仪器仪表学报

作者：黄 成，金怀平，王 彬，钱 斌，杨 彪

单位：黄 成,1. 昆明理工大学信息工程自动化学院，2. 华能澜沧江水电股份有限公司,,金怀平,1. 昆明理工大学信息工程自动化学院,,王 彬,1. 昆明理工大学信息工程自动化学院,,钱 斌,1. 昆明理工大学信息工程自动化学院,,杨 彪,1. 昆明理工大学信息工程自动化学院,

关键词：软测量;集成学习;自适应机制;概念漂移;局部状态辨识;高斯混合回归

基金：国家自然科学基金(62163019)、云南省应用基础研究计划面上项目(202101AT070096)资助

集成软测量方法已被广泛应用于流程工业关键质量参数实时估计。但是,常规集成建模方法在基模型构建过程中往往局限于挖掘样本之间的空间关系,忽略了样本间的时序关系,从而导致过程局部状态挖掘不充分、基模型间多样性不足等问题。其次,传统软测量方法由于缺乏自适应机制而无法有效处理过程时变特征,从而导致模型性能发生退化。为此,提出一种基于时空局部学习(STLL)的集成自适应软测量方法。该方法首先通过移动窗口、即时学习技术分别挖掘样本间的时序关系和空间关系,并采用统计假设检验实现冗余状态剔除,进而构建多样性的时空局部高斯混合回归(GMR)模型。然后,基于在线选择性集成策略实现局部预测结果的自适应融合。此外,引入双重自适应机制以缓解模型性能退化问题。实验结果显示,相较于非自适应全局GMR模型、时间局部学习集成GMR模型、空间局部学习集成GMR模型,所提方法在金霉素发酵过程中的预测精度分别提升了70.3%,14.9%,27.8%;在脱丁烷塔过程中,分别提升了31.9%,21.2%,19.3%。

来源：2023年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第1期