[发明专利]一种基于集成正交成分最优化回归分析的软测量方法

摘要

本发明公开一种基于集成正交成分最优化回归分析的软测量方法，旨在解决如何集成考虑多种类型的正交成分回归算法，并使用最优化的思想建立软测量模型这一问题。具体来讲，本发明方法首先分别利用主成分回归(PCR)算法、独立成分回归(ICR)、和偏最小二乘回归(PLSR)算法建立三个正交成分回归模型，然后利用回归模型的预测值再次预测质量数据，所不同的是利用回归模型预测值再次预测质量数据时是采用粒子群算法得到回归系数向量。与传统方法相比，本发明方法考虑了多个正交成分回归模型，并通过最优化的回归系数向量预测输出质量指标。因此本发明方法对质量指标的预测精度不会低于其中任何一种回归模型，软测量性能得到了充分保证。

主权项

1.一种基于集成正交成分最优化回归分析的软测量方法，其特征在于，包括以下步骤：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矩阵X∈Rn×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∈Rn×1，其中，n为训练样本数，m为过程测量变量数，R为实数集，Rn×m表示n×m维的实数矩阵；值得注意的是，若是质量数据的采样频率低于容易测量数据的采样频率，可将每个质量数据样本进行复制，从而使输入与输出样本个数相等；步骤(2)：对输入X按照列实施标准化处理，即每一列数据都减去其各自列的均值后再除以各自列的标准差，得到标准化后的输入步骤(3)：计算输出质量数据y的均值μ与标准差σ，根据公式实施标准化处理；步骤(4)：利用主成分回归(PCR)算法建立输入与输出之间的软测量模型，即：上式中，矩阵中包含了d个相互正交的主成分，Θ₁为PCR模型的回归系数向量，e₁为回归模型残差，P为PCR模型的投影变换矩阵；步骤(5)：利用独立成分回归(ICR)算法建立输入与输出之间的软测量模型，即：上式中，矩阵中包含了k个相互正交的独立成分，Θ₂为ICR模型的回归系数向量，e₂为回归模型残差，W为ICR模型的投影变换矩阵；步骤(6)：利用偏最小二乘回归(PLSR)算法建立输入与输出之间的软测量模型，即：上式中，矩阵中包含了r个相互正交的独立成分，Θ₃为ICR模型的回归系数向量，e₃为回归模型残差，Q为PLSR模型的投影变换矩阵；步骤(7)：令y1＝TΘ1、y2＝SΘ2、以及y3＝UΘ3后，使用粒子群优化算法最优求解回归系数向量b＝[b1，b3，b3]T∈R3×1；步骤(8)：采集新时刻易测量变量的样本数据x∈R^1×m，对其实施与步骤(3)中输入X相同的标准化处理得到步骤(9)：根据公式和分别计算不同回归模型对输出的预测值z₁、z₂、和z₃；步骤(10)：利用最优化的回归系数向量b计算最终的质量指标预测值那么，最终的产品质量指标的估计值为