混合核函数PLS建模方法及在软测量中的应用

针对核函数方法中单个核函数的局限性,以及PLS非线性处理能力差的特点,提出混合核函数PLS建模方法,以提高模型的推广能力和非线性处理能力。混合核函数集中了多个局部和全局核函数,兼具局部和全局特性,并可以通过参数调节局部和全局核函数对混合核函数的作用,将过程的先验知识融入到核函数的确定,进而适合具有不同数据特征的工业过程。工业丙烯腈收率软测量建模的应用表明,混合核函数PLS软测量模型具有较好的数据适应性和非线性特性,满足了工业应用要求。     

核函数方法及其在软测量建模中的应用研究

软测量技术对实施工业过程先进控制与优化具有重要的作用。介绍了几种新的基于核函数方法的软测量建模技术，并提出了针对复杂工业过程的混合核函数软测量建模方法。工业萘初馏塔酚油含萘量软测量应用表明，这类方法具有非线性处理能力强、精度高及模型推广能力好的特点。     

基于SVM的软测量建模

支持向量机(Support Vector Machines)是一种基于统计学习理论的新型学习机，本 文提出用支持向量机建立软测量模型．理论分析和仿真研究表明，该方法学习速度快、跟踪 性能好、泛化能力强、对样本的依赖程度低，比基于RBF神经网络的软测量建模具有更好的 推广能力．     

基于统计回归的质量推断方法

统计回归是软测量建模的一个重要手段.本文在回顾了典型统计回归方法的基础上,采用部分最小二乘(PLS)建立高定量造纸过程的水分软测量模型.鉴于软测量模型的扰动拟合本质,提出了基于扰动估计的软测量建模策略.水分软测量模型的建立,验证了该建模策略的有效性.     

基于改进模糊神经网络的软测量建模方法

提出了一种改进的模糊神经网络软测量建模方法，采用规则化的平均输出隶属度函数作为模糊基函数进行反模糊化运算；在训练网络时,部分参数采用Levenberg-Marquardt算法来训练，另一部分采用一阶梯度下降法．最后用该建模方法建立了聚合反应中熔融指数的软测量模型，并与一般的模糊神经网络软测量模型进行比较．结果表明改进的模糊神经网络对初始值的选择不敏感,具有很好的收敛性，同时还能达到指定的预测精度，很适合工程应用．     

丙烯腈收率软测量

本文研究了基于PCA-RBFNN的丙烯腈收率软测量建模方法;并以此为基础,采用FCM聚类方法对样本数据分类,建立了基于多模型的丙烯腈收率软测量模型.实验结果表明,基于多PCA-RBFNN的丙烯腈收率软测量模型与有关方法比较,预估效果最好.     

贝叶斯分类器的关联向量机多模型软测量建模

为了改善软测量模型的估计精度,提出了一种基于贝叶斯分类算法和关联向量机的多模型软测量建模方法。采用贝叶斯分类器对样本数据集进行分类,并对不同类别的输入数据分别建立关联向量回归机子模型,用“切换开关”方式组合作为最终的软测量模型输出。将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明：与单模型支持向量机相比,该方法估计精度较高,具有一定的应用价值。     

基于径基函数-加权偏最小二乘回归的干点软测量

针对影响石油馏分产品干点因素众多且呈高度非线性的特征，提出了一种径基函数(Radial basis function，RBF)和加权偏最小二乘回归(Weighted partial least squares regression，WPLSR) 相结合的建模方法建立干点软测量模型. 该组合方法首先应用RBF 实现样本数据的非线性变换；然后根据非线性变换后样本在结构参数空间中的分布，分析它们对预测对象的预报能力，自适应地为各个样本分配权值，并进而从中提取和选用PLS 成分，实施加权PLSR，以获得预报性能良好的模型. 在实际应用于初顶石脑油干点软测量建模中，RBF-WPLSR 获得比PLSR、WPLSR 及RBF-PLSR 更高精度的模型.     

