基于變量選擇的產品質量軟測量方法研究.pdf

1、在工業(yè)生產過程中，一些產品的質量參數(shù)無法直接測量，軟測量技術的發(fā)展有效的解決了這類問題。產品質量參數(shù)軟測量是保證產品效益最大化不可或缺的步驟，輔助變量選擇是軟測量建模的關鍵技術之一，因此，如何進行變量選擇來剔除無信息變量和冗余變量，以增強模型的魯棒性和提高質量的預測精度成為至關重要的問題。本文從變量選擇的角度，研究了提高產品質量軟測量模型精度的問題。
　　本研究主要內容包括：⑴針對近紅外光譜數(shù)據(jù)中無信息變量和冗余變量過多以及彈性網(wǎng)

2、方法在處理具有較多高相關變量的數(shù)據(jù)中的缺陷，提出了一種基于彈性網(wǎng)變量選擇的質量軟測量方法。該方法利用彈性網(wǎng)的回歸系數(shù)進行變量選擇，得到了一個稀疏模型，提高了模型的預測精度，并且還增強了模型的魯棒性和可解釋性，兩個生產實例驗證了該方法的有效性。⑵以互信息為基礎，提出了一種基于互信息變量選擇的質量軟測量方法。該方法對過程數(shù)據(jù)進行了線性檢驗，并且根據(jù)互信息對變量進行重要性排序，之后排序后的變量被逐步加入到偏最小二乘模型的建立中，最后以均方根誤

3、差為標準選出最優(yōu)變量子集。通過兩個工業(yè)實例數(shù)據(jù)進行了仿真驗證，仿真實驗結果表明該方法提高了質量預測精度，增強了模型的魯棒性。⑶針對動態(tài)時變工業(yè)過程，提出了一種基于互信息和最小二乘支持向量機的軟測量算法。該算法用互信息進行變量選擇，并引入了移動窗口技術，通過增量學習算法和減量學習算法對訓練數(shù)據(jù)進行了實時更新，建立了質量的在線預測模型。最后通過精餾過程中組分濃度測量實驗進行仿真驗證，仿真實驗結果表明該方法可以提高模型預測精度，并且可以降低模