[发明专利]基于多样性变量加权PLSR模型的工业过程软测量方法

摘要

本发明公开一种基于多样性变量加权PLSR模型的工业过程软测量方法，旨在改善传统PLSR模型用于工业过程软测量的效果。该发明方法主要针对传统PLSR模型用于软测量时两个方面的不足(即：未曾考虑各输入变量重要性差异以及如何建立多样化的PLSR软测量模型)，通过利用输入数据各测量变量间相关性大小的差异为不同变量赋予不同的权值，这不仅将各输入变量间相关性差异考虑进回归模型中，而且还实现了多样化数据特征的目的。之后，原始数据通过这种多样性变量加权后重新作为PLSR模型的输入数据，即可建立多样化的回归模型。最后，这些多样化回归模型对输出的估计值又再次作为PLSR模型的输入数据，从而进一步提升软测量模型的精度。总的来讲，该发明方法充分考虑了各输入测量变量相关性的差异对输出变量的影响，并利用多样化PLSR回归模型有效地提高软测量精度。

主权项

1.一种基于多样性变量加权PLSR模型的工业过程软测量方法，其特征在于，包括以下步骤：(1)从生产过程的历史数据库中找出容易测量变量所对应的采样数据组成输入数据矩阵X∈Rn×m，能直接或间接反映产品质量的指标所对应的数据组成输出向量y∈Rn×1，其中，n为训练样本数，m为过程测量变量数，R为实数集，Rn×m表示n×m维的实数矩阵；(2)将向量y与矩阵X中的每一列进行标准化处理，得到均值为0，标准差为1的新输出向量与新数据矩阵记录向量y的标准差δ与均值μ并初始化i＝1；(3)按照下式计算第i个输入测量变量与中不同列之间的相关系数C_i，j：其中，上标号T表示矩阵或向量的转置，下标号j＝1，2，…，m，符号|| ||表示计算向量的长度，并将得到的m个相关系数组成向量Ci＝[Ci，1，Ci，2，…，Ci，m]；(4)将向量C_i中各元素做为权值赋予矩阵中相应的列，得到加权后的输入数据矩阵X_i，即：其中，diag(Ci)表示将向量Ci变成对角矩阵，且对角线上的元素为Ci中各元素；(5)利用PLSR算法建立输入矩阵X_i与向量之间的回归模型，即：上式中，bi为回归系数向量，ei为模型误差，并利用bi与Xi求得该PLSR模型的输出估计值yi＝Xibi；(6)置i＝i+1后，判断是否满足条件i≤m？若是，重复步骤(4)～(6)；若否，执行步骤(7)；(7)将m个PLSR模型的输出估计值组成新的输入矩阵Y＝[y₁，y₂，…，y_m]∈R^n×m后，再次利用PLSR算法建立输入矩阵Y与输出向量之间的回归模型，即：上式中，q为回归系数向量，f为模型误差，并保留所有的回归系数向量b1，b2，…，bm，q以备调用；(8)实施在线工业过程软测量，具体的实施过程如下所示：①采集新时刻易测量变量的样本数据z∈R^1×m，并对其实施与矩阵X相同的标准化处理得到②调用m个不同的权值向量C₁，C₂，…，C_m，按照下式分别对数据向量中各列进行加权处理，对应得到m个新输入数据向量z₁，z₂，…，z_m：其中，下标号i＝1，2，…，m；③调用回归系数向量b₁，b₂，…，b_m按照下式分别求得对应的模型输出估计值④将所得到的输出估计值组成向量并调用回归系数向量q求得那么最终的产品质量估计值