科研之友
微信
新浪微博
Facebook
分享链接
摘要
流程工业过程具有非线性、多时段、多模式、时变性等复杂过程特性，导致传统的全局和集成学习软测量方法预测性能不佳。为此，提出一种基于多相似度局部状态辨识的集成学习自适应软测量建模方法，简称为MSOSE。该方法的实施包含三个主要阶段。在离线建模阶段，从不同的相似度准则出发辨识局部过程状态，进而生成多样性的局部模型。在线预测阶段，通过双层集成策略实现模型的在线动态选择、模型权重自适应确定、局部预测结果融合。在线更新阶段，通过KL散度评价当前与相邻状态数据分布的差异性以实现概念漂移的实时检测，进而决定是否在线添加局部模型。此外，将新获取的离线检测值添加入建模数据库。MSOSE方法的有效性和优越性通过工业金霉素发酵过程和脱丁烷塔过程进行了验证。
- 单位
