收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于协同训练算法的半监督软测量建模研究

包亮  
【摘要】:在现代工业过程中,为了保证生产过程平稳,及时跟踪产品质量,过程关键产品参数的检测具有至关重要的意义。虽然科技的进步使得很多不可测变量的检测变得可能,然而实际的工业过程包含有大量的物化反应,并伴有物质转换与能量传递,这给关键过程变量的获取造成了极大的困难,仍然存在着或多或少的关键过程变量无法实现在线检测,因此,工业中常通过采集过程中比较容易测量的变量,根据某种准则,构造出一种以某些容易测量变量作为输入的软测量模型,并利用该模型对这些难以检测的关键过程变量进行预测,实现对于主导变量信息的在线估计。然而,软测量建模需要完整的输入和输出数据,一般情况下,主导变量样本通常需要通过实验或者离线分析的方法得到,费用昂贵、耗时及成本较高。因此,实际过程中得到的主导变量样本会比较有限。相比之下,过程很容易获得大量辅助变量的样本。传统的软测量建模方法仅利用含有主导变量信息的样本进行建模,舍弃了大量的无标签样本(即只含辅助变量的样本)数据。但是,这些无标签样本同样含有重要的信息,如果能适当地挖掘出相关的信息,将无疑能改进软测量模型的预测性能。本文针对工业过程中的样本失衡、小样本以及非线性问题,提出了基于协同训练算法的过程软测量方法,主要的研究成果以及研究内容阐述如下:(1)针对建模数据较少而变量个数较多的小样本问题,提出了一种基于协同训练偏最小二乘(Co-training PLS)的软测量建模方法。此方法通过拆分输入变量,在训练集上建立两个模型并相互学习提高,最终在更新完毕的两个全维样本集上建模预测。仿真验证了该方法能够有效处理小样本问题并提升模型的预测精度。(2)针对非线性小样本问题,提出了基于协同训练局部加权偏最小二乘模型(Co-training LWPLS)的软测量建模方法。该方法通过选取不同相似度的方法在同一组数据上建立两个相异模型,并通过协同训练的思想迭代训练相互提高。仿真证明了该方法在处理非线性小样本问题上具有有效性。在文章的末尾,对本文的研究成果进行了系统总结并对于未来的研究工作进行了自己的思考与展望。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 薄翠梅;张湜;李俊;;工业共沸精馏塔软测量建模方法的研究与应用[J];南京工业大学学报(自然科学版);2006年03期
2 杨强大;王福利;常玉清;;基于阶段识别的诺西肽发酵过程软测量建模[J];仪器仪表学报;2008年08期
3 徐海霞;刘国海;周大为;梅从立;;基于改进核模糊聚类算法的软测量建模研究[J];仪器仪表学报;2009年10期
4 傅永峰;;一种动态软测量建模方法及其工业应用[J];自动化仪表;2011年09期
5 吕业;杨慧中;雷瑜;陶洪峰;;基于环路能量聚类的多模型软测量建模[J];化工自动化及仪表;2012年11期
6 张文清;杨慧中;;一种基于带监督局部保持投影的多模型软测量建模方法[J];华东理工大学学报(自然科学版);2012年06期
7 孙涛,曹广益;软测量建模方法分析[J];机床与液压;2005年02期
8 王卓;苑明哲;王宏;王天然;;水泥熟料质量指标的软测量建模研究[J];化工自动化及仪表;2006年06期
9 杨妍;陈如清;俞金寿;;基于混沌最小二乘支持向量机的软测量建模[J];华东理工大学学报(自然科学版);2009年06期
10 杜文莉;官振强;钱锋;;一种基于时序误差补偿的动态软测量建模方法[J];化工学报;2010年02期
11 马军爽;;污水处理出水水质软测量建模研究[J];微计算机信息;2010年01期
12 陈定三;杨慧中;;粗糙分类器的多模型软测量建模方法[J];计算机与应用化学;2010年04期
13 李雅芹;周开武;杨慧中;;基于贝叶斯网络的软测量建模方法[J];计算机与应用化学;2010年10期
14 陈定三;杨慧中;;基于局部重构融合流形聚类的多模型软测量建模[J];化工学报;2011年08期
15 吕鸣;;基于神经网络的软测量建模[J];陕西煤炭;2012年06期
