況變化對(duì)PLS模型的影響，提高軟測(cè)量算法的預(yù)測(cè)精度；此外，為增強(qiáng)算法的自適應(yīng)能力，本文還基于滑動(dòng)窗口機(jī)制，提出一種自適應(yīng)多級(jí)偏最小二乘算法，并以CSTR模型為例，驗(yàn)

3、證該算法的有效性。最后，將本文算法應(yīng)用到蒸餾塔IPB濃度檢測(cè)的軟測(cè)量中，拓展了算法的應(yīng)用。
　　由于操作條件的變化，大范圍工況系統(tǒng)往往也會(huì)呈現(xiàn)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(yīng)高斯混合模型回歸算法。首先利用聚類(lèi)算法將系統(tǒng)劃分為若干工況，將每個(gè)工況視為一個(gè)高斯過(guò)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(shù)，并建立其高斯子模型，以加權(quán)策略獲取整個(gè)系統(tǒng)的GMM軟測(cè)量模型；在此基礎(chǔ)上，引入減法聚類(lèi)算法