自適應軟測量建模方法及其應用研究.pdf

1、軟測量技術是解決化工過程重要質量變量難以在線測量問題的一種有效方法，其核心研究內容是軟測量建模方法。針對非線性較強、機理較為復雜的時變生產過程，提出了兩種自適應軟測量建模方法，其中動態(tài)選擇性集成神經網絡用于解決待預測數據差異性問題，移動窗高斯過程回歸可根據新有效數據實時更新軟測量模型，并將其應用于聚丙烯熔融指數軟測量研究中，以實現熔融指數在線預測。
　　主要研究工作如下:
　　(1)對軟測量技術進行了全面分析與總結。在對軟測

2、量技術的主要實施方法總結的基礎上，系統(tǒng)綜述了常用自適應軟測量方法及其研究現狀，詳細分析了各種方法的設計思想和優(yōu)缺點，并對其發(fā)展方向進行了展望;
　　(2)為了提高集成神經網絡模型的預測性能，從數據自適應角度出發(fā)，提出了一種動態(tài)選擇性集成神經網絡建模方法。首先用Bootstrap算法生成一組候選子模型，然后利用待預測樣本數據的最近鄰樣本集作為評估樣本，對各候選子模型進行性能評估，最后從中選擇預測性能最佳的子模型用于模型集成。采用UC

3、I數據庫中的混凝土坍落度數據測試了該建模方法的有效性;
　　(3)針對生產過程的時變特性，以及軟測量技術實施過程中對模型預測可信度的需求，將移動窗方法與高斯過程回歸相結合，提出了一種移動窗高斯過程回歸自適應建模方法。該方法克服了傳統(tǒng)移動窗方法的缺點，根據對數預測密度誤差對窗口數據進行更新，使模型盡可能表現當前過程狀態(tài)，并采用預測誤差閾值方法判斷過程狀態(tài)是否發(fā)生改變，若發(fā)生改變則進行選擇性模型更新，減少了模型更新次數，進而減少了計算

4、負荷;
　　(4)以聚丙烯熔融指數為應用對象，開展了自適應軟測量建模方法的應用研究。采用動態(tài)選擇性集成神經網絡建立了熔融指數軟測量模型，研究了聚丙烯熔融指數的短期在線準確預測問題。采用移動窗高斯過程回歸構建熔融指數軟測量模型，研究聚丙烯熔融指數的長期趨勢跟蹤問題。通過合理融合上述兩種自適應軟測量建模方法，提出了一種混合自適應軟測量建模方法，驗證結果表明:采用該建模方法建立的熔融指數軟測量模型，可實現熔融指數的長期準確預測。