基于在线聚类的多模型软测量建模方法

化工学报 ›› 2007, Vol. 58 ›› Issue (11): 2834-2839.

基于在线聚类的多模型软测量建模方法

李修亮;苏宏业;褚健

工业控制技术国家重点实验室，浙江大学先进控制研究所

出版日期:2007-11-05 发布日期:2007-11-05

Multiple models soft-sensing technique based on online clustering arithmetic

LI Xiuliang;SU Hongye;CHU Jian

Online:2007-11-05 Published:2007-11-05

摘要/Abstract

摘要：

针对石化行业中软测量建模样本的特性，提出一种基于在线聚类和v-支持向量回归机(vSVR)的多模型软测量建模方法。在vSVR建模过程中，通过在线聚类算法改善vSVR模型参数选择算法的稳定性，并用vSVR参数的先验知识和KKT条件实现模型参数的快速寻优，提高了模型的学习效率和精度。该建模方法在加氢裂化分馏塔装置的轻石脑油终馏点在线预测系统中取得了良好的效果。

关键词: 多模型, 软测量, 在线聚类, v-支持向量回归机, k-交叉验证算法

Abstract:

In order to use the properties of samples, a soft-sensing method with multiple models based on an online clustering arithmetic and v-support vector regression(vSVR) was presented.The parameter selection of vSVR is improved faster and robust by a new cross validation method using the online clustering arithmetic and parameter’s prior knowledge.The proposed soft-sensing method was used to predict the light naphtha end point in hydrocracker fractionators.Practical applications indicated the proposed method was useful for the online prediction of quality specifications in chemical processes.

Key words: 多模型, 软测量, 在线聚类, v-支持向量回归机, k-交叉验证算法

李修亮, 苏宏业, 褚健. 基于在线聚类的多模型软测量建模方法 [J]. 化工学报, 2007, 58(11): 2834-2839.

LI Xiuliang, SU Hongye, CHU Jian. Multiple models soft-sensing technique based on online clustering arithmetic[J]. CIESC Journal, 2007, 58(11): 2834-2839.

[1]	闫琳琦, 王振雷. 基于STA-BiLSTM-LightGBM组合模型的多步预测软测量建模[J]. 化工学报, 2023, 74(8): 3407-3418.
[2]	邵伟明, 韩文学, 宋伟, 杨勇, 陈灿, 赵东亚. 基于分布式贝叶斯隐马尔可夫回归的动态软测量建模方法[J]. 化工学报, 2023, 74(6): 2495-2502.
[3]	罗顺桦, 王振雷, 王昕. 基于二子空间协同训练算法的半监督软测量建模[J]. 化工学报, 2022, 73(3): 1270-1279.
[4]	陈忠圣, 朱梅玉, 贺彦林, 徐圆, 朱群雄. 基于分位数回归CGAN的虚拟样本生成方法及其过程建模应用[J]. 化工学报, 2021, 72(3): 1529-1538.
[5]	刘聪, 谢莉, 杨慧中. 基于改进DPC的青霉素发酵过程多模型软测量建模[J]. 化工学报, 2021, 72(3): 1606-1615.
[6]	李东, 黄道平, 刘乙奇. 基于协同训练的半监督异构自适应软测量建模方法的研究[J]. 化工学报, 2020, 71(5): 2128-2138.
[7]	黄耀波, 刘佳新, 徐祖华, 赵均, 邵之江. 基于PWA融合模型的注塑过程保压段建模及控制策略[J]. 化工学报, 2020, 71(3): 1103-1110.
[8]	杜宇浩, 阎高伟, 李荣, 王芳. 基于局部线性嵌入的测地线流式核多工况软测量建模方法[J]. 化工学报, 2020, 71(3): 1278-1287.
[9]	杨逸俊,王振雷,王昕. 基于最近邻与神经网络融合模型的软测量建模方法[J]. 化工学报, 2020, 71(12): 5696-5705.
[10]	代学志,熊伟丽. 基于核极限学习机的快速主动学习方法及其软测量应用[J]. 化工学报, 2020, 71(11): 5226-5236.
[11]	侯延彬,高宪文,李翔宇. 采油过程多尺度状态特征生成的有杆泵动态液面预测[J]. 化工学报, 2019, 70(S2): 311-321.
[12]	廉小亲, 王俐伟, 安飒, 魏伟, 刘载文. 基于SOM-RBF神经网络的COD软测量方法[J]. 化工学报, 2019, 70(9): 3465-3472.
[13]	秦美华, 朱红求, 李勇刚, 陈俊名, 张凤雪, 李文婷. 基于STA-K均值聚类的电化学废水处理过程离子浓度软测量[J]. 化工学报, 2019, 70(9): 3458-3464.
[14]	吴菁, 刘乙奇, 刘坚, 黄道平, 邱禹, 于广平. 基于动态多核相关向量机的软测量建模研究[J]. 化工学报, 2019, 70(4): 1472-1484.
[15]	吉文鹏, 杨慧中. 基于改进扩张搜索聚类算法的多流形软测量建模[J]. 化工学报, 2019, 70(2): 723-729.