16 王华忠,俞金寿;核函数方法及其在软测量建模中的应用研究[J];自动化仪表;2004年10期
17 薄翠梅;张湜;王执铨;李俊;;基于滑动时间窗的支持向量机软测量建模研究[J];自动化仪表;2006年01期
18 王其红;潘天红;邹云;;基于即时学习算法的软测量建模方法[J];南京理工大学学报(自然科学版);2007年06期
19 李修亮;苏宏业;褚健;;基于在线聚类和关联向量机的多模型软测量建模[J];化工自动化及仪表;2008年03期
20 马铭;孟庆锴;张利彪;;基于模糊系统优化的软测量建模[J];辽宁工程技术大学学报(自然科学版);2010年05期
中国重要会议论文全文数据库 前10条
1 吕哲;常玉清;王福利;;生化过程软测量建模方法的研究[A];2006中国控制与决策学术年会论文集[C];2006年
2 薄翠梅;张湜;李俊;;基于滚动时间窗的软测量建模方法的研究与应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
3 杜文莉;官振强;钱锋;;一种基于时序误差补偿的动态软测量建模方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年
4 马铭;孟庆锴;张利彪;;基于模糊系统优化的软测量建模[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
5 王恩博;彭亦功;;软测量建模若干方法研究[A];中国仪器仪表学会2007学术年会智能检测控制技术及仪表装置发展研讨会论文集[C];2007年
6 张勇;王介生;王伟;姚伟南;;浮选生产过程经济技术指标的软测量建模[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
7 陈定三;杨慧中;;基于SVC-KNN的多模型软测量建模[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
8 周旦丽;蒋爱平;;WD-LSSVM在软测量建模中的应用[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年
9 刘欣;蒋爱平;;微粒群神经网络在软测量建模中的应用[A];上海市化学化工学会2006年度学术年会论文摘要集[C];2006年
10 凌玉华;杨欣荣;李海娜;廖力清;王颂;;铝电磁铸轧带坯晶粒度软测量建模及优化[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
中国博士学位论文全文数据库 前4条
1 李春富;基于数据的软测量建模方法及其应用的研究[D];清华大学;2005年
2 安莉;发酵过程生物量软测量建模专家系统研究[D];北京化工大学;2010年
3 傅永峰;软测量建模方法研究及其工业应用[D];浙江大学;2007年
4 杨建文;金霉素发酵过程软测量建模及优化控制策略研究[D];北京理工大学;2015年
中国硕士学位论文全文数据库 前10条
1 曹涛;基于相关向量机的污水软测量建模研究[D];华南理工大学;2015年
2 岳文琦;基于ESN的化工过程软测量建模研究[D];兰州交通大学;2015年
3 靳鑫;半监督极限学习机在化工过程软测量建模中的应用研究[D];浙江工业大学;2015年
4 包亮;基于协同训练算法的半监督软测量建模研究[D];浙江大学;2016年
5 王赛;青霉素发酵过程软测量建模方法的研究[D];东北大学;2010年
6 郭景华;基于数据驱动的软测量建模技术应用研究[D];江南大学;2009年
7 周开武;贝叶斯方法在化工软测量建模中的应用研究[D];江南大学;2009年
8 李雅芹;机器学习在软测量建模方面的若干应用[D];江南大学;2011年
9 骆中华;基于数据驱动的软测量建模技术及其工业应用[D];浙江大学;2006年
10 陈贵华;基于自适应模糊核聚类的多模型软测量建模研究[D];华东理工大学;2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978