[发明专利]一种基于块增量随机配置网络的工业过程软测量建模方法

权利要求书

1.一种基于块增量随机配置网络的工业过程软测量建模方法，其特征在于，包括以下步骤：

S1，初始化块增量随机配置网络学习所需要的参数；所述参数包括最大隐层节点数L_max、最大随机配置次数T_max、期望容差ε、隐层参数随机配置范围Υ、学习参数r、第一次迭代中的块宽即初始隐层节点数Δ₁、第一次迭代中的残差e₀，令e₀为输出样本O，输出样本O为磨矿粒度，网络的隐层节点数从Δ₁开始增加；

S2，根据监督机制，将隐层节点按块配置，并找出满足约束条件的隐层节点块作为新增候选节点块；

当第k次迭代增加Δ_k个隐层节点时，在可调对称区间[-λ,λ]^d和[-λ,λ]内分别随机生成隐层参数，包括输入权值和偏置d为维度；

将所述隐层参数依次代入激活函数，得到新增隐层输出块：x_i为样本数据，每个样本数据包括磨机给矿量、球磨机入口给水量、螺旋分级机溢流浓度、球磨机电流、螺旋分级机电流；

设定μ_L＝(1-r)/(L+Δ_k)，L为当前网络隐层节点总数；

找出满足以下不等式约束的隐层节点块即为新增候选节点块：

min{ξ_L,1,...,ξ_L,q,...,ξ_L,m}≥0

其中，为上一次迭代网络的残差，为第k次迭代时输出权值的中间值；

S3，从所述新增候选节点块中找出最佳隐层参数，计算新增隐层输出，并构建隐层输出矩阵；

S4，通过优化算法得到当前网络的输出权值，并根据相邻两次迭代中残差的差值，利用模拟退火来更新下一次迭代的块宽，在当前网络隐层节点数超过给定最大隐层节点数或当前迭代中的残差满足期望容差时，不再增加新节点块，建模完成，得到块增量随机配置网络；

S5，根据得到的块增量随机配置网络实现工业过程的软测量。

2.根据权利要求1所述的基于块增量随机配置网络的工业过程软测量建模方法，其特征在于，所述步骤S3包括：

将所述新增候选节点块分别代入得到

找出使得ξ_L最大的一组隐层参数，即为满足监督机制的最佳隐层参数和

若找不到满足条件的隐层参数，则通过对r进行补偿：放宽条件重复以上寻找新增候选节点块的步骤，即：r＝r+τ，其中，τ∈(0,1-r)；

此时，网络的隐层输出矩阵为：

其中，