KCCA-DPLS分布式建模算法研究.pdfVIP

第39卷第3期白动化仪表Vol.39No.3

2018年3月PROCESSAUTOMATIONINSTRUMENTATIONMar.2018

KCCA-DPLS分布式建模算法研究

姚莉娟

(苏州髙等职业技术学校机电工程系，江苏苏州215011)

摘要：针对目前化工过程复杂、大系统集中式建模计算繁琐和分散式建模模型精度低等问题，提出了基于核典型相关分析（KCCA)

和动态偏最小二乘(DPLS)的分布式建模算法。通过KCCA对大系统中的所有过程变量进行分析，获取其相关系数;根据这些系数进

行分类，将关联性较强的变量分入同一个子系统。在此基础上，给出了基于KCCA的非线性大系统分解方法以及分解后各个子系统

的DPLS动态建模流程。通过采用DPLS方法对各分解后的各子系统进行建模。该方法考虑了各子系统之间的相互作用，大大降低了

大系统的复杂度，提高了模型精度。最后对田纳西-伊士曼(TE)过程进行了仿真，验证了所提算法的有效性。

关键词：动态偏最小二乘法；模型精度；TE过程；核典型相关分析；分布式建模

中图分类号：TH-3;TP13文献标志码：ADOI：10.16086/j.cnki.issnl000-0380.2017070055

ResearchontheDistributedModelingAlgorithm

BasedonKernelCanonicalCorrelationAnalysisandDynamicPartialLeastSquares

YAOLijuan

(DepartmentofMechanicalEngineering,SuzhouHigherVocational-TechnicalSchool,Suzhou215011,China)

Abstract：Duetothecomplexityofchemicalprocess,thecomputationofcentralizedmodelingforlargesystemistroublesome,

whilethemodelofdistributedmodelingislowaccurate,therefore,adistributedmodelingalgorithmbasedonkernelcanonical

correlationanalysis(KCCA)anddynamicpartialleastsquares(DPLS)isproposed.Theprocessvariablesofthelargesystemare

analyzedbyKCCA,obtainitscorrelationcoefficient.Classificationbasedonthesecoefficients,andthestronglycorrelatedvariables

areputintothesamesubsystem.ThedecompositionofnonlinearlargesystembasedonKCCAandthedynamicmodelingprocess

ofeachsubsystembasedonDPLSaregiven.DPLSisusedtodomodelingforeachdecomposedsubsystemtoimprove