科研之友
微信
新浪微博
Facebook
分享链接
摘要
工业过程的产品质量往往难以在线检测,导致建模样本中存在大量的无标记样本,因此建立产品质量软测量模型需要采用半监督学习(SSL)方法。工业过程通常具有慢时变特性,因此所建立的数据模型也应随之改变参数,且具有一定的平滑性。针对这一特性,基于随机权神经网络RVFLN,提出了一种新颖在线自适应半监督学习算法,即OAS-RVFLN。所提算法通过引入L2融合项,采用权值偏差约束,将离线和在线学习相统一,并使模型参数的优化问题得到平滑性。在基准测试函数和数据集上的实验研究表明所提出的OAS-RVFLN在学习速度和精度均优于传统方法;并将其应用于煤炭工业的重介质选煤过程,估计产品灰分,进一步验证了其有效性以及工业应用的潜力。
-
单位中国矿业大学（北京）; 东北大学; 流程工业综合自动化国家重点实验室
