貝葉斯核學(xué)習(xí)建模及在間歇過程中的應(yīng)用研究.pdf

1、在間歇生產(chǎn)過程中，往往面臨著部分關(guān)鍵參數(shù)無法通過傳感器直接測量而影響到生產(chǎn)過程中的產(chǎn)品質(zhì)量控制以及自動化水平提高等問題。同時，間歇過程無可靠的機(jī)理模型、過程時變性強(qiáng)、原材料波動大等特點(diǎn)，造成了針對該過程建模和控制非常困難，產(chǎn)品質(zhì)量波動大，能耗無法得到有效控制等問題。
　　 目前，針對此類問題，以支持向量回歸(Support Vector Regression，SVR)和最小三乘支持向量機(jī)(Least Squares SVR，LS

2、SVR)等一類基于數(shù)據(jù)驅(qū)動的核學(xué)習(xí)建模方法得到了廣泛的研究，并取得了一定的成效，但仍面臨一些共性問題：(1)對數(shù)據(jù)不確定性、相關(guān)性和非線性較為敏感；(2)需要估計正則化參數(shù)，在回歸問題中還需要調(diào)整敏感度參數(shù)；(3)絕大部分SVR、LSSVR方法都是離線的，建立的是離線模型，在線遞推模型的研究還相對較少等。
　　 針對以上情況，本課題主要開展以下工作：
　　 1.為了提高針對間歇過程建模的準(zhǔn)確性以及推廣性能，且充分利用先驗(yàn)

3、概率信息，提出了一種貝葉斯核學(xué)習(xí)建模方法，在給定假設(shè)先驗(yàn)概率分布和似然分布的條件下，通過修正預(yù)測模型，從而提高模型對非線性過程建模的準(zhǔn)確性和推廣性能。通過對一類青霉素發(fā)酵過程仿真實(shí)驗(yàn)表明，該建模方法引入了貝葉斯方法，可以有效地獲得參數(shù)的優(yōu)化解，得到精確的預(yù)測模型，較傳統(tǒng)神經(jīng)網(wǎng)絡(luò)、LSSVR等算法具有更好的預(yù)報性能和推廣性能。
　　 2.針對工業(yè)過程中在線實(shí)時預(yù)報產(chǎn)品關(guān)鍵參數(shù)的要求，本文推導(dǎo)了一種遞推貝葉斯建模方法，并提出了一種遞

4、推貝葉斯核學(xué)習(xí)建模方法，采用基于模型預(yù)報誤差準(zhǔn)則的樣本稀疏化策略，冗余樣本刪除策略、模型在線遞推更新，對一類非線性過程進(jìn)行在線建模，實(shí)時預(yù)報工業(yè)過程關(guān)鍵參數(shù)。通過對橡膠混煉過程的實(shí)際數(shù)據(jù)進(jìn)行仿真研究表明，遞推貝葉斯核學(xué)習(xí)方法較遞推貝葉斯建模方法、貝葉斯核學(xué)習(xí)方法，對混煉過程關(guān)鍵參數(shù)具有更好的預(yù)報性能、推廣性能、過程參數(shù)選擇靈活性，具備一定的工業(yè)應(yīng)用價值。
　　 3.將遞推貝葉斯核學(xué)習(xí)方法應(yīng)用到國內(nèi)某輪胎制造廠的橡膠混煉過程門尼粘