基于非线性偏最小二乘回归的软测量建模及应用.pdfVIP

第 28 卷第 4 期 高 校 化 学 工 程 学 报 No.4 Vol.28 2014 年 8 月 Journal of Chemical Engineering of Chinese Universities Aug. 2014 文章编号：1003-9015(2014)04-0818-07 基于非线性偏最小二乘回归的软测量建模及应用 吕 游, 刘吉臻, 杨婷婷 (华北电力大学 新能源电力系统国家重点实验室, 北京 102206) 摘 要：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。 关键词：非线性偏最小二乘；最小二乘支持向量机；权值更新；软测量建模；燃煤锅炉 中图分类号：TP273 文献标识码：A DOI：10.3969/j.issn.1003-9015.2014.04.020 Soft-Sensing Model Based on Nonlinear Partial Least Squares Regression and its Application Lü You, LIU Ji-zhen, YANG Ting-ting (The State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing 102206, China) Abstract: A novel soft-sensing method based on nonlinear partial least squares (PLS) regression was proposed to deal with the modeling problem of complex industrial process with characteristics of multivariate, correlation and nonlinearity. Firstly PLS was applied as the outer framework to extract the input and output latent components while eliminating the correlation, then we employed least squares support vector machine (LSSVM) to describe the non