基于DP-RFR的多模型软测量建模

作者：何新礼; 谢莉^*; 杨慧中

来源：控制工程, 2020, 27(01): 64-69.

DOI：10.14107/j.cnki.kzgc.170641

• 软测量
• 密度峰
• 随机森林回归
• 多模型

实际工业过程往往是一个多工况、非线性的大规模复杂系统,使得单一模型软测量建模方法难以充分挖掘数据信息。针对这一问题提出了一种基于密度峰(Density Peak,DP)聚类和随机森林回归(Random Forest Regression,RFR)的多模型软测量建模方法,从而对主导变量进行估计。首先,利用DP聚类算法对训练数据进行划分;其次,采用RFR方法建立各子类的回归子模型;最后采用开关切换的方法进行多模型融合。将提出方法应用于TE过程和丁烷蒸馏过程的软测量建模中,分别对产物G含量和丙烷含量进行估计。仿真结果表明估计精度得到提高,证明该方法是有效的。

• 单位
  江南大学