科研之友
微信
新浪微博
Facebook
分享链接
摘要
历史数据库中各数据集之间存在工况差异，会在一定程度上降低即时学习方法在非线性工业过程数据上的预测精度。针对多工况问题，研究了一种基于工况差异度量的多源集成即时学习软测量模型，首先，采用公共差异信息提取方法(JIVE)提取各过程的特殊信息，并以当前过程作为查询域；然后，计算其与各历史过程的特殊信息之间的KL散度，并得到最近邻域；最后，利用得到的最近邻域与对应的度量信息建立多源集成即时学习模型并得到加权预测结果。通过田纳西-伊斯曼(TE)多工况过程数据仿真结果表明，该方法可以有效地提升软测量模型的预测精度和稳定性。
- 单位
