一种基于异构相似度的选择性集成即时学习软测量建模方法技术

本发明专利技术涉及一种基于异构相似度的选择性集成即时学习软测量方法，属于过程工业软测量建模和应用领域。本发明专利技术以局部加权偏最小二乘(LWPLS)算法为基学习器，通过定义多个相似度函数建立相似度函数库，然后基于进化多目标优化算法选择相似度函数，根据选出的相似度函数构建满足准确性和多样性指标的基模型，最后采用Stacking集成学习策略实现即时学习基模型的融合。本发明专利技术通过进化多目标优化算法从相似度库中选择合适的相似度以适应复杂的工业过程，通过集成策略有效地提升了预测精度。

A Soft Sensing Modeling Method Based on Heterogeneous Similarity for Selective Integrated Instant Learning

【技术实现步骤摘要】
一种基于异构相似度的选择性集成即时学习软测量建模方法
本专利技术涉及一种过程工业软测量建模和应用领域，特别涉及一种基于异构相似度的选择性集成即时学习软测量建模方法。
技术介绍
在现代工业过程中，实现被控参数的在线检测是过程控制及优化的必要条件，也是确保产品质量和生产过程安全运行的关键措施。然而，在复杂的工业现场环境中，相比于温度、压力、流量等易测得的数据信息来说，这些能直接或是间接反映质量信息的关键变量通常获取比较困难。以液体产品浓度为例，获取产品浓度信息可以通过在线分析仪获得，也可以通过采样后离线实验室分析获得，这两种方法各有优劣。通过在线分析仪获得实时浓度参数，但往往这些在线检测仪器价格都非常昂贵，后期维护困难。而通过采样离线实验室分析获得浓度信息，往往耗时大，有严重的滞后，不能及时的反应当前的产品质量状况。软测量技术正是为了解决这些难测参数的实时估计和控制发展起来的。软测量技术核心思想为：根据某种优化准则，选择一组与难测主导变量密切相关的辅助变量，构造某种数学关系，利用计算机等硬件平台实现主导变量的实时估计。查阅已有的专利和文献，可以发现软测量方法的实施主要有两大类：全局建模和本文档来自技高网...

【技术保护点】
1.一种基于异构相似度的选择性集成软测量建模方法，其特征在于，包括以下步骤：(1)利用集散控制系统收集工业过程中的辅助变量作为软测量建模的输入变量X，通过离线实验分析获取与输入变量X对应的变量作为输出变量Y，并形成样本集

【技术特征摘要】
1.一种基于异构相似度的选择性集成软测量建模方法，其特征在于，包括以下步骤：(1)利用集散控制系统收集工业过程中的辅助变量作为软测量建模的输入变量X，通过离线实验分析获取与输入变量X对应的变量作为输出变量Y，并形成样本集其中N为样本数，M为输入变量维度，L为输出变量维度；(2)将样本集[X,Y]分别划分为训练集和验证集，并且对样本集[X,Y]标准化处理得到均值为0，方差为1的新的样本集(3)分别定义多个不同的相似度函数，构建多样性的相似度函数库Γ＝[d1,d2,…dn,…dK]；(4)根据步骤(3)中K个相似度函数对应的相似度准则从训练集中挑选出K个不同的建模样本集，每个建模样本集中的样本数为Nl个；(5)通过LWPLS算法对步骤(4)中得到的K个不同的建模样本集进行建模得到K个基模型，并得到各个基模型的输出(6)利用进化多目标优化算法从K个相似度函数中选择Ms个相似度函数，Ms<K，并对应得到Ms个基模型；(7)采用Stacking集成策略，对选择出的Ms个基模型进行融合得测量模型。2.根据权利要求1所述的基于异构相似度的选择性集成软测量建模方法，其特征在于，所述步骤(3)中的相似度函数总共有13个，即K＝13，其中d1为欧式距离，d2为平均距离，d3为加权欧式距离，d4为Cosine角度，d5为分歧系数，d6为马氏距离，d7为堪培拉公制，d8为Chord，d9为群落系数，d10为群丛指数，d11为曼哈顿距离，d12为平均特征差异，d13为Pearson系数。3.根据权利要求1所述的基于异构相似度的选择性集成软测量建模方法，其特征在于，所述步骤(4)中任一相似度函数dn对应的相似度指标sn定义如下：其中，σd是的标准差，K＝13，ψ是局部化参...

【专利技术属性】
技术研发人员：金怀平，李建刚，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53