基于集成变量选择型偏最小二乘回归的软测量方法技术

本发明专利技术公开一种基于集成变量选择型偏最小二乘回归的软测量方法，该方法同时建立了三个不同的变量选择型PLSR软测量模型，并通过加权的方式集成得到输出估计值。在线实施软测量时不拘泥于单个的变量加权型PLSR模型，而是采用多个软测量模型集成的方式，巧妙地避免了确定哪种变量选择型PLSR方法最适合为当前数据建立软测量模型这一难题。此外，本发明专利技术通过PLSR算法计算出来的回归系数向量来对各模型输出估计值进行适当加权，不仅不需要反复验证某个变量选择方法的适用性，而且还可以进一步地提高软测量模型的精度。可以说，本发明专利技术方法是在已有工作的基础上，利用集成建模思路有效地提升变量选择型PLSR方法用于软测量建模的适用性。

Soft sensing method based on integrated variable selection partial least squares regression

The invention discloses a soft measurement method of integrated variable selection based on partial least squares regression, this method also established three different variable selection type PLSR soft measurement model, and by means of weighting integrated by output estimates. Variable weighted PLSR model implemented online soft measurement does not rigidly adhere to a single, instead of using multiple soft measurement model integrated way to determine which type of PLSR variable selection method is the most suitable for the current data set up the problem of the soft measurement model skillfully avoided. In addition, the regression coefficient vector is calculated through the PLSR algorithm to estimate the model outputs are weighted properly, not only do not need to repeatedly verify the validity of the proposed method to choose a variable, but also can further improve the accuracy of soft measurement model. The method of the invention is based on the existing work and uses the integrated modeling idea to effectively improve the applicability of the variable selection PLSR method in the soft sensing modeling.

【技术实现步骤摘要】
基于集成变量选择型偏最小二乘回归的软测量方法
本专利技术涉及一种工业过程软测量方法，尤其是涉及一种基于集成变量选择型偏最小二乘回归的软测量方法。
技术介绍
在现代流程工业过程中，实时测量与监控产品的质量指标或其他某些能间接反映产品质量的指标是保证产品质量稳定性的最直接最简单的途径。相比于温度、流量、压力等容易测量的数据信息而言，这些能直接或间接反映产品质量信息的关键变量通常不是那么容易获取的。以液体产品的浓度为例，获取浓度信息可通过在线分析仪实时测量，也可通过人工采集液体样本进行离线分析，两种手段各有优劣。在线分析仪虽能保证实时测量到的质量信息，但设备价格高昂，而且后期维护成本较高。离线分析手段所需设备价格低廉，但会造成严重的滞后，无法及时反映当前质量状况。在这种背景下，软测量技术应运而生，其基本思想在于：先利用生产过程历史数据建立回归模型，后在线利用与之相关的其他容易测量的变量(如温度、压力、流量等)，估计出该难以测量变量的数值以便实时监控产品的质量信息。查阅已有的文献与专利，可以发现实施软测量的方法主要有：统计回归法、神经网络、支持向量回归等。通常来讲，在数据量非常充分以及非线性本文档来自技高网...

【技术保护点】
一种基于集成变量选择型偏最小二乘回归的软测量方法，其特征在于，包括以下步骤：(1)：利用集散控制系统收集工业生产过程中容易测量的数据组成软测量模型的输入训练数据矩阵X∈R

【技术特征摘要】
1.一种基于集成变量选择型偏最小二乘回归的软测量方法，其特征在于，包括以下步骤：(1)：利用集散控制系统收集工业生产过程中容易测量的数据组成软测量模型的输入训练数据矩阵X∈Rn×m，并对其进行标准化处理使各个过程变量的均值为0，标准差为1，得到新数据矩阵其中，n为训练样本数，m为过程测量变量数，R为实数集，Rn×m表示n×m维的实数矩阵；(2)：采用离线分析手段获取与输入训练数据X相对应的产品质量数据组成输出训练数据Y∈Rn×1，计算向量Y的均值μ与标准差ε，并对其进行标准化处理得到新输出数据(3)：利用偏最小二乘回归(PLSR)算法建立输入数据与输出之间的回归模型，如下所示：其中，为PLSR模型中d个得分向量组成的矩阵，P∈Rm×d与G∈R1×d分别为输入与输出数据的载荷矩阵，E∈Rn×m与F∈Rn×1分别为输入与输出数据的模型误差，U∈Rm×d为投影变换矩阵，β＝UGT为回归系数向量，上标号T表示矩阵或向量的转置；(4)：分别利用回归系数PLSR(β-PLSR)法、变量重要性PLSR(VIP-PLSR)法、和无益变量剔除PLSR(UVE-PLSR)法建立相应的软测量模型，并保留各自的回归系数向量β1，β2，β3，以及各自用于变量选择的位置标号集θ1，θ2，θ3以备调用；(5)：按照如下所示公式，分别利用β-PLSR、VIP-PLSR、和UVE-PLSR模型中的回归系数向量β1，β2，β3计算对应于输出的估计值，分别记做y1，y2，y3，即：yk＝Xkβk(2)上式中，Xk为依据位置标号θk从矩阵中选取相应的列组成的数据矩阵，下标号k＝1，2，3，并将y1，y2，y3组成新的输入矩阵Z＝[y1，y2，y3]∈Rn×3；(6)：再次利用PLSR算法建立新输入Z与输出之间的回归模型其中，b＝[b1，b2，b3]∈R3×1为回归系数向量，元素b1，b2，b3分别为β-PLSR、VIP-PLSR、和UVE-PLSR模型的权值，值得指出的是，利用PLSR算法建立Z与之间的回归模型的具体实施过程与步骤(3)相似，这里不再赘述；(7)：收集新的容易测量的数据xt∈Rm×1，并对其进行与X相同的标准化处理得到下标号t表示当前最新采样时刻；(8)：依据位置标号θ1，θ2，θ3分别从向量中选取相应的元素，对应组成新输入向量x1，x2，x3；(9)：根据如下所示公式，利用β-PLSR、VIP-PLSR、和UVE-PLSR模型中的回归系数向量分别计算得到t时刻的输出估计值即：(10)：通过加权法计算t时刻的输出估计值那么t采样时刻的质量指标的最终估计值为2.根据权利要求1所述的基于集成变量选择型偏最小二乘回归的软测量方法，其特征在于，所述步骤(3)中利用PLSR算法建立输入矩阵与输出向量之间回归模型的详细实施过程具体为：①初始化d＝1，并设置向量向量和矩阵②依据公式wd＝X0Tu/(uTu)计算输入权值向量wd，并用公式wd＝wd/|...

【专利技术属性】
技术研发人员：石立康，童楚东，朱莹，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江,33