基于數(shù)據(jù)的軟測(cè)量建模方法研究及應(yīng)用.pdf

1、在工業(yè)生產(chǎn)和制造過(guò)程中存在著大量過(guò)程參數(shù)，這些參數(shù)往往與生產(chǎn)效率及產(chǎn)品質(zhì)量密切相關(guān)，需要加以嚴(yán)格控制。然而，出于技術(shù)、工藝或經(jīng)濟(jì)的原因，無(wú)法對(duì)這些過(guò)程參數(shù)進(jìn)行直接測(cè)量，為解決這個(gè)問(wèn)題，軟測(cè)量技術(shù)便應(yīng)運(yùn)而生，并已發(fā)展為當(dāng)前過(guò)程控制和過(guò)程檢測(cè)領(lǐng)域研究的熱點(diǎn)之一。軟測(cè)量建模方法主要有三種：第一種是基于過(guò)程反應(yīng)機(jī)理的建模方法；第二種是基于數(shù)據(jù)驅(qū)動(dòng)的統(tǒng)計(jì)建模方法；第三種是混合建模方法，即前兩種方法的結(jié)合體。論文的主要研究?jī)?nèi)容包括：
　　

2、1.介紹了軟測(cè)量技術(shù)的背景、概念、基本模型以及常用的軟測(cè)量建模方法，重點(diǎn)介紹基于部分最小二乘(Partial Least Squares，PLS)建模方法的發(fā)展歷史及研究現(xiàn)狀。
　　 2.介紹PLS 建模方法，給出其基本性質(zhì)，并從理論上分析PLS 方法的幾何意義及其特性，結(jié)果證明了當(dāng)保留同樣數(shù)目的特征變量時(shí)，PLS 比主元回歸(Principal Component Regression，PCR)的擬合結(jié)果更優(yōu)越。
　　

3、 3.提出了一種新型的非線性部分最小二乘(NLPLS，Nonlinear Partial leastSquares)建模方法，可以更加有效處理過(guò)程非線性和數(shù)據(jù)共線性等復(fù)雜特性，提高模型的精度和推廣能力。對(duì)聚丙烯熔融指數(shù)軟測(cè)量建模的應(yīng)用結(jié)果表明，采用該方法建立的軟測(cè)量模型在模型精度和推廣能力等方面明顯優(yōu)于NLPLS-II模型中的二次型多項(xiàng)式部分最小二乘(Quadratic Polynomial Partial Least Squares,

4、QQPLS)方法建立的模型，并且計(jì)算精度滿足工業(yè)生產(chǎn)的實(shí)際要求。
　　 4.針對(duì)模糊C 均值(Fuzzy C-Means，F(xiàn)CM)聚類算法對(duì)其初值的敏感度高，容易陷入局部最優(yōu)解的缺點(diǎn)，引入了減法FCM 聚類算法進(jìn)行模糊結(jié)構(gòu)辨識(shí)，然后用高斯核函數(shù)實(shí)現(xiàn)非線性PLS 進(jìn)行參數(shù)辨識(shí)，得到一種模糊PLS 建模方法。并將該方法應(yīng)用于工業(yè)PH 值中和軟測(cè)量模型，同時(shí)與NLPLS-II 模型中的RBFPLS和QQPLS 方法進(jìn)行性能比較，仿真結(jié)