基于高阶偏最小二乘的间歇过程建模

间歇过程的产品与现代人的生活息息相关,而建立可靠的模型是保障间歇过程安全运行的基础。针对间歇过程的数据特点,引入一种新的广义线性回归模型--高阶偏最小二乘（higher order partial least squares,HOPLS）。它与传统的间歇过程建模方法具有本质的不同,三维数据（批次×变量×时间）不需要展开成二维矩阵,而是直接被分解成一组正交的Tucker矩阵之和。通过高阶奇异值分解（high order singular value decomposition,HOSVD）,张量变换和高阶正交迭代（higher order orthogonal iteration,HOOI）找到能同时包含自变量和因变量最大信息的潜向量,与此同时得到对应的负载向量。对于新观测值,通过模型就可以实现对因变量的预测。最后利用PenSim2.0,对青霉素发酵过程进行仿真研究,验证了该间歇过程建模方法的有效性。     

基于时间差分和局部加权偏最小二乘算法的过程自适应软测量建模

工业过程软测量模型常常因为过程的变量漂移、非线性和时变等问题而使得预测性能下降。因此,时间差分已被应用于解决过程变量漂移问题。但是,时间差分框架下的全局模型往往不能很好地描述过程非线性和时变等特性。为此,提出了一种融合时间差分模型和局部加权偏最小二乘算法的自适应软测量建模方法。时间差分模型可以大大减少过程变量漂移的影响,而局部加权偏最小二乘算法作为一种即时学习方法,可以有效解决过程非线性和时变问题。该方法的有效性在数值例子和工业过程实例中得到了有效验证。     

基于非线性偏最小二乘回归的软测量建模及应用

针对复杂工业过程存在的多变量、相关性和非线性问题,提出一种新的基于非线性偏最小二乘(partial least squares,PLS)回归的软测量建模方法。该方法利用PLS作为模型的外部框架来提取输入输出主成分变量,同时消除变量间的相关性,然后用最小二乘支持向量机(least squares support vector machine,LSSVM)作为内部函数来描述主成分变量之间的非线性关系,并引入基于误差最小化的权值更新策略,来改进模型的预测精度。以pH中和过程的Benchmark模型来验证该方法的性能,并与其他建模方法比较,结果表明该方法预测精度较高,而且具有较强的泛化能力。将该方法应用于某电站燃煤锅炉的NOx排放软测量建模之中,取得了较好的预测效果。     

偏最小二乘回归方法在橡胶配方设计中的应用

分析采用回归分析方法在建立橡胶配方试验中考察因素和试验数据的二次多项式回归模型时存在的局限性,介绍应用偏最小二乘（PLS）回归方法建立二次多项式回归模型的技术,并通过实例演示PLS回归方法在橡胶配方设计中的应用。结果表明,PLS回归方法适应多因变量对多自变量的回归建模分析,结论可靠,整体性强。     

偏最小二乘法测定多异氰酸酯固化剂中TDI三聚体的含量

对不同TDI三聚体含量的多异氰酸酯固化剂的红外光谱进行了测定，采用偏最小二乘法对所得到的红外光谱进行分析，测定了多异氰酸酯固化剂中TDI三聚体的含量，该方法简单快速，结果可靠。     

基于主元分析与偏最小二乘故障诊断算法的研究

选取多元统计方法中最常用的两种故障诊断方法(主元分析法与偏最小二乘法)对锅炉参数的离线故障测试数据进行仿真。结果表明:与主元分析法相比,偏最小二乘法在进行故障诊断时对正常数据与故障数据的区分更为有效,对故障数据的识别率更高。     

基于偏最小二乘支持向量机的燃煤电站锅炉效率模型

针对电站锅炉燃烧系统非线性强、变量间强耦舍及信号噪声大等特点,提出了基于电站历史运行数据的锅炉效率建模方法。根据锅炉燃烧的机理选取关键输入变量,利用偏最小二乘原理(PLS)对其进行特征提取,建立锅炉效率与所提取特征之间的最小二乘支持向量机(LSSVM)关系模型,组成一个PLS-LSSVM混合模型,并利用电站实际数据对模型的准确性进行验证。结果表明:PLS-LSSVM模型相比于PLS模型具有更强的泛化能力,相比于LSSVM模型有更好的运行效率。     

基于自适应偏最小二乘回归的初顶石脑油干点软测量

提出了一种具有强非线性表达能力的自适应偏最小二乘回归（APLSR）方法,并应用于初顶石脑油干点软测量模型建立.APLSR对于指定的预测对象,将根据样本在自变量空间中的分布,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,然后从加权样本数据中提取和选定PLS成分,实施自适应加权PLSR,从而获得预报性能良好的模型.同时提出将前一时刻初顶石脑油干点人工分析值引入作为模型的自变量,从而进一步提高了软测量模型的预测精度.     

