基于聚类的多模型软测量技术的研究

基于聚类的多模型软测量技术的研究

ID:37041270

大小:3.41 MB

页数:82页

时间:2019-05-20

基于聚类的多模型软测量技术的研究_第1页
基于聚类的多模型软测量技术的研究_第2页
基于聚类的多模型软测量技术的研究_第3页
基于聚类的多模型软测量技术的研究_第4页
基于聚类的多模型软测量技术的研究_第5页
资源描述:

《基于聚类的多模型软测量技术的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要摘要近年来随着控制理论和计算机技术的发展,软测量技术已经得到了广泛的重视和应用,在过程检测和控制系统中发挥着越来越大的作用。针对实际系统模型非线性、时变、且模型参数随工况发生改变的特点,本文重点研究了基于聚类的的多模型软测量技术,并围绕辅助变量选择和数据预处理、单模型软测量、聚类分析、基于聚类的多模型软测量四个方面展开。首先针对辅助变量选择中常出现的错选、漏选等问题,提出按工艺机理进行初选和采用相关分析进行精选的、两步相结合的辅助变量选择方法,并利用主元分析对数据进行降维去噪处理。然后对实际生产中常用的MLR、PCR、BP网络和RBF网络四种单模型建模方法进行研

2、究,并通过仿真结果总结出各个模型的优缺点,确定在多模型建模中应采用的局部模型为PCR模型。为降低初始类中心对聚类结果的影响,对k-means算法进行了改进,提出按时间平均抽样的方式选取初始类中心,并利用均衡化评价函数来确定聚类数目k。将改进k-means算法与最新的AP算法进行比较,仿真结果表明,改进k-means算法简单、有效。最后针对实际系统多工况、时变和非线性等问题,深入研究了基于聚类的多模型软测量技术,给出基于聚类的多模型子空间的划分方法,并提出了基于改进k-means算法的多模型建模方法和基于AP算法的多模型建模方法。仿真结果表明,基于聚类的多模型软测量技

3、术测量精度高、抗干扰性强,可以在一定程度上解决复杂系统中难测变量的软测量问题。关键词:软测量,相关分析,主元分析,聚类,k-mean算法,仿射传播算法,多模型AbstractWiththefastdevelopmentofcontroltheoryandcomputertechnology,soft-sensingtechnologyhasbeenwidelyusedandplaysamoreandmoreimportantrolesmprocessdetectionandcontrolsystem.附(ingintoaccountthefactthattheact

4、ualsystemmodelsareoftennonlinear,time-invariantandchangewiththevariationoftheoperatingconditions,multi.modelsoft.sensingtechnologybasedonclusteringiSintroducedinthisthesis,andthemainresearchworkfocusontheaspectsofsecondaryvariableselection,datapr印rocessmg,single.modelsoft.sensing,clust

5、eringanalysisandmulti-modelsoft—sensingtechnologybasedonclustering.Firstly,toavoidwrongselectionandmissingselectionofsecondaryvariable,anewmethodispresentedwhichconsistsoftwoseparatest印s:initialselectionaccordingtoprocessmechanismandfurtherselectionbasedoneorrelationanalysis.PCAisalsoi

6、ntroducedtoreducethedimensionofdataandeliminatenoise.AndthenseveralkindsofmodelWhicharewidelyappliedinpracticalproduction,suchasMLR.PCR,BPnetworkandRBFnetwork,alediscussedandanalyzed.Theadvantagesanddisadvantagesofeverykindofmodelaresummarizedonthebasisofthesimulationresults.andPCRiSse

7、lectedasthepartialmodelinmulti-modelsoft-sensing.Inordertoreducetheimpactofinitialcentroidontheclusteringresults,thek-meansalgorithmiSimproved.inwhichtheinitialcentroidiSselectedaveragelyatregularintervalsandtheoptimizingclusteringnumberisdeterminedonthebasisofbalancedcost—function.C

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。