[发明专利]一种带时延估计的加权高斯模型软测量建模方法

摘要

本发明公开了一种带时延估计的加权高斯模型软测量建模方法，属于复杂工业过程建模和软测量领域。所述方法包括采用滑动灰关联度算法估计过程时延参数，提取过程时延信息；当新样本到来时，基于离线阶段估计的时延参数对建模样本进行重构；并通过相对于训练样本的权重，建立加权高斯模型，构建输入和输出变量的联合概率密度函数；最后，通过条件分布函数实时估计输出变量值对关键变量进行精确预测，通过一种直观有效的方式，同时计算复杂低，从过程历史数据库中提取变量的时滞信息用于软测量建模数据重构，校正了输入输出间实际的因果对应关系，有效的解决了过程随机噪声的干扰，得到更加精确的预测结果，从而提高产品质量，降低生产成本。

主权项

1.一种带时延估计的加权高斯模型软测量建模方法，其特征在于，所述方法包括：步骤1：获取历史采样输入和输出数据，组成历史训练样本数据库；根据过程机理和经验确定最大时延参数Tmax；步骤2：将历史训练样本数据库中的训练样本数据进行归一化处理，通过滑动灰关联度分析算法确定各输入变量的最优时延参数，所述最优时延参数定义为λ1,λ2,,,λm；其中m为训练样本的维度；步骤3：对训练样本数据按照滑动灰关联度分析算法确定的最优时延参数进行数据重构；步骤4：当查询样本xq到来时，在线对查询样本xq建立加权高斯模型。