一种基于自适应模糊高斯核聚类的软测量建模方法

摘要/Abstract

摘要： 单一模型一般难以表达复杂的生产过程特性，在软测量应用中往往容易使模型的估计精度低、泛化性能差.提出一种基于自适应模糊高斯核聚类的概率加权多模型融合方法，利用高维空间内样本的分散性来确定聚类中心，能取得最佳聚类效果.根据贝叶斯后验定律进行多模型融合，使总模型输出更具合理性.该方法不仅克服了单模型预测的局限性，同时对传统多模型融合方法做了一些改进，提高了过程估计的精度.

关键词: , 自适应, 模糊高斯核聚类, 概率加权, 多模型

Abstract: It is difficult for a single model to express the complicated production process, and it often results in low accuracy of prediction and poor performance of generalization. This paper presents a multimodel fusion method based on probability weight and selfadaptive fuzzy Gauss kernel clustering. The method determines cluster centers according to dispersion of the samples in a high dimensional space. The weight of every submodel is given by Bayesian posterior method. The method can overcome the limitation of singlemodel forecast and improve traditional multimodel fusion methods for obtaining higher prediction accuracy.

Key words: adaption, fuzzy Gauss kernel clustering, probabilityweighted, multimodel

中图分类号:

TP 274

夏源，杨慧中. 一种基于自适应模糊高斯核聚类的软测量建模方法[J]. 上海交通大学学报（自然版）, 2017, 51(6): 722-726.

XIA Yuan,YANG Huizhong. A Soft Sensor Modeling Method Based on
SelfAdaptive Fuzzy Gauss Kernel Clustering[J]. Journal of Shanghai Jiaotong University, 2017, 51(6): 722-726.

参考文献

［1］SUN Zonghai, SUN Youxian. Fuzzy support vector machine for regression estimation［J］. IEEE International Conference on Systems, 2003, 4:33363341.
［2］SHI Huifeng, XING Milan. The improved MC(su3) algorithm and bayesian network learning［C］∥IEEE International Conference on Machine Learning and Cybernetics. Kunming, China: IEEE, 2008, 3:17751778.
［3］胡国龙, 孙优贤. 多模型控制方法的研究进展及其应用现状［J］. 信息与控制, 2004, 33(1): 7276.
HU Guolong, SUN Youxian. Advances and application of multiple model control method［J］. Information and Control, 2004, 33(1): 7276.
［4］李修亮, 苏宏业, 褚健. 基于在线聚类的多模型软测量建模方法［J］. 化工学报, 2007, 58(11): 28342839.
LI Xiuliang, SU Hongye, CHU Jian. Multiple models softsensing technique based on online clustering arithmetic［J］. Journal of Chemical Industry and Engineering, 2007, 58(11): 28342839.
［5］陈定三, 杨慧中. 基于局部重构融合流形聚类的多模型软测量建模［J］. 化工学报, 2011, 62(8): 22812286.
CHEN Dingsan, YANG Huizhong. Multiple model soft sensor based on local reconstruction and fusion manifold clustering［J］. Journal of Chemical Industry and Engineering, 2011, 62(8): 22812286.
［6］李丽娟, 宋坤, 赵英凯. 基于仿射传播聚类的ARA发酵过程建模［J］. 化工学报, 2011, 62(8): 21162122.
LI Lijuan, SONG Kun, ZHAO Yingkai. Modeling of ARA fermentation based on affinity propagation clustering［J］. Journal of Chemical Industry and Engineering, 2011, 62(8): 21162122.
［7］李丽娟, 刘君. 芳烃异构化过程的多模型建模［J］. 化工学报, 2011,62(8): 23502354.
LI Lijuan, LIU Jun. Multimodeling of aromatics isomerization process［J］. Journal of Chemical Industry and Engineering, 2011,62(8): 23502354.
［8］李丽娟, 潘磊, 张氵是. 基于AP聚类算法的跳汰机床层松散度软测量建模［J］. 化工学报,2012, 63(9): 26752680.
LI Lijuan, PAN Lei, ZHANG Shi. Soft sensor modeling for mobility of jig bed based on APclustering algorithm［J］. Journal of Chemical Industry and Engineering, 2012, 63(9): 26752680.
［9］王振雷, 唐苦, 王昕. 一种基于DS和ARIMA的多模型软测量方法［J］. 控制与决策, 2014, 29(7): 11601166.
WANG Zhenlei, TANG Ku, WANG Xin. A multimodel soft sensing method based on DS and ARIMA model［J］. Control and Decision, 2014, 29(7): 11601166.
［10］吕业, 杨慧中, 雷瑜，等. 基于环路能量聚类的多模型软测量建模［J］. 化工自动化及仪表, 2012(11): 14091413.
L Ye, YANG Huizhong, LEI Yu, et al. Multimodel softsensing modeling based on energy clustering［J］. Control and Instruments in Chemical Industry, 2012(11): 14091413.
［11］SPRAGINS J. Learning without a teacher ［J］. IEEE Transactions of Information Theory, 2005,23(6): 223330.
［12］陈贵华, 王昕, 王振雷,等. 基于模糊核聚类的乙烯裂解深度DELSSVM多模型建模［J］. 化工学报, 2012, 63(6): 17901796.

