基於貝葉斯統計學習的機率軟測量建模方法研究

《基於貝葉斯統計學習的機率軟測量建模方法研究》是依託浙江大學，由葛志強擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於貝葉斯統計學習的機率軟測量建模方法研究
• 依託單位：浙江大學
• 項目負責人：葛志強
• 項目類別：青年科學基金項目

項目摘要

研究基於貝葉斯統計學習理論的機率軟測量建模技術，提出一套適合隨機噪聲環境下基於數據驅動的機率軟測量模型構建及其性能評估方法。具體包括：常用軟測量模型在貝葉斯機率意義下的實現方法；針對過程的非高斯特性，提出一種非高斯機率軟測量建模方法；提出一種疊代形式的機率軟測量模型用於時變過程的軟測量建模；針對存在多種操作模式的過程，提出一種混合機率軟測量建模和操作模式定位方法；基於過程的不同噪聲形式，給出一個統一的機率軟測量建模方法；針對過程輸入輸出數據的不平衡現象，提出一種半監督形式的機率軟測量建模方法；在各種複雜的過程特性下，給出相應的缺失數據重構和估計方法；定義機率軟測量模型的性能評價指標，分析和比較各種模型的優劣。項目的研究成果對提高化工、冶金、造紙和製藥等典型生產過程的產品質量和控制性能具有重要的意義。

結題摘要

本項目基於貝葉斯統計學習理論的機率軟測量建模技術，提出了一套基於數據驅動的軟測量建模方法，項目實施三年來在國際SCI期刊上發表研究論文18篇，申請發明專利3項，授權發明專利1項，並獲得2012年度教育部自然科學一等獎。取得的理論創新性成果主要包括：對傳統的PCR回歸模型進行了機率化，在噪聲環境下實現了對工業過程數據的機率軟測量建模，並將其擴展為混合機率模型的形式，實現了對非線性和非高斯過程數據的回歸建模；系統的比較了各種線性和非線性軟測量回歸模型，如PLS、SVM、LSSVM以及RVM等，並引入實時建模策略，基於上述各種軟測量建模方法，實現了多種線上軟測量建模方法，系統分析和比較了他們的優缺點和性能；引入貝葉斯方法，將機率PCR模型擴展為半監督的形式，實現了在輸入輸出數據不平衡情況下的軟測量建模；針對存在多操作模態和多產品生產功能的複雜生產過程，提出了一種全新的質量建模方法；面向建模批次短缺的間歇生產過程，提出了一種基於噪聲攝動的產品質量建模和軟測量新方法；針對普通變數數據和質量變數數據的不平衡問題，提出了一種基於自學習技術的產品質量建模方法；針對複雜的動態系統，提出了一種基於貝葉斯統計學習和線性高斯狀態空間模型的過程監測方法，並給出了相應的故障診斷和識別新方法；針對非線性間歇過程的軟測量和產品質量預測問題，提出了一種基於關聯向量回歸的質量建模方法；提出了一種新的間歇過程階段劃分方法，實時建立間歇過程的質量模型，線上地對產品的質量進行預測。此外，部分理論研究成果在實際的廢雜銅冶煉過程中得到套用，取得了良好的套用效果，獲得了一定的經濟和社會效益。