[发明专利]一种基于知识融合的在线软测量方法

摘要

本发明涉及一种基于知识融合的在线软测量方法，其包括以下步骤：1)设置一测量系统；2)选定经验公式作为先验知识表达式；3)将先验知识表达式输入先验知识计算模块，经过处理后，作为初始预测模型输入软测量模型预测模块；4)初始时刻，软测量模型预测模块直接使用初始预测模型对难测关键变量进行预测，并将预测结果输入控制器；5)软测量模型预测模块根据采集到的易测变量测量值预测难测关键变量值，并输入控制器和判定模块；6)判定模块根据实际的难测变量值，判断预测值的准确性；如果预测误差没有超出不敏感误差带，返回步骤5)；否则进行下一步；7)在线学习模型维护模块利用上步得到的新样本，对现有预测模型进行维护更新，并替换软测量模型预测模块中的软测量模型，返回步骤5)。

主权项

1.一种基于知识融合的在线软测量方法，其包括以下步骤：1)设置一包括数据采集设备、监控计算机以及控制器的测量系统，所述监控计算机内预设置有一先验知识计算模块、一软测量模型预测模块、一判定模块和一在线学习模型维护模块；2)将经验公式y＝p(x)中的p(x)表示成一种核函数的线性组合形式q(x)：p(x)≈q(x)=Σi=1dβiK(si,x)---(1)]]>其中，K(s_i，x)为指定的核函数；s_i∈S_d，(i＝1，..，d)为基向量，S_d为基向量集；β_i为一待定参数；3)将式(1)输入先验知识计算模块，迭代计算式(1)中的参数s_i，d，β_i，然后输送给软测量模型预测模块；4)在软测量模型预测模块中，设：初始时刻t＝0，每采集到一个新样本的相关易测变量测量值则令：t＝t+1；初始时刻，直接使用步骤3)输入的结果q(x)作为初始预测模型f₀(x)f0(x)=Σi=1dai(0)K(si,k)=q(x)=Σi=1dβiK(si,k)---(2)]]>初始预测模型f₀(x)根据数据采集设备采集到的相关易测变量测量值，对难测关键变量值进行预测，并将预测结果输送给控制器；其中，s_i∈S_d，(i＝1，..，d)；5)数据采集设备将t时刻采集到的新样本相关易测变量测量值x_t输入软测量模型预测模块，软测量模型预测模块根据当前的预测模型f_t-1(x)进行新样本函数值的在线预测，并将得到的软测量预测结果f_t-1(x_t)输送给控制器和判定模块；6)判定模块保存t时刻得到的预测函数值f_t-1(x_t)，直到数据采集设备采集到t时刻样本的难测关键变量测量值y_t，并将y_t输入判定模块；判定模块根据实际的难测变量值y_t，判断预测函数值f_t-1(x_t)的准确性；如果预测误差的绝对值没有超出不敏感误差带ε，即|e_t|＝|y_t-f_t-1(x_t)|≤ε，则认为当前模型的预测效果较好，不需进行模型更新，令f_t(x)＝f_t-1(x)，返回步骤5)；反之，|e_t|＝|y_t-f_t-1(x_t)|＞ε，则将样本(x_t，y_t)输送到在线学习模型维护模块，继续进行下一步；7)在线学习模型维护模块利用步骤6)中得到的新样本(x_t，y_t)，对现有预测模型f_t-1(x)进行维护更新，并将更新后的预测模型f_t(x)：ft(x)=Σi=1dai(t)K(si,k)---(3)]]>输送到软测量模型预测模块中，替换原有软测量模型，返回步骤5)。