一种在线自学的软测量模型建模方法

摘要

本发明公开一种在线自学的软测量模型建模方法，先读取生产过程的在线数据，对其预处理和标准化构造后构造一输入变量集合的输入向量和一输入变量的子集合的调度向量；再用一调度向量在线将系统数据分割为多个局部区域，各局部区域用一输入向量架构一局部线性模型；利用在线减法聚类算法计算一调度向量的密度函数的值；利用增加、更新与合并三个准则来更新已存在的局部区域、产生新的局部区域、或合并最相邻的局部区域，最后由权重值组合各个局部线性模型构建一软测量模型并得出预测输出值。整个过程无需保留系统历史数据，加强了预测输出的准确度并降低系统的在线计算量，能在线捕获系统工况变化，提高模型的自适应能力。

主权项

一种在线自学习的软测量模型建模方法，其特征是包括下列步骤： 1）读取生产过程的在线数据，对其预处理和标准化构造后构造一输入变量集合的输入向量（202）和一输入变量（202）的子集合的调度向量（204）； 2）用一调度向量（204）在线将系统数据分割为多个局部区域，各局部区域用一输入向量（202）架构一局部线性模型（206）；利用在线减法聚类算法计算一调度向量（204）的密度函数（208）的值；3）将该密度函数（208）的值与增加聚类规则作比较，判断是否需要增加新的一局部区域；若是，则以一调度变量（204）为该局部区域的聚类中心计算一输入向量（202）所对应的共变异矩阵；若否，则利用一调度向量（204）更新与调度向量（204）最相邻局部区域的聚类中心，以一输入向量（202）更新其对应的共变异矩阵；4）一输入向量（202）以递归最小二乘方法更新一当前局部区域的局部线性推理模型（206）； 5）利用合并局部区域规则判别最相邻的二个局部区域是否可合并成新的一局部区域；若是，则计算合并后一局部区域的聚类中心与其对应的共变异矩阵，并更新合并后一局部区域所对应的局部线性模型系数；6）由权重值组合各个局部线性模型（206），构建一软测量模型（210）并得出预测输出值。