基于数据的软测量建模方法及其应用的研究

软测量技术通过构造某种数学关系,由容易测量的二次变量估计难以测量的主导变量,已成为过程控制领域的重点研究课题之一。软测量建模技术主要有两大类,一类是基于过程反应机理的机理建模技术,另一类是基于数据的统计建模技术。基于数据的软测量建模面临以下问题:过程变量众多且存在相关性,数据样本较少,过程具有高度非线性及时变性等。本文深入研究了基于部分最小二乘(PLS)的软测量建模方法,较好的解决了上述问题。论文的主要内容和研究成果包括: 1.给出了PLS 方法和PCR 方法的新的几何解释,证明在保留同样数目特征向量的情况下,PLS 模型能够给出比PCR 模型更好的拟合性能。提出一种改进的正交信号修正(OSC)方法,减少了计算量。作为PLS 方法的预处理步骤以去除自变量X 中与因变量Y 正交的信息,最后得到的模型大大简化,易于解释和理解。 2.针对过程的严重非线性问题,将PLS 方法与RBF 网络相结合,提出一种新的非线性PLS 模型-RBFPLS 模型,仿真结果表明该模型具有良好的预测性能。基于该模型,提出递推非线性PLS(RNPLS)算法,解决了非线性PLS 模型的在线更新问题,并给出了完整的模型在线估计和更新策略。实验结果验证了该方法的有效性。 3.将RBFPLS 模型和RNPLS 算法的应用于间歇过程的优化,提出一种基于递推更新的RBFPLS 模型的批到批优化方法。采用该优化算法可以使得最终质量变量经过几个批次就能收敛到令人满意的结果。仿真结果表明该方法优于现有的基于递推更新的PLS 模型的优化方法。 4.建立了基于操作域的聚丙烯熔融指数软测量模型,并已在实际工业生产装置上成功实施,提供生产操作指导,模型精度满足工业生产要求。