基于混合粒子群優(yōu)化的多模型軟測(cè)量方法研究與應(yīng)用.pdf

1、軟測(cè)量技術(shù)是解決復(fù)雜測(cè)量任務(wù)、實(shí)現(xiàn)難測(cè)變量在線估計(jì)的有效方法，因能較好地克服在線分析儀表的不足，實(shí)時(shí)估計(jì)產(chǎn)品的質(zhì)量，為生產(chǎn)的優(yōu)化操作與控制提供實(shí)時(shí)、有效的產(chǎn)品質(zhì)量數(shù)據(jù)，受到業(yè)界的廣泛關(guān)注，并已在多個(gè)行業(yè)得到成功應(yīng)用。由于單一軟測(cè)量模型難以描述復(fù)雜系統(tǒng)的全局特性，因而一種將多個(gè)模型通過一定方式融合，來提高模型的預(yù)測(cè)精度和范化能力的建模方法受到業(yè)界的廣泛關(guān)注。但現(xiàn)存的多模型融合軟測(cè)量方法存在缺乏性能互補(bǔ)、個(gè)體子模型建模精度不足及線性融合方法

2、魯棒性不盡理想等問題?；诖吮疚膹淖幽Ｐ偷倪x擇優(yōu)化入手，通過采取不同的融合手段，并結(jié)合成品油調(diào)合的工藝特點(diǎn)主要進(jìn)行了以下工作：
　　 1.根據(jù)不同軟測(cè)量模型建模的快速性、對(duì)數(shù)據(jù)樣本的敏感性及預(yù)測(cè)精度等屬性，并考慮性能互補(bǔ)，選擇PLS、RBF及LS-SVM子模型建模方法，并對(duì)多模型的融合結(jié)構(gòu)進(jìn)行論證分析，結(jié)合融合后模型的性能及工業(yè)應(yīng)用的便利性，分別確定基于非線性BP網(wǎng)絡(luò)和線性兩種融合方法。
　　 2.用PSO優(yōu)化RBF及L

3、S-SVM建模時(shí)的正規(guī)化參數(shù)和核參數(shù)，并針對(duì)粒子群優(yōu)化算法隨維數(shù)增大群體多樣性相對(duì)減少而易早熟收斂的問題，在對(duì)和諧搜索算法進(jìn)行適應(yīng)性改進(jìn)的基礎(chǔ)上，將其引入粒子群算法中，提出了一種動(dòng)態(tài)和諧搜索混合粒子群優(yōu)化算法，提高了算法的尋優(yōu)能力及精確定位特性，為建立高精度的子模型奠定了基礎(chǔ)。
　　 3.對(duì)基于混合粒子群優(yōu)化的PLS、RBF及LS-SVM異類多模型進(jìn)行線性融合，并應(yīng)用于汽油調(diào)合系統(tǒng)中研究法辛烷值的預(yù)測(cè)，驗(yàn)證了其預(yù)測(cè)精度和魯棒性均

4、優(yōu)于單個(gè)子模型的預(yù)測(cè)精度和魯棒性。
　　 4.考慮到將幾個(gè)子模型的輸出以線性加權(quán)求和得到組合模型最終輸出的方法魯棒性不盡理想，所建組合模型對(duì)數(shù)據(jù)樣本仍可能較敏感，且各模型對(duì)總輸出的貢獻(xiàn)可能包含非線性等因素，并考慮到模型的在線修正問題，建立了基于混合粒子群優(yōu)化的異類動(dòng)靜模型的非線性融合模型，有效的改善了數(shù)據(jù)間的非線性影響及模型的在線修正，提高了模型的預(yù)測(cè)精度及魯棒性。
　　 論文提出的異類多模型混合建模方法能夠充分地利用被