偏最小二乘-近红外光谱测定抚顺石油二厂汽油辛烷值

对来自抚顺石油二厂的汽油样品进行近红外光谱分析,使用偏最小二乘算法建立近红外谱图与辛烷值的关联模型.检测表明,用近红外光谱检测石油二厂汽油样品辛烷值的误差在标准方法规定的再现性要求之内,证明了用近红外光谱技术分析石油二厂汽油辛烷值的可行性.     

基于实验设计与偏最小二乘逆模型的产品设计方法

现代市场中,同类产品规格多样、更新换代速度加快,快速经济地设定新产品操作条件成为生产过程的迫切需求。本文首先改进实验设计(DOE)优化方法中的响应曲面法(RSM),可随着新实验数据的累积在线更新搜索算法的外延步长;然后提出RSM与偏最小二乘(PLS)逆模型的结合方法,可保证模型具有良好的内插和外延性能,显著减少实验次数、快速找到满足新产品要求的操作条件;最后通过数值仿真以及某化工过程的应用仿真验证了方法的可行性和有效性。     

局部最小二乘支持向量机回归在线建模方法及其在间歇过程的应用

当间歇生产切换于不同的工艺条件时,由于新工况下的样本一般很少,且批次间存在着不确定性（由于原材料波动或过程动态特性波动等）,基于全局学习的建模方法（如最小二乘支持向量机回归,LSSVR）建立的模型泛化性能不强。将局部学习融入LSSVR中,提出一种局部LSSVR（local LSSVR, LLSSVR）的间歇过程在线建模方法。结合前一批次离线优化后的LSSVR参数,针对待预测新样本在线选择与之相关的近邻样本集并基于此进行建模。以建立青霉素发酵过程的菌体浓度为例,验证了LLSSVR算法能够从过程的第2个生产批次开始在线建立较准确的预报模型,较LSSVR有着更好的推广能力、适应性和鲁棒性。     

基于偏最小二乘法的纸张抗张强度预测模型

为了解决抗张强度机理模型中参数难以测量、偏离工厂生产变量、实际指导关联性差的问题。以一瓦楞原纸生产线为研究对象,先通过经验分析筛选影响纸张抗张强度的生产过程变量,在收集对应变量的生产数据后,应用偏最小二乘法建立抗张强度预测模型并对重要影响变量进行分析。结果表明该模型具有较好精度,其皮尔逊相关系数r=0.732,均方根误差RMSE值为276 N·m-1,平均相对误差MRE值为5.17%。同时得到了影响纸张抗张强度的6个重要生产过程变量,通过机理分析和现场验证,发现结果具有较好的现实吻合度。     

基于偏最小二乘法的纸张抗张强度预测模型

为了解决抗张强度机理模型中参数难以测量、偏离工厂生产变量、实际指导关联性差的问题。以一瓦楞原纸生产线为研究对象,先通过经验分析筛选影响纸张抗张强度的生产过程变量,在收集对应变量的生产数据后,应用偏最小二乘法建立抗张强度预测模型并对重要影响变量进行分析。结果表明该模型具有较好精度,其皮尔逊相关系数r=0.732,均方根误差RMSE值为276 N·m^-1,平均相对误差MRE值为5.17%。同时得到了影响纸张抗张强度的6个重要生产过程变量,通过机理分析和现场验证,发现结果具有较好的现实吻合度。     

基于偏最小二乘隐变量空间的控制器设计方法

基于偏最小二乘（PLS）隐变量空间的控制利用PLS算法内部关系主元独立的结构,可以实现自动解耦多变量之间的严重相关性,且自动实现隐变量变量配对,从而使得MIMO控制简化为SISO控制。由于PLS为稳态算法,要进行动态PLS算法才能与控制要求相符。但是因为PLS隐变量之间并不能完全消除相关性,因此如果采用PID控制器,在整定时回路之间将相互影响且控制器参数不稳定,由此进行了基于动态PLS隐变量空间模型的最优化控制。同时就加压网前箱和一个蒸馏器给出了该控制方法的仿真应用,显示了该方法的特性。     

