[发明专利]一种基于多近邻保持嵌入回归模型的工业软测量方法

摘要

本发明公开一种基于多近邻保持嵌入回归模型的软测量方法，该方法旨在全面挖掘数据的局部近邻特征关系，并建立多个回归模型以实现对产品质量的在线软测量。具体来讲，本发明方法首先为输入数据的每个样本点搜寻距离近邻、时间近邻、和角度近邻。然后，对应建立距离NPE回归模型、时间NPE回归模型，和角度NPE回归模型。其次，将各个NPE回归模型对输出的估计值重新作为输入，利用偏最小二乘算法再次建立其与输出之间的回归模型。最后，将建立起来的这些回归模型用于在线软测量。本发明方法由于能较全面地挖掘出更多的潜藏有用信息，而且实施软测量时，使用了多个回归模型保证了软测量模型的泛化能力，是一种更为优选的软测量实施方案。

主权项

1.一种基于多近邻保持嵌入回归模型的软测量方法，其特征在于，包括以下步骤：(1)从生产过程的历史数据库中找出容易测量变量所对应的采样数据组成输入数据矩阵X∈R^n×m，能直接或间接反映产品质量的指标所对应的数据组成输出向量y∈R^n×1，其中，n为训练样本数，m为过程测量变量数，R为实数集，R^n×m表示n×m维的实数矩阵；(2)将向量y与矩阵X中的每一列进行标准化处理，得到均值为0，标准差为1的新输出向量与新输入数据矩阵记录向量y的均值μ与标准差δ，上标号T表示矩阵或向量的转置；(3)设置距离近邻个数k、时间近邻个数t、和角度近邻阀值γ，分别为数据矩阵中的每个样本点搜寻与之相近的距离近邻、时间近邻、和角度近邻，其中各参数的取值范围分别为k∈[6，12]、t∈[1，4]、和δ∈[0.6，0.7]；(4)根据距离近邻、时间近邻、和角度近邻构造对应的系数矩阵W₁∈R^n×n、W₂∈R^n×n、以及W₃∈R^n×n；(5)求解广义特征值问题：得到前d个最小特征值所对应的特征向量α₁，α₂，…，α_d，以组成投影变换矩阵A_g＝[α₁，α₂，…，α_d]∈R^m×d，其中，λ表示特征值，α为特征向量，M_g＝(I‑W_g)^T(I‑W_g)，I为n×n维的单位矩阵，下标号g＝1，2，3；(6)根据计算对应的得分矩阵S₁，S₂，S₃，并计算S_g与输出之间的回归系数向量(7)计算输出估计值y_g＝S_gb_g，并组建新输入数据矩阵Y＝[y₁，y₂，y₃]；(8)利用偏最小二乘算法建立Y与输出之间的回归模型其中c∈R^3×1为回归系数向量，e∈R^n×1表示模型误差；(9)利用各回归系数向量b₁，b₂，b₃与c实施在线软测量，具体的实施过程如下所示：①采集新时刻易测量变量的样本数据z∈R^1×m，并对其实施与矩阵X相同的标准化处理得到②调用回归系数向量b₁，b₂，b₃，并根据公式计算各个NPE回归模型对输出的估计值和③根据公式计算最终输出估计值其中行向量④计算对应于样本z采样时刻的产品质量指标数据