对于具有非高斯特性的时变工业过程,一般的软测量方法建立的模型很难满足精度要求。为有效解决上述问题,提出一种基于贝叶斯高斯混合模型(BGMM)的即时学习软测量建模方法。对于给定的训练样本集,利用贝叶斯信息准则对高斯混合模型的成分个数进行优化;对于新的测试样本,利用BGMM相似度准则从训练样本中找出与之最相似的一组样本建立高斯过程回归模型;用该模型对测试样本进行预测。通过脱丁烷塔塔底丁烷浓度的软测量建模仿真,验证了所提方法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
