[发明专利]一种基于深度偏最小二乘模型的工业软测量方法

权利要求书

1.一种基于非线性偏最小二乘模型的工业软测量方法，其特征在于，包括以下步骤：

(1)输入历史工业过程中的训练数据X和对应的标签y；训练数据X为13个测量仪表变量包括温度、流量、压力，标签y为炉膛内的氧气浓度；

(2)构建非线性偏最小二乘模型，具体为：

(2.1)将X映射到高维非线性空间，获得非线性特征H＝φ(X)，其中φ为非线性映射操作符；

(2.2)建立非线性特征与因变量间的偏最小二乘回归关系，具体为：对i＝1～k，循环执行步骤(2.2.1)～(2.2.6)；其中，k为隐变量个数；

(2.2.1)计算第i个权重向量

(2.2.2)计算第i个隐变量u_i＝Hp_i；

(2.2.3)计算非线性特征H对第i个隐变量u_i的回归系数

(2.2.4)计算因变量y对第i个隐变量u_i的回归系数

(2.2.5)对H进行更新：

(2.2.6)对y进行更新：y＝y-u_ic_i；

(2.3)最终得到以下模型参数：

P＝[p₁，p₂，...，p_k]

R＝[r₁，r₂，...，r_k]

U＝[u₁，u₂，...，u_k]

C＝[c₁，c₂，...，c_k]^T

P^*＝P(R^TP)^-1

(3)预测阶段，对于一个新的测试样本x_t，对应的标签预测值为

2.如权利要求1所述基于非线性偏最小二乘模型的工业软测量方法，其特征在于，训练数据X和对应的标签y、非线性特征H，使用前，均进行标准化。

3.如权利要求1所述基于非线性偏最小二乘模型的工业软测量方法，其特征在于，采用的非线性映射方法为Nystrom方法。

4.一种基于深度偏最小二乘模型的工业软测量方法，其特征在于，包括以下步骤：

步骤一：输入历史工业过程中的训练数据X和对应的标签y；训练数据X为13个测量仪表变量包括温度、流量、压力，标签y为炉膛内的氧气浓度；

步骤二：构建深度偏最小二乘模型，由L层权利要求1所述非线性偏最小二乘模型分层级联组成，并得到最后一层的隐变量矩阵与训练集标签y间的回归关系；其中，每一层非线性偏最小二乘模型提取的隐变量个数分别为k_l，l＝1～L；第l层非线性偏最小二乘模型的训练数据X^(l)为第l-1层非线性偏最小二乘模型的隐变量矩阵U^(l-1)；每一层训练数据对应的标签始终为原始的标签y；其中，第一层非线性偏最小二乘模型的输入X⁽¹⁾为步骤一中的X；

步骤三：在预测阶段，将新的工业过程测试样本输入步骤二构建的深度偏最小二乘模型中，得到对应的标签预测值。