偏最小二乘方法及研究现状.docxVIP

偏最小二乘方法(PLS)及研究现状

yx动态过程

y

x

动态模型

Y1

动态滤波器代数模型

动态滤波器

代数模型

图1.1动态PLS廷橾结构

其中x-YI表示的是用动态模型FIR或者ARMX模型进行建模，x才2采用的是加入动态滤波器的方式，输入数据通过动态滤波器得到的输出作为静态PLS模型的输入．其中基于ARX模型的及动态滤波器的方法在本文中将做进一步的介绍．

PLS模型的在线模型辨识问题也是许多学者关心的问题，Helland41“提出递推

的PLS(RPLS)算法，采用递推更新载荷向世的方法将在线更新的数据加入到PLS模型中，在递推的PLS建模算法中，旧的数据采用它们的载荷矩阵来代替进行更新．Qin对Helland提出的递推PLS算法进行了改进，通过对缓慢变化过程，进行新旧数据进行分块处理建立PLS模型的方法，即块递推偏最小二乘方法(Block-wiseRPLS)，该方法中新的数据在更新的过程也采用负载矩阵来代替更新；并在块RPLS算法的基础上提出了带有滑动窗口及遗忘因子的在线更新算法；并比较了这几种RPLS算法的计算复杂性．Dayal和MacGregor1421提出一种

快速递推指数加权的PLS算法，通过简单对协方差矩阵(X1X)与(Xr