基于滑动时间窗的支持向量机软测量建模研究

提出了一种基于滑动时间窗的最小二乘支持向量机软测量建模方法，并针对某一工业共沸精馏塔成分估计问题，建立了合适的工业软测量模型。介绍了最小二乘支持向量机计算法和滑动时间窗的建立。并利用滑动时间窗内的数据进行系统的在线优化和周期性模型更新，提高了工业软测量模型的在线估计精度。研究结果表明，LS—SVM是一种有效的软测量建模方法。     

矢量微粒群算法及其应用

在对微粒群优化算法PSO分析的基础上，提出了矢量微粒群优化算法VPSO。该算法通过矢量运算方法来定义微粒的运动，从而达到寻找最优解的目的。将VPSO和PSO分别用于常用测试函数的优化求解，结果表明：VPSO的优化性能明屁优于PSO。基于VPSO构造的矢量微粒群神经网络（VPSONN）在丙烯腈收率软测量建模的应用中表明：基于VPSONN的丙烯腈收率软测量模型具有较高的精度，应用前景广阔。     

基于RBFNN的铂电阻温度传感器非线性补偿

针对铂电阻温度传感器应用中存在的非线性问题,提出了应用径向基函数神经网络(RBFNN)强非线性逼近能力进行铂电阻温度传感器非线性补偿的方法。介绍了非线性补偿的原理和网络训练方法。结果表明:这种非线性补偿模型具有误差小、精度高、可在线标定和鲁棒性强等优点,与基于BP神经网络的非线性补偿模型相比,大大缩短了网络训练时间,从而方便了铂电阻温度传感器在测控系统中的应用。     

基于改进偏最小二乘法的多模态过程故障检测方法

针对传统的数据驱动方法偏最小二乘法（PLS）中存在的多模态数据故障检测效果不佳的问题,提出了一种新的故障检测方法——基于局部近邻标准化（LNS）的PLS（LNS-PLS）。首先,利用LNS方法对原始数据进行高斯化处理,在此基础上建立PLS的监控模型,确定T²和平方预测误差（SPE）的控制限;其次,对测试数据同样进行LNS标准化处理,再计算出测试数据的PLS监控指标来进行过程监视及故障检测,解决了PLS中无法处理多模态的问题。将所提方法应用于数值例子和青霉素生产过程,并将其测试结果与主成分分析（PCA）、K最近邻（KNN）、PLS等方法进行对比分析。实验结果表明,所提方法的故障检测效果优于PLS、KNN、PCA,该方法在分类及多模态过程故障检测方面有较高的准确性。     

一种利用函数链神经网络的传感器建模新方法

讨论基于函数链神经网络 (FLNN)的传感器建模新方法 ,其结构简单、使用灵活、建模容易 ,易于实时硬件实现。两个算例说明网络的训练和非线性逼近方法 ,显示出网络的自适应能力、学习能力 ,基于FLNN的传感器模型可同时实现温度补偿和非线性校正。实际上 ,利用这种模型可以跟踪补偿环境改变引起的传感器特性的各种变化 ,在测控系统中具有良好的应用前景。     

基于二元多项式拟合法的压力传感器输入信号重构

为了同时解决压力传感器输出特性的非线性和温度漂移问题,提出利用二元多项式根据传感器输出信号及其内部温度来重构被测压力.给出了被测压力重构模型的具体形式,以传感器静态特性标定试验数据为依据,利用最小二乘法求解模型系数矩阵,利用单点最大拟合误差、误差平方和模型阶次三项指标进行模型择优.基于重构模型给出了测量电路检测精度估算方法.本方法在传感器静态特性标定数据范围内得到了便于工程计算的一致表达式,同时解决了传感器的非线性和温度漂移两个主要问题,计算所用数据量大大小于插值法.某型硅谐振压力传感器的应用验证了本方法的合理性和有效性.     

