一种新的基于MKPLS的间歇过程质量预测方法

摘要

传统MKPLS方法在进行核技巧计算时需要对全部的测量变量进行两两运算,造成了运算量过大、存储空间需求高的问题。针对间歇过程在在线质量预测方面的非线性问题以及计算量的问题,提出一种新的基于特征空间(FS)的核偏最小二乘算法,用于对间歇过程的质量数据进行在线软测量。首先,算法将间歇过程采集到的数据进行三维展开及标准化处理;之后,将这些数据进行特征向量提取以降低投影到核空间中的数据量以及计算量;最后,针对传统特征向量提取算法在向量选择顺序方面的盲目性,将质量数据纳入考量,构建一种新的特征向量提取方式,以解决在线软测量方面的非线性问题,进一步提高在线软测量精度。最后将提出的算法用于青霉素发酵仿真及实际过程的在线监测,验证了方法的有效性。