基于缓慢特征回归的动态软测量方法和系统

摘要

本发明涉及一种基于缓慢特征回归的动态软测量方法和系统，该方法包括：读取缓慢特征模型与线性回归模型，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；将前M个缓慢特征组成的向量s_1: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；将y(t)的估计值写入并显示。通过本发明的技术方案，能够有效地挖掘过程的动态特征，估计精度更高，在实施闭环反馈控制时具有更加优良的控制性能，能够在现场实施时，根据各个隐特征的缓慢变化程度对当前模型的预测精度进行直观、有效的判断，并有效利用大规模过程数据中的信息。

主权项

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$s\left(t\right)=\left[\begin{array}{c}{s}_1\left(t\right)\\ s_2\left(t\right)\\ .\\ .\\ .\\ s_m\left(t\right)\end{array}\right]=\mathrm{Wu}\left(t\right),$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n个易测辅助变量x(t)＝[x₁(t),x₂(t),…,x_n(t)]^T时，则所述输入向量u(t)的结构为$u\left(t\right)=\left[\begin{array}{c}{x}_1\left(t\right)\\ x_1(t-\mathrm{\Delta t})\\ .\\ .\\ .\\ x_1(t-\mathrm{d\Delta t})\\ x_2\left(t\right)\\ x_2(t-\mathrm{\Delta t})\\ .\\ .\\ .\\ x_2(t-\mathrm{d\Delta t})\\ .\\ .\\ .\\ x_n\left(t\right)\\ x_n(t-\mathrm{\Delta t})\\ .\\ .\\ .\\ x_n(t-\mathrm{d\Delta t})\end{array}\right]\in R^{n(d+1)}$其中，Δt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+1)；所述的线性回归模型为y(t)＝b^Ts_1:M(t)+c，其中M为用于预测的缓慢特征的个数，s_1:M(t)＝[s₁(t) s₂(t) … s_M(t)]^T为由前M个缓慢特征组成的向量，b∈R^M和c∈R分别为线性回归模型的系数向量与常数项；S2，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；S3，将前M个缓慢特征组成的向量s_1: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S4，将y(t)的估计值写入并显示。