位置:成果数据库 > 期刊 > 期刊详情页
基于局部加权偏最小二乘法的冷凝器污垢预测
  • 期刊名称:仪器仪表学报
  • 时间:0
  • 页码:299-304
  • 语言:中文
  • 分类:TP274[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]湘潭大学信息工程学院,湘潭411105, [2]湖南大学电气与信息工程学院,长沙410082
  • 相关基金:国家自然科学基金(60775047); 国家自然科学基金重点项目(60835004); 国家863计划(2007AA04Z244 2008AA04Z214)资助项目
  • 相关项目:大规模环境下移动机器人自主探索与高精度地图创建研究
作者: 王耀南|张莹|
中文摘要:

提出了基于局部加权偏最小二乘回归算法的污垢预测算法,通过在训练集的污垢数据局部模型内对新测得的数据进行偏最小二乘回归分析,并应用自适应算法对模型参数、各模型之间的加权系数进行自动优化调整。算法能很好地解决新旧数据相互影响问题,以适应冷凝器水质及工况参数的动态变化,具有学习速度快、泛化能力强及鲁棒性强的特点。通过与各种工况下的污垢预测值比较,实验结果说明基于局部加权偏最小二乘回归学习算法的污垢模型预测精度比神经网络模型、渐近污垢模型有显著提高。

英文摘要:

The paper proposes a locally weighted partial least squares regression algorithm for the prediction of condenser fouling,which fits the new measurement data by means of partial least squares regression analysis in a number of local models of old measured dada,then applies adaptive algorithm to adjust optimization model parameters and weighted coefficients of the models.The algorithm is a very good solution to the mutual impact of the new and old measurement data,and adapts the condenser water quality changes and device parameter dynamic changes.The algorithm features fast learning speed,strong generalization ability and robustness characteristics.Experimental results show that the prediction accuracy of the locally weighted based partial least-squares regression algorithm is remarkably higher than that of neural network fouling model and asymptotic fouling model.

同期刊论文项目
同项目期刊论文