一种基于深度模糊系统的软测量建模方法技术方案

一种基于深度模糊系统的软测量建模方法，其属于工业生产实时测量的技术领域。该方法包括收集历史工业过程数据集，构造训练样本集；将训练样本集通过滑窗选取策略生成特征子空间；利用划分后的集合训练深度模糊系统，获得回归训练结果；按照深度模糊系统的训练方式，逐层递进地处理测试样本集，最终得到回归预测结果。该方法中深度模糊回归系统以层次化的方式堆叠而成，在处理高维度数据时，首先将样本拆分成多个特征子空间的形式，通过部件模型学习模糊规则，再通过层次间的转换和特征增强进一步强化数据的表征能力，进而提高模型的表征能力和泛化能力，既具有数据挖掘的能力，又有着良好的可解释性，提升工业过程软测量建模的预测精度和稳定性。

【技术实现步骤摘要】

本专利技术涉及一种基于深度模糊系统的软测量建模方法，该方法在工业过程控制与工业生产实时测量领域具有一定的应用可行性。

技术介绍

1、为顺应经济全球化的发展态势，提升工业能力，工业测量的方式发生了变革，譬如借助机械化设备实现在线监测与统计，结合人工智能技术实现监测数据的有效分析与过程优化等，对工业测量提供了便捷性与可参考性。然而，一些测量设备存在着成本高、精确度低、监测延迟大等弊端，无法保证在线监测的质量，因此更为灵活有效的基于数学理论基础以及计算机技术的工业软测量方法应运而生。

2、一般来说，工业的软测量方法可以大致分为第一性原理模型(fpms)以及数据驱动模型(ddms)。前者依赖于物理化学等先验知识或详细的工业过程机制实现的，但对于现实工业条件来说，这些先决条件并不容易达到。因此，数据驱动的软测量方式基于数据信息实现软测量方法的建模，具有高效、低成本等优势，已成为当今的一种主流软测量方式。

3、基于数据驱动的软测量需要对数据信息进行充分的挖掘，但是工业数据存在非线性强、数据冗余、噪声多等问题，简单的机器学习模型无法满足工业要求，本文档来自技高网...

【技术保护点】

1.一种基于深度模糊系统的软测量建模方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度模糊系统的软测量建模方法，其特征在于，步骤S2具体包括：

3.根据权利要求1所述的基于深度模糊系统的软测量建模方法，其特征在于，步骤S3具体为：

4.根据权利要求3所述的基于深度模糊系统的软测量建模方法，其特征在于，步骤3.2中通过Wang-Mendel方法获得模糊规则具体为：

5.根据权利要求1所述的基于深度模糊系统的软测量建模方法，其特征在于，步骤S4中最终的预测结果：

【技术特征摘要】

1.一种基于深度模糊系统的软测量建模方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度模糊系统的软测量建模方法，其特征在于，步骤s2具体包括：

3.根据权利要求1所述的基于深度模糊系统的软测量建模方法，其特征在于，步骤s3具...

【专利技术属性】
技术研发人员：王元刚，姜雪婷，贺鑫诚，杜熠鑫，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：