高斯過程模型及其在工業(yè)過程軟測量中的應(yīng)用研究.pdf

1、隨著生產(chǎn)技術(shù)的發(fā)展和生產(chǎn)過程的日益復雜，為確保生產(chǎn)裝置安全、高效地運行，需要對與系統(tǒng)的穩(wěn)定、產(chǎn)品質(zhì)量密切相關(guān)的重要過程變量進行實時監(jiān)測和優(yōu)化控制。然而，由于種種原因，這些需要被監(jiān)控的變量有的很難被直接測得，有的即使能直接測到，但投資費用昂貴且測量滯后較大。軟測量(soft sensor)為以上問題提供了一個有效的解決辦法。 軟測量的核心就是建模。近年來，核方法(kernel methods)在機器學習領(lǐng)域中日益盛行起來，它能將

2、經(jīng)典的線性分類算法以簡潔、優(yōu)雅的方式拓展到非線性情況中去。本文主要研究了核方法中的高斯過程(Gaussian processes)方法，為解決軟測量建模提供了一種新的有效途徑。在此基礎(chǔ)上，豐富了實驗室現(xiàn)有軟儀表的算法庫，并將軟儀表在甲醇精餾工業(yè)生產(chǎn)裝置上成功實施。 論文的主要內(nèi)容和研究成果包括： 1．根據(jù)高斯過程的基本理論，提出了基于標準高斯過程的軟測量建模方法，該學習機采用平方指數(shù)協(xié)方差函數(shù)為核函數(shù)，訓練時使用變尺度

3、共軛梯度法米優(yōu)化超參數(shù)。為了將標準高斯過程推廣到非高斯噪聲的情況，提出了基于變型高斯過程的軟測量建模方法，該學習機采用雙曲正切協(xié)方差函數(shù)為核函數(shù)，對標準高斯過程的輸出空間實施非線性單調(diào)變換。從平滑樣條模型出發(fā)，對比分析了核方法的兩大范式——高斯過程和支持向量機的聯(lián)系與區(qū)別，為進一步理解和推進核方法的研究奠定了良好的基礎(chǔ)。 2．針對在線應(yīng)用和大數(shù)據(jù)集等情況，提出了基于稀疏高斯模型的軟測量建模方法。它是基于Bayes在線學習算法，通

4、過構(gòu)造一連串的相關(guān)子樣本來給出高斯過程的預測輸出。通過利用參數(shù)化和再生核Hilbert空間范數(shù)的投影技巧，得到優(yōu)化后的參數(shù)和后驗過程的稀疏高斯逼近。運用稀疏技巧極大地減輕了高斯模型的計算量，推動了“國家發(fā)改委”工業(yè)自動化高技術(shù)產(chǎn)業(yè)化重大專項＂之＂煤化工企業(yè)綜合自動化信息集成平臺及應(yīng)用”；國家高技術(shù)研究發(fā)展計劃(863計劃)項目(2004AA412050)；國家＂十五＂科技攻關(guān)計劃項日(2001BA20lA04)軟測量模型的實際運用。

5、 3．針對工業(yè)過程的多工況特性，提出了基于混合高斯模型的軟測量建模方法。通過判斷出與特定工況相關(guān)程度最大的過程知識，利用它們建立與特定工況相對應(yīng)的局部高斯模型，再將它們合并組成具有多模型結(jié)構(gòu)的全局模型?；旌夏Ｐ偷氖褂眉扔欣诮档蛦我荒Ｐ偷挠嬎阖摀?、提高單一模型的建模精度，又能有效反映工業(yè)過程中的工況變化。 4．結(jié)合所提出的軟測量建模方法，利用面向?qū)ο?、多線程、動態(tài)鏈接庫等軟件技術(shù)，開發(fā)了基于wincE.net的嵌入式軟儀表，