偏最小二乘光度法同时测定白油中单环及多环芳烃含量

白油中存在着单环芳烃和多环芳烃物质,其吸收光谱相互重叠,在测定波长260～300 nm范围内,采用偏最小二乘回归(PLS)法同时测定白油中单环芳烃和多环芳烃的含量,当残差平方和PRESS达到最小值时,确定PLS回归中二组分的主成分数均为4,分析结果表明,样品中单环芳烃和多环芳烃的回收率在93.73%～101.31%,线...     

基于信息增量矩阵的多阶段间歇过程质量预测

针对间歇过程划分阶段方法很少考虑过程的时序性和动态特性,易将时间上不连续但具有相似特征的样本划分到同一阶段,影响建模精确性的问题,提出一种基于信息增量矩阵-偏最小二乘（information increment matrix-partial least square,ⅡMPLS）的多阶段间歇过程质量预测方法。将历史三维数据沿批次方向展开为二维数据,将其切分成融合质量变量的扩展时间片,依据扩展时间片的信息增量使用滑动窗划分阶段,对各个阶段内数据建立PLS模型进行质量预测。该方法考虑变量之间的相关关系沿采样时刻的变化,利用信息增量捕获系统的动态特性并时序地划分阶段。青霉素仿真平台与大肠杆菌实际生产数据验证了方法的可行性和有效性。     

混沌最小二乘支持向量机及其在发酵过程建模中的应用

针对青霉素发酵过程的参数检测存在不确定因素,提出一种基于混沌最小二乘支持向量机的青霉素浓度预测方案。采用混沌优化算法对最小二乘支持向量机参数进行寻优,建立了一种混沌最小二乘支持向量机模型。首先,利用该模型对两种常规非线性函数曲线进行了仿真回归,结果表明,算法具有良好的建模精度;其次,基于Pensim仿真平台,运用文中方法预测青霉素发酵过程的产物量,实验仿真表明混沌优化算法具有良好的全局优化性能,在参数选择中可以有效避免陷入局部最小值,基于混沌优化的最小二乘支持向量机具有较高的建模精度。     

板式换热器冷却水污垢热阻预测的偏最小二乘回归法

搭建板式换热器冷却水污垢热阻实验台,测得不同时间、流速和温度下天然循环冷却水（松花江水）中铁离子、氯离子、细菌总数、pH值、溶解氧、浊度、电导率等水质参数,随机取一组实验的水质参数作为输入变量,建立换热器冷却水污垢热阻预测的偏最小二乘回归模型,对板式换热器的污垢热阻进行预测。整个实验过程中,热水进口温度为43.5～44.5℃,冷却水进口温度为21.5～22.5℃,流速为0.104 m·s-1,当温度和流速发生变化时,则重新采取数据。经过计算,确立本模型应提取4个潜变量,由此建立了板式换热器冷却水污垢热阻预测模型。预测结果和实验结果最大相对误差在5.11%以内。结果表明偏最小二乘回归算法的污垢模型预测精度高,所建预测模型是合理可行的。     

偏最小二乘回归法用于UHMWPE溶胀试验的研究

采用均匀设计的方法对超高相对分子质量聚乙烯（UHMWPE）树脂的溶胀试验进行系统分析,并用偏最小二乘法建立二级回归模型,对溶胀温度、溶胀时间和溶胀比的决定系数R2,由一级回归的0.967 9、0.935 9和0.944 8分别增加到二级回归的0.974、0.944 9和0.945 7。结果表明,回归模型得到优化的试验条...     

偏最小二乘回归分析应用于中药谱效关系的研究进展

谱效关系是近些年应用于中药活性成分筛选和质量控制评价的一种新型、有效的方法。而偏最小二乘回归分析法是谱效关系分析中常用、可靠的数据处理法。目前已有大量文献报道偏最小二乘回归分析应用于各种中药的谱效关系研究。综述了偏最小二乘回归分析应用于各种中药指纹图谱和其他数据统计方法联用的谱效关系研究。它们对于谱效关系的深层次研究具有十分重要的意义。