控制与决策

作者：韩鹏东,阎高伟,任密蜂,程兰,叶泽甫

单位：太原理工大学 电气与动力工程学院,太原 030024,,太原理工大学 电气与动力工程学院,太原 030024,,太原理工大学 电气与动力工程学院,太原 030024,,太原理工大学 电气与动力工程学院,太原 030024,,山西格盟中美清洁能源研发有限公司,太原 030031,

关键词：软测量;多工况;迁移子空间学习;偏最小二乘回归;低秩稀疏约束

基金：国家自然科学基金项目(61973226,62073232)；山西省重点研发计划项目(201903D121143)；山西省自然科学基金项目(20210302123189).

针对流程工业中工况改变易导致当前样本与历史样本分布失配,传统软测量模型失准的问题,考虑工业数据时序性、动态性以及存在过程漂移等特性对建模的影响,提出一种基于迁移子空间学习的偏最小二乘回归软测量方法.首先,回归框架采用非线性迭代偏最小二乘方法,对其求解映射向量的目标函数施加基于子空间重构的域适应正则项,映射过程中保证当前工况中每个样本能够被历史工况样本线性重构.在此基础上对重构矩阵施加低秩稀疏约束,保持数据结构的同时使重构矩阵具备块状结构以应对过程漂移特性.将所提出方法在1个数值案例和3个不同的多工况数据集中进行实验,并与现有域适应回归方法进行对比分析.实验表明,所提出方法能够有效提高模型在跨工况条件下的预测精度,减少工况间数据分布差异对模型性能的影响.

来源：2023年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第11期