[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有效
申请号: | 202110819243.8 | 申请日: | 2021-07-20 |
公开(公告)号: | CN113379002B | 公开(公告)日: | 2022-05-03 |
发明(设计)人: | 葛志强;孔祥印 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08;G01D21/02 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 邱启旺 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 最小 模型 工业 测量方法 | ||
本发明提出了一种基于深度偏最小二乘模型的工业软测量方法。本发明结合非线性映射与PLS隐变量提取,提出了一种非线性偏最小二乘建模算法(NPLS)。NPLS在执行隐变量特征提取前先对训练数据中的自变量进行一次非线性映射将其映射到高维非线性特征空间,随后在高维空间建立非线性特征与因变量间的回归关系。NPLS能有效地解决非线性问题。此外,为了进一步拓展模型复杂度、提升其学习能力,本发明使用分层级联的模型架构将浅层的NPLS模型转换为深层的深度偏最小二乘模型(DPLS)。相比传统PLS,本发明提出的DPLS能够提取深度非线性特征,是一种有效且强大的工业软测量建模方法。
技术领域
本发明属于工业过程预测及软测量领域,尤其涉及一种基于深度偏最小二乘模型的工业软测量方法。
背景技术
在工业生产中存在很多难以直接测量或测量成本较高的变量,这些变量往往又对生产运行至关重要。工业过程软测量技术是通过建立待测变量与其他易测变量间的数学模型来估计待测变量的真实值的一种方法。在这类问题中,易测变量通常叫做过程变量,主要包括温度、压力、流量等指标,待预测的难测变量通常称作质量变量,如某类化学物质的含量或浓度。
工业软测量本质上属于回归问题。在回归领域,偏最小二乘法(PLS)是一种被广泛使用的经典算法。它通过隐变量这一中间桥梁去建模自变量与因变量之间的数学关系。PLS结合了主成分分析、典型相关分析、多元回归的优点。尽管PLS已经成功地应用在多个领域,但它是一种线性模型,而工业生产过程往往是非线性程度较高的场景。若将PLS直接应用于工业软测量建模,该方法的表现往往不尽如人意。此外,随着现代工业生产的日益复杂,传统的PLS方法的学习能力已经渐渐不能满足目前的建模需求了。
发明内容
本发明的目的在于针对现有技术中传统的PLS方法无法应用于非线性工业软测量建模的不足,提供一种基于深度偏最小二乘模型的工业软测量方法。
本发明的目的是通过以下技术方案来实现的:一种基于非线性偏最小二乘模型的工业软测量方法,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。
(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ui=Hpi。
(2.2.3)计算非线性特征H对第i个隐变量ui的回归系数
(2.2.4)计算因变量y对第i个隐变量ui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-uici。
(2.3)最终得到以下模型参数:
P=[p1,p2,...,pk]
R=[r1,r2,...,rk]
U=[u1,u2,...,uk]
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110819243.8/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种支架置入器
- 下一篇:一种用于异形法兰锻件的淬火吊装工装