基于多相似度局部状态辨识的集成学习自适应软测量方法
来源：计算机集成制造系统杂志2023年第2期北京时间：
作者：金怀平, 黄成, 董守龙, 黄思, 杨彪, 钱斌, 陈祥光
单位：1.昆明理工大学信息工程与自动化学院2.北京理工大学化学与化工学院3.云南化工设计院有限公司
摘要：鉴于流程工业过程的非线性、多时段、多模式、时变性等复杂过程特性,导致传统的全局和集成学习软测量方法预测性能不佳,提出一种基于多相似度局部状态辨识的集成学习自适应软测量建模方法。该方法在离线建模阶段,从不同相似度准则出发辨识局部过程状态,进而生成多样性的局部模型;在线预测阶段,通过双层集成策略实现模型的在线动态选择、模型权重自适应确定、局部预测结果融合;在线更新阶段,通过KL散度评价当前与相邻状态数据分布的差异性以实现概念漂移的实时检测,进而决定是否在线添加局部模型。将新获取的离线检测值添加入建模数据库。通过工业金霉素发酵过程和脱丁烷塔过程验证了所提方法的有效性和优越性。
关键词：软测量,集成学习,自适应,时变特征,多相似度,局部状态辨识,高斯过程回归
基金资助：国家自然科学基金资助项目(62163019,61763020,61863020);云南省应用基础研究计划资助项目(202101AT070096)。
