[发明专利]基于集成变量选择型偏最小二乘回归的软测量方法

权利要求书

1.一种基于集成变量选择型偏最小二乘回归的软测量方法，其特征在于，包括以下步骤：

(1)：利用集散控制系统收集工业生产过程数据组成软测量模型的输入训练数据矩阵X∈R^n×m，并对其进行标准化处理使各个过程变量的均值为0，标准差为1，得到新数据矩阵其中，n为训练样本数，m为过程测量变量数，R为实数集，R^n×m表示n×m维的实数矩阵；

(2)：采用离线分析手段获取与输入训练数据矩阵X相对应的产品质量数据组成输出训练数据Y∈R^n×1，计算Y的均值μ与标准差ε，并对其进行标准化处理得到新数据向量

(3)：利用偏最小二乘回归(PLSR)算法建立新数据矩阵与新数据向量之间的回归模型，如下所示：

其中，为PLSR模型中d个得分向量组成的矩阵，P∈R^m×d与G∈R^1×d分别为输入与输出数据的载荷矩阵，E∈R^n×m与F∈R^n×1分别为输入与输出数据的模型误差，U∈R^m×d为投影变换矩阵，β＝UG^T为回归系数向量，上标号T表示矩阵或向量的转置；

(4)：分别利用β-PLSR方法、VIP-PLSR方法、和UVE-PLSR方法建立相应的软测量模型，并保留各自的回归系数向量β₁，β₂，β₃，以及各自用于变量选择的位置标号集θ₁，θ₂，θ₃以备调用；

(5)：按照如下所示公式，分别利用回归系数向量β₁，β₂，β₃计算的估计值，分别记做y₁，y₂，y₃，即：

y_k＝X_kβ_k (2)

上式中，X_k为依据位置标号θ_k从中选取相应的列组成的数据矩阵，下标号k＝1，2，3，并将y₁，y₂，y₃组成新的输入矩阵Z＝[y₁，y₂，y₃]∈R^n×3；

(6)：再次利用PLSR算法建立新的输入矩阵Z与之间的回归模型其中，b＝[b₁，b₂，b₃]∈R^3×1为回归系数向量，元素b₁，b₂，b₃分别为β-PLSR、VIP-PLSR、和UVE-PLSR的权值；

(7)：收集新数据x_t∈R^m×1，并对其进行与X相同的标准化处理得到下标号t表示当前最新采样时刻；

(8)：依据位置标号集θ₁，θ₂，θ₃分别从向量中选取相应的元素，对应组成新输入向量x₁，x₂，x₃；

(9)：根据如下所示公式分别计算得到t采样时刻的输出估计值即：

(10)：通过加权法计算t采样时刻的输出估计值那么t采样时刻的质量指标的最终估计值为