原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
局部主成分分析及其在软测量中的应用邵伟明,等
局部主成分分析及其在软测量中的应用
LocalPrincipleComponentAnalysisandItsApplicationinSoftSensing
邵伟明田学民
(中国石油大学(华东)信息与控制工程学院,山东青岛266580)
摘要:在软测量建模中,局部学习策略是解决过程时变特性及非线性的有效途径。为提高模型预报精度,提出了一种基于局部主
成分分析的在线软测量建模方法。该方法采用主成分建立局部模型,同时考虑变量间的相关性以及映射关系构建局部模型的选择准
则。此外,为了提高在线计算效率、降低对存储设备的要求,提出了一种基于预报残差方差和均值的冗余模型判别方法。在某连续搅
拌反应器上的仿真结果验证了该方法的有效性。
关键词:软测量局部学习主成分分析(PCA)冗余模型连续搅拌反应器(CSTR)
中图分类号:TP301+.6文献标志码:A
Abstract:Insoftsensingmodeling,locallearningstrategyisaneffectivewaytosolvethetimevaryingandnonlinearcharacteristics.Inorder
toimprovetheaccuracyofmodelprediction,theonlinesoftsensingmodelingmethodbasedonlocalprinciplecomponentanalysisisproposed.
Withthismethod,thelocalmodelisbuiltbyadoptingprinciplecomponent,andboththecorrelationrelationshipandmappingrelationship
betweenprocessvariablesaretakenintoconsiderationtoprovideappropriateselectioncriteriaforbuildinglocalmodel.Inaddition,toimprove
onlinecompulationalefficiencyandreducethedemandsforstoragedevices,thediscriminantmethodofredundantmodelsbasedontheresidual
varianceandmeanvalueofpredictionisalsoproposed.Thesimulationresultoncertaincontinuousstirred-tankreactor(CSTR)verifiesthe
effectivenessofthismethod.
Keywords:SoftsensingLocallearningPrinciplecomponentaralysis(PCA)RedundantmodelContinuousstirred-tankreactor(CSTR)
间的距离,并结合预报残差构建模型选择准则。此外,
0引言
为降低在线计算负担及模型数量,提出了一种淘汰冗
基于数据驱动的软测量建模方法,如主成分分余模型的策略。最后通过仿真分析验证方法的有
[1][2][3]效性。
析、偏最小二乘、支持向量机等及其递推方
[4-7]
法,获得了广泛的应用。但递推方法无法及时跟
文档评论（0）