[发明专利]基于动态隐变量模型的多采样率软测量方法

摘要

本发明公开了一种基于动态隐变量模型的多采样率软测量方法，以化工过程不同采样率的大量过程变量、少量关键质量变量为建模样本，在充分考虑数据的自相关性和互相关性的同时，提取能够包含多采样率数据特性的动态潜隐变量，而模型参数的估计通过期望最大化算法和卡尔曼滤波算法实现，并在此模型的基础上建立了相应的软测量方法，以解决多采样动态关键质量变量的估计难题。该方法在实现多采样率信息处理的同时，既可以完整利用数据信息，又能利用卡尔曼滤波充分考虑数据的动态特性，并对动态潜隐变量实现精确的估计，使降维后的少数动态潜隐变量实现对难以直接测量的多采样关键质量变量更好的估计与描述，从而在软测量精度与应用范围上实现提升。

主权项

1.一种基于动态隐变量模型的多采样率软测量方法，其特征在于，包括：(1)采集化工过程中正常运行状态下的不同采样率的过程变量样本和关键质量变量样本，组成建模用的训练样本集；(2)对得到的训练样本集进行标准化，使得各个标准化后的变量值与潜隐变量间存在线性相关关系；(3)基于预处理后的训练样本集构建多采样率动态隐变量模型；(4)在线收集新的化工过程中与训练样本集过程变量对应的多采样率过程样本数据，得到测试样本集；(5)对得到的测试样本集进行标准化；(6)采用步骤(3)得到的多采样率动态隐变量模型得到当前时刻的关键质量变量，实现关键质量变量的软测量。