Online dual updating with recursive PLS model and its application in predicting crystal size of purified terephthalic acid (PTA) process

To improve the performance of online prediction of existing soft sensor models, we propose a dual updating strategy, i.e., integrating the methods of recursive partial least square (RPLS) model updating and the model output offset updating. In online applications, each update is activated rotationally. In this strategy, a new recursive PLS method is developed and implemented by updating the mean and variance of the training samples using the data acquired from the process, while the offset updating method takes into account both the old overall offset and the new bias between the actual measurement and the model prediction. Since the dual updating strategy takes the advantages of the two updating methods, it is more effective than any individual updating method in adapting process changes. The high performance of the strategy is demonstrated by the application of an industrial purified terephthalic acid (PTA) purification process in which prediction of average crystal particle size was within 2.5% with regard to the relative root mean square error (RMSE). In addition, the dynamic PLS method was found inferior to any of the three methods mentioned above, at least for this particular industrial application. The present dual updating method may also be extended to other industrial applications using process models outside PLS.     

An integrated advanced process control framework using run-to-run control,virtual metrology and fault detection

This paper develops a new advanced process control (APC) system for the multiple-input multiple-output (MIMO) semiconductor processes using the partial least squares (PLS) technique to provide the run-to-run control with the virtual metrology data, via the gradual mode or the rapid mode depending on the current system status, in order to deal with metrology delays and compensate for different types of system disturbances. First, we present a controller called the PLS-MIMO double exponentially weighted moving average (PLS-MIMO DEWMA) controller. It employs the PLS method as the model building/estimation technique to help the DEWMA controller generate more consistent and robust control outputs than purely using the conventional DEWMA controller. To cope with metrology delays, the proposed APC system uses the pre-processing metrology data to build up the virtual metrology (VM) system that can provide the estimated process outputs for the PLS-MIMO DEWMA controller. Lastly, the Fault Detection (FD) system is added based upon the principal components of the PLS modeling outcomes, which supplies the process status for the VM mechanism and the PLS-MIMO DEWMA controller as to how the process faults are responded. Two scenarios of the simulation study are conducted to illustrate the APC system proposed in this paper.     

Multiple-input multiple-output double exponentially weighted moving average controller using partial least squares

This paper applies the partial least squares (PLS) method to the multiple-input multiple-output (MIMO) semiconductor processes in the run-to-run (R2R) control practice. Due to the property of batch processing, the semiconductor manufacturing processes frequently exhibit high multicollinearity among input variables and dependency among output variables. These two effects will typically cause variance inflation of the regression coefficient estimates which are utilized in triggering or updating the R2R controller. Furthermore, the process nonlinearity is also likely to occur in some semiconductor processes. As the nonlinearity exists, the performance of the exponentially weighted moving average (EWMA) controller is not adequate and becomes aggravated after a few transient runs. The PLS method is, essentially, well suited for situations where multicollinearity is present among input variables. To rectify the aforementioned difficulties that might realistically take place in practice, the PLS method is considered in this paper a potential estimation alternative to the standard regression method. Three types of R2R simulation studies are conducted to verify the advantages of the PLS method. The simulation results show that using the PLS method as the model-building technique helps the EWMA controller to yield more consistent and robust control outputs than purely using the conventional EWMA controller.     

基于结构风险最小化的加权偏最小二乘法

为了在偏最小二乘法(PLS)建模过程中实现结构风险最小化(SRM)，提出基于结构风险最小化的加权偏最小二乘法(WPLS)。WPLS先提取训练样本中的主元，然后使用支持向量机(SVM)训练算法计算训练样本权值，最后计算原始论域中的回归模型。该算法保留了PLS能有效地提取对系统解释性最强的信息的优点，并通过样本权值提高模型的泛化能力，从而实现SRM准则，所建立的模型具有可解释性。仿真计算证明了模型的有效性。     

硅压阻式压力传感器非线性误差校正方法

利用ZMD31020传感器信号处理器,实现了硅压阻式传感器的非线性及温度补偿。通过软件输入预先设定的数字量给ZMD31020处理器的存贮空间,可实现硅压阻式压力传感器(PRT)的零点输出、热零点漂移、满量程输出、热灵敏度漂移和非线性的高精度校准和补偿。传感器的输出精度达到了0.275%。