基于混合粒子群優(yōu)化的多模型軟測量方法研究與應用.pdf

1、軟測量技術是解決復雜測量任務、實現(xiàn)難測變量在線估計的有效方法，因能較好地克服在線分析儀表的不足，實時估計產(chǎn)品的質量，為生產(chǎn)的優(yōu)化操作與控制提供實時、有效的產(chǎn)品質量數(shù)據(jù)，受到業(yè)界的廣泛關注，并已在多個行業(yè)得到成功應用。由于單一軟測量模型難以描述復雜系統(tǒng)的全局特性，因而一種將多個模型通過一定方式融合，來提高模型的預測精度和范化能力的建模方法受到業(yè)界的廣泛關注。但現(xiàn)存的多模型融合軟測量方法存在缺乏性能互補、個體子模型建模精度不足及線性融合方法

2、魯棒性不盡理想等問題?；诖吮疚膹淖幽Ｐ偷倪x擇優(yōu)化入手，通過采取不同的融合手段，并結合成品油調(diào)合的工藝特點主要進行了以下工作：
　　 1.根據(jù)不同軟測量模型建模的快速性、對數(shù)據(jù)樣本的敏感性及預測精度等屬性，并考慮性能互補，選擇PLS、RBF及LS-SVM子模型建模方法，并對多模型的融合結構進行論證分析，結合融合后模型的性能及工業(yè)應用的便利性，分別確定基于非線性BP網(wǎng)絡和線性兩種融合方法。
　　 2.用PSO優(yōu)化RBF及L

3、S-SVM建模時的正規(guī)化參數(shù)和核參數(shù)，并針對粒子群優(yōu)化算法隨維數(shù)增大群體多樣性相對減少而易早熟收斂的問題，在對和諧搜索算法進行適應性改進的基礎上，將其引入粒子群算法中，提出了一種動態(tài)和諧搜索混合粒子群優(yōu)化算法，提高了算法的尋優(yōu)能力及精確定位特性，為建立高精度的子模型奠定了基礎。
　　 3.對基于混合粒子群優(yōu)化的PLS、RBF及LS-SVM異類多模型進行線性融合，并應用于汽油調(diào)合系統(tǒng)中研究法辛烷值的預測，驗證了其預測精度和魯棒性均

4、優(yōu)于單個子模型的預測精度和魯棒性。
　　 4.考慮到將幾個子模型的輸出以線性加權求和得到組合模型最終輸出的方法魯棒性不盡理想，所建組合模型對數(shù)據(jù)樣本仍可能較敏感，且各模型對總輸出的貢獻可能包含非線性等因素，并考慮到模型的在線修正問題，建立了基于混合粒子群優(yōu)化的異類動靜模型的非線性融合模型，有效的改善了數(shù)據(jù)間的非線性影響及模型的在線修正，提高了模型的預測精度及魯棒性。
　　 論文提出的異類多模型混合建模方法能夠充分地利用被