基于缓慢特征回归的动态软测量方法和系统的利记博彩app
【技术领域】
[0001] 本发明设及动态分析技术领域，具体而言，设及一种基于缓慢特征回归的动态软 测量方法和一种基于缓慢特征回归的动态软测量系统。
【背景技术】
[0002] 在工业过程中，产品的质量常常和一些重要的指标相关，例如柴油的干点、聚丙締 的烙融指数，化学反应器中的抑值等。控制该些关键指标达到预设值通常成为生产中的目 标。然而，该些指标通常无法进行在线测量，只能够通过长达几小时的实验室分析化验来得 至IJ，而实验室的化验数据延迟太大，无法用来作为控制回路的反馈信号，高品质的控制要求 得不到满足；另外，某些指标的在线分析仪器非常昂贵，并且后期维护费用很高。基于W上 两个原因，作为一种新兴的在线变量估计技术一-软测量（软仪表）建模应运而生，在近30 年内得到了长足的发展，并且在化工过程、生物制药、钢铁锻造等实际工业中得到了广泛的 应用。软测量方法通过建立二次变量与质量变量之间的数学关系建立模型，实现对难测变 量的实时预报输出。
[0003] 化工过程一个重要特点是其存在明显的动态特征，即，当前时刻的质量变量不仅 受到当前时刻过程变量的影响，并且与过渡过程时间内的过程变量都存在一定的关系。为 了考虑过程动态特性，学者们通过在过程输入中加入一定长度的历史数据，对传统软测量 建模方法加W改进，并且取得了一定的成果。然而，由于过程变量的采样频率远远高于质量 变量，能够用于软测量建模的样本数量是有限的；当考虑一定长度的历史数据时，软测量模 型的输入维数会成倍增加，模型极易发生过拟合问题。此外，在描述过程动态时，隐变量模 型（如偏最小二乘等）的隐结构缺乏明确的物理意义，使得模型的可解释性较差。因此，根 据建立合适的描述过程动态特性的模型，进一步增强软测量模型的预测精度，具有非常重 要的实际意义。
【发明内容】
[0004] 本发明所要解决的技术问题是，如何解决对生产过程中重要难测变量的在线实时 测量问题。
[0005] 为此目的，本发明提出了一种基于缓慢特征回归的动态软测量方法，包括；S1，读 取缓慢特征模型与线性回归模型，所述缓慢特征模型为
[0006]
【主权项】
1. 一种基于缓慢特征回归的动态软测量方法，其特征在于，包括： S1，读取缓慢特征模型与线性回归模型，所述缓慢特征模型为
其中，m为输入向量的维数，u(t)为采样时刻离散化的m维输入向量，s(t)为采样时 刻离散化的m维缓慢特征向量；系数矩阵W为m阶方阵，所述输入向量u (t)包含一定数量 的历史数据，当有η个易测辅助变量x(t) = [11(〇，&(〇，一，\(〇]1时，则所述输入向量 u (t)的结构为
其中，At为输入变量的采样间隔，d为输入向量包含的历史数据的长度，且维数m满足 关系式m = n(d+l); 所述的线性回归模型为y(t) = bTs1:M(t)+c，其中M为用于预测的缓慢特征的个数， s1:M(t) = [Sl(t) s2(t)…sM(t)]T为由前M个缓慢特征组成的向量，b e Rm和c e R 分别为线性回归模型的系数向量与常数项； 52, 读入操作变量的在线测量值，并输入到所述缓慢特征模型中，求得缓慢特征向量 s (t)的在线实时估计值； 53, 将前M个缓慢特征组成的向量s1:M(t)输入到线性回归模型中，获得难测主导变量 y (t)的瞬时估计值少(?); 54, 将y(t)的估计值j)(/)写入并显示。
2.根据权利要求1所述基于缓慢特征回归的动态软测量方法，其特征在于，所述缓慢 特征模型的建立过程包括： S10,构建一个难测主导变量和多个易测辅助变量之间的结构关系，设置结构关系的参 数约束范围， 所述结构关系为： 输出量y代表难测主导变量， 输入量x(t) = [^(。，^(^，…，^(^^代表相关的易测辅助变量， 结构关系由动态环节和线性静态环节串联而成，而动态环节的输出为一组缓慢特征：
其中，m为输入向量的维数，u(t)为采样时刻离散化的m维输入向量，s(t)为采样时刻 离散化的m维缓慢特征向量；系数矩阵W为m阶方阵，输入向量u⑴包含一定数量的历史 数据，当有η个易测辅助变量x(t) = [Χια)，Χ2α)，···，Χηα)]τ时，输入向量 u(t)的结构 为：
其中，At为输入变量的采样间隔，d为输入向量包含的历史数据的长度，输入向量的 维数m满足关系式m = η (d+Ι)，根据先验数据，计算过渡过程时间d的估计； S11，从在线采集的数据库按采样时间递增的顺序搜集相关的易测辅助变量构成样本 集Cu: Cu= {u (t), u (t+ Δ t), ···, u (t+ (N u-l) Δ t)} 样本个数为Nu，且采样周期At满足香农采样定理， S12,对Cu中的输入样本数据进行标准化处理，使输入数据在每一个维度上具有零均值 和单位方差； 513, 根据Cu中的样本构成矩阵U，
对矩阵UUt进行特征值分解，UU T= V Λ V τ， 其中，V为正交阵，Λ为对角阵； 514, 定义矩阵Q = Λ 4/2VT，通过矩阵Q对u (t)进行变换，得到中间变量ζ (t) = Qu (t)， 以及矩阵
515, 通过矩阵Z计算矩阵之，
对矩阵进行特征值分解之之T = /3Q/5'1'， 其中，P为正交阵，Ω为对角阵，且矩阵Ω对角线上的元素按照从小到大的顺序排列， 516, 计算矩阵W = PQ。
3.根据权利要求1所述基于缓慢特征回归的动态软测量方法，其特征在于，所述线性 回归模型的建立过程包括： 517, 从在线采集的数据库以及离线化验数据库中搜集相关的易测辅助变量与难测主 导变量数据构成样本集Cs，
样本数目为Ns，Ti为难测主导变量第i个离线采样数据的采样时刻，HTiMi = 1，…，Ns)为难测主导变量第i个离线采样数据； 518, 根据矩阵W计算Cs中每一个样本的缓慢特征： S(Ti) =Wx(Ti)1I ^ i ^Ns; 519, 对于每一个ke {?，···，πι}进行交叉验证，利用S