基于特征向量提取的核回归建模方法研究

邓晓刚 田学民
中国石油大学（华东）信息与控制工程学院 山东 东营

摘      要：针对工业软测量中的非线性数据回归问题，提出一种基于特征向量提取的核回归建模方法。基于核函数非线性变换技术，建立非线性软测量模型——核回归模型。为了减少核回归模型中的优化参数，采用特征向量提取（FVS）算法选择核回归模型的特征向量，较后采用改进的粒子群优化算法估计模型参数。在工业数据上的应用结果说明了方法的有效性。

关  键  词：核建模方法，特征向量提取，粒子群算法

1　引  言
工业过程控制与优化的目的在于提高产品质量，然而传统的质量仪表不仅价格昂贵，维护复杂，而且往往具有较大的检测滞后，难以满足在线实时质量控制的要求。软测量技术有效的补充了传统测量仪表的不足，而且投资低、维护简单，为先进控制技术的实施提供了有利条件。软测量建模方法是软测量技术的核心，也是目前研究人员较为关心的热点问题。近些年来，国内外对软测量建模方法尤其是非线性软测量建模方法进行了大量的研究。文献[1]-[4]分别提出了非线性偏较小二乘（NPLS）、神经网络（NN）等方法，较近核函数技术逐渐被用于非线性回归方法，如核偏较小二乘（KPLS）、支持向量机（SVM）方法[5]-[7]。本文针对工业软测量中的数据的非线性特性，提出一种核回归建模方法。该方法构造核回归模型，采用特征向量提取方法选择模型的特征向量，使用智能优化算法估计模型参数，较后使用工业数据验证方法的有效性。

登录网站后可下载文件

相关阅读:

• ...2012/03/16 14:46·基于特征加权模糊聚类的多模型软测量建模
• ...2009/01/06 14:36·基于特种车辆计量系统的设计与实现