基于动态数据融合的多模型软测量方法及其工业应用

基金项目类型：

国家自然科学基金

基金项目编号：

61203213

来源网站：

国家自然科学基金委员会

来源网址：

http://www.nsfc.gov.cn/

负责人：

刘瑞兰

完成单位：

南京邮电大学

中文关键词：

软测量; 动态数据融合; 交互多模型; 粒子群算法; 深度学习;

其他语种关键词：

soft sensor; dynamic data fusion method; interacting multiple model; particle swarm optimum algorithm; deep learning

项目类型：

青年科学基金项目

语种：

中文

开始日期：

2013-01-01

结束日期：

2015-12-31

中文摘要：

软测量技术能有效估计工业过程中难测的质量变量，针对复杂的工业过程，单一的模型往往不能满足精度要求，另外由于种种原因会发生过程数据失效的情况，本项目提出了基于动态数据融合的多模型软测量方法，开展过程变量数据失效的处理与恢复、子模型的建立和多个子模型的动态融合及误差分析工作。采用选择多个具有一定冗余的输入变量子集建立不同的软测量模型的方法解决数据失效问题，从时间冗余的角度使用状态估计方法恢复多个变量的少量失效数据问题。提出交互多模型算法的动态线性融合方法和基于粒子滤波的动态非线性融合方法。并从误差传递的角度分析恢复后的数据误差对子模型及综合模型输出的影响。以PX氧化过程中4-CBA浓度及晶体粒径的软测量为研究对象，通过实测数据来检验方法的有效性。本项目提出的失效数据的处理和交互多模型动态线性融合、粒子滤波动态非线性融合思路以及误差分析方法，在软测量领域具有较强的借鉴意义和较好的应用前景。