[1]	李双, 施建强. 基于新型双环控制的LC型逆变器研究[J]. 上海交通大学学报, 2022, 56(9): 1139-1147.
[2]	陈昌川, 刘凯, 刘仁光, 冯晓棕, 覃延佳, 代少升, 张天骐. 基于多源局部放电信号数据流聚类分离方法[J]. 上海交通大学学报, 2022, 56(8): 1014-1023.
[3]	欧阳旭宇, 常海超, 刘祖源, 冯佰威, 詹成胜, 程细得. 自适应采样方法在船型优化中的应用[J]. 上海交通大学学报, 2022, 56(7): 937-943.
[4]	张绍广, 肖茂超, 张宇飞, 陈海昕. 细长旋成体大攻角非对称涡模拟的扰动引入方式研究[J]. 空天防御, 2022, 5(3): 10-16.
[5]	王聚团, 戚晓宁, 黄志明. 水下生产管汇测试技术及其改进研究[J]. 海洋工程装备与技术, 2022, 9(2): 43-49.
[6]	袁振钦, 邹科, 孙亚峰, 刘刚, 屈衍, 李居跃. 基于时域分析法的动态电缆疲劳分析[J]. 海洋工程装备与技术, 2022, 9(2): 50-55.
[7]	丁明, 孟帅, 王书恒, 夏玺. 六自由度波浪补偿平台的神经网络自适应反馈线性化控制[J]. 上海交通大学学报, 2022, 56(2): 165-172.
[8]	汤洪涛, 王丹南, 邵益平, 赵文彬, 江伟光, 陈青丰. 基于改进候鸟迁徙优化的多目标批量流混合流水车间调度[J]. 上海交通大学学报, 2022, 56(2): 201-213.
[9]	张文佳, 马辛. 深空探测器接近段自主导航的滑动窗口自适应滤波方法[J]. 上海交通大学学报, 2022, 56(11): 1461-1469.
[10]	周齐贤, 王寅, 孙学安. 基于增益自适应超螺旋滑模理论的无人机控制[J]. 上海交通大学学报, 2022, 56(11): 1453-1460.
[11]	马航宇, 周笛, 卫宇杰, 吴伟, 潘尔顺. 变工况下基于自适应深度置信网络的轴承智能故障诊断[J]. 上海交通大学学报, 2022, 56(10): 1368-1377.
[12]	方明, 赵婵娟, 赵春雷, 徐安祺, 陈剑. 基于STAP的行进间车载雷达杂波抑制技术研究[J]. 空天防御, 2022, 5(1): 71-77.
[13]	顾念祖, 陶青长, 邢飞, 孙炘, 吴志林, 尤政. 基于ESPRIT+GS-SMI算法的抗卫星导航欺骗干扰技术研[J]. 空天防御, 2022, 5(1): 78-85.
[14]	王娟, 杨明旺, 郑茂尧, 刘凌云, 赵立君. 高强钢在大型半潜式平台组块建造中的应用[J]. 海洋工程装备与技术, 2022, 9(1): 27-31.
[15]	陈欣, 赵晓磊, 王立坤, 肖德明, 张腾月. 深水大型吸力锚建造技术研究[J]. 海洋工程装备与技术, 2022, 9(1): 32-36.