【摘 要】
：
在复杂工业过程产品质量变量的动态软测量建模中，多变量动态时间序列输入变量数据是具有“空间-时间”双重关联结构模式的高维张量数据。本文针对数据的上述特点，将慢特征分析算法张量化拓展，提出了多线性慢特征分析(MSFA)降维算法。该方法首次将张量方法应用到多变量时间序列慢特征分析建模问题，不仅保留了数据的张量原始结构，而且利用了数据动态时间序列的特点，同时克服了数据向量化展开降维方法在输入空间高维时计算
【机 构】
：
东北大学 流程工业综合自动化国家重点实验室,辽宁 沈阳 110819
论文部分内容阅读
在复杂工业过程产品质量变量的动态软测量建模中，多变量动态时间序列输入变量数据是具有“空间-时间”双重关联结构模式的高维张量数据。本文针对数据的上述特点，将慢特征分析算法张量化拓展，提出了多线性慢特征分析(MSFA)降维算法。该方法首次将张量方法应用到多变量时间序列慢特征分析建模问题，不仅保留了数据的张量原始结构，而且利用了数据动态时间序列的特点，同时克服了数据向量化展开降维方法在输入空间高维时计算代价过大以及出现矩阵病态的问题。进一步基于支持向量回归机建立水泥生料分解率模型，并在过程数据上进行了实验，结果表明，本文方法能够获得有效的低维特征表达，提高了的软测量预报精度。
其他文献
涂层直接进样探针(CDIP)是一种由直接进样探头(DIP)研制而成的实验室自制的低成本新技术，具有从复杂基质中快速提取目标物并且基质效应小的特点.毛细管探针使用溶胶-凝胶法涂覆羟基封端聚二甲基硅氧烷(OH-PDMS)、二乙烯基苯(DVB)和β-环糊精(β-CD)，并可直接与商业化的大气压化学电离(APCI)离子源和高分辨率质谱联用.使用稳定同位素标记的内标(SIL-IS)定量分析大菱鲆肉中不同浓度
白酒是中国的国酒。建立了固相小柱结合高效液相色谱法(SPE-HPLC)检测白酒中阿魏酸、没食子酸、对香豆酸、丁香酸和儿茶素的方法。优化了白酒样品pH、甲醇洗脱剂pH 及用量、上样方法和洗脱方法。
本研究首次采用直接进样串联质谱法对从蛏(Sinonovacula constricta 和Solen gouldi)中提取的油脂进行甘油磷脂的分子种类分析,其中包括磷脂酰胆碱,磷脂酰乙醇胺,磷脂酰丝氨酸,磷脂酰肌醇,溶血磷脂酰胆碱,溶血磷脂酰乙醇胺和溶血磷脂酰丝氨酸.同时,还对脂质组成,磷脂类组成以及全脂、甘油三酯和磷脂的脂肪酸组成进行了分析.实验结果表明：在Sinonovacula constr
广义H范数混合控制是控制领域的重点问题,3D打印系统的鲁棒闭环控制可靠性和打印效果直接相关、也是3D打印领域的难点问题,针对打印系统内外参数摄动和打印头惯性误差、广义H 范数混合控制问题,提出了基于H∞尺度空间的鲁棒打印控制方法。面向打印头的高速大概率惯性误差、打印系统机身刚度与运动部件阻尼系数摄动,建立3D打印系统综合环境控制模型。基于H∞尺度空间状态反馈控制,通过有界实引定理推导出3D 打印系
软测量技术是解决流程工业中一类难以在线测量变量估计问题的有效方法。本文提出了一种基于核偏最小二乘方法(KPLS)和最小二乘支持向量机的航煤闪点和干点软测量建模方法，采用核偏最小二乘方法对输入变量进行数据压缩，消除变量之间的相关性，简化最小二乘支持向量机模型结构，并通过混沌粒子群—模拟退火方法对最小二乘支持向量机的参数进行优化选择。将优化结果应用于CDU 航煤闪点和干点软测量建模，结果表明：该方法具
为了降低建筑能耗影响因素间复杂相关性对模型性能的影响，建立了一种基于KPCA-WLSSVM 的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩，消除变量之间的相关性，简化模型结构；进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型，同时结合一种新型混沌粒子群—模拟退火混合优化(CPSO-SA)算法对模型参数进行优化，以提高模型的预测性能及泛化能力。通过将KP
单一模型预测精度不够以及风速序列的非平稳和随机的特点,提出一种局部均值分解法(Local MeanDecomposition,LMD)和改进的Elman 动态网络的组合预测模型,即LMD-Elman 组合预测方法.该方法首先运用局部均值分解法将原始风速序列分解成具有各自特点的分量,然后根据每个分量各自的特点建立不同的Elman网络预测模型并将预测结果叠加起来,最后通过功率曲线得到预测功率.实验仿真
红外探测器具有抗干扰能力强、气候环境适应性强、昼夜连续探测等优点，利用红外探测器进行海上搜救可以较好克服人眼的不足。红外探测器的聚焦准确与否直接决定成像质量的好坏及后续目标检测的效果。本文针对自动聚焦技术的重要组成部分——对焦窗口选取和清晰度评价算法展开研究并设计出基于DSP 的红外探测器自动聚焦系统。测试结果表明，本文设计的红外探测器自动聚焦系统运行有效，稳定。
现代化工过程一般有多个操作模态,并且采集的数据不服从单一的高斯或非高斯分布。针对上述化工过程中的多模态与复杂数据分布问题,本文提出了一种新的名叫局部与非局部保持嵌入(Local and nonlocal preserved embedding,LNLPE)的故障检测方法。首先,对训练数据集进行差分处理,利用局部离群因子(Local outlier factor,LOF)策略对差分后的数据进行模态划
针对烧结过程存在不确定性的扰动及存在非线性的特点，本文分析了不确定性因素及控制输入因素对烧结终点的影响，提出了基于线性参数变化(LPV)的烧结终点T-S 模糊模型。首先，建立了烧结终点机理模型，并对机理模型中的相关参数进行了关联性分析。其次，针对机理模型的参数无法直接获取且存在时变不确定性等缺点，对时变参数进行分析，得到基于LPV 的烧结终点模型；最后，采用线性化逼近方法，利用模糊建模方法，建立基