[發(fā)明專利]一種基于集成正交成分最優(yōu)化回歸分析的軟測量方法

有效

• 申請?zhí)枺?/td>: 201810233450.3
• 申請日: 2018-03-06
• 公開（公告）號: CN108492026B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設計）人: 童楚東;俞海珍;朱瑩
• 申請（專利權）人: 寧波大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06N3/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開一種基于集成正交成分最優(yōu)化回歸分析的軟測量方法，旨在解決如何集成考慮多種類型的正交成分回歸算法，并使用最優(yōu)化的思想建立軟測量模型這一問題。具體來講，本發(fā)明方法首先分別利用主成分回歸(PCR)算法、獨立成分回歸(ICR)、和偏最小二乘回歸(PLSR)算法建立三個正交成分回歸模型，然后利用回歸模型的預測值再次預測質量數(shù)據(jù)，所不同的是利用回歸模型預測值再次預測質量數(shù)據(jù)時是采用粒子群算法得到回歸系數(shù)向量。與傳統(tǒng)方法相比，本發(fā)明方法考慮了多個正交成分回歸模型，并通過最優(yōu)化的回歸系數(shù)向量預測輸出質量指標。因此本發(fā)明方法對質量指標的預測精度不會低于其中任何一種回歸模型，軟測量性能得到了充分保證。

技術領域

本發(fā)明涉及一種工業(yè)軟測量方法，尤其涉及一種基于集成正交成分最優(yōu)化回歸分析的軟測量方法。

背景技術

維持企業(yè)產品質量穩(wěn)定性是提高企業(yè)市場競爭能力與品牌效應的根本途徑，這些直接或間接能反應產品質量的關鍵變量通常使用在線分析手段或者離線化驗分析方法來獲取。然而，在線分析儀器價格高昂、維護成本較高；而離線化驗分析需要較長時間測得相應數(shù)據(jù)，造成嚴重的滯后，無法及時反映當前質量狀況。為了能以低成本實時獲取產品質量信息，軟測量技術應運而生。其基本思想在于：利用與質量指標相關的其他容易測量的過程變量，估計出質量指標變量的測量值以便實時監(jiān)控產品的質量信息。從軟測量方法的基本思想可以看出，軟測量技術的實施關鍵在于建立輸入與輸出之間的關系模型。

在當前已有的文獻與專利資料中，軟測量模型的建模算法主要有：統(tǒng)計回歸法、神經網絡、支持向量機等。神經網絡與支持向量機所建立的輸入-輸出模型精度較高，但通常適用于數(shù)據(jù)量充分以及非線性特性很強的條件下。相比之下，統(tǒng)計回歸法所需的數(shù)據(jù)量較小，而且訓練時間很短，已越來越多地被應用在軟測量建模領域。常見的統(tǒng)計回歸算法有主成分回歸(Principal Component Regression，PCR)算法、獨立成分回歸(IndependentComponent Regression，ICR)算法、以及偏最小二乘回歸(Partial Least SquareRegression，PLSR)等等。這三類典型的統(tǒng)計回歸算法的共同特點在于將輸入數(shù)據(jù)通過投影變換后，轉換得到少數(shù)幾個正交的潛在特征成分，然后利用這些正交成分軟測量出相應的質量指標數(shù)據(jù)。在某種程度上，可以將PCR、ICR、以及PLSR統(tǒng)稱為正交成分回歸算法。

然而，PCR、ICR、和PLSR在建立軟測量模型時都是單獨使用的，針對不同對象通常能取得不同的軟測量效果，沒有哪種算法一直最好，哪種算法一直最差的說法。鮮有綜合考慮這三類算法同時使用的研究文獻或專利，都只是停留在對單個算法實施改進的層面上。另外，值得一提的是PCR與ICR算法實際都涉及到提取相應正交成分后進行最小二乘回歸預測輸出。然而，最小二乘作為一種最基本的算法思想，未能從最優(yōu)回歸的角度預測模型輸出。因此，最優(yōu)化回歸的問題也是同樣值得進一步研究的。

發(fā)明內容

本發(fā)明所要解決的主要技術問題是：如何集成考慮上述三類正交成分回歸算法，并使用最優(yōu)化的思想建立軟測量模型。為此，本發(fā)明提供一種基于集成正交成分最優(yōu)化回歸分析的軟測量方法。本發(fā)明方法首先分別建立三個回歸模型，然后利用回歸模型的預測值再次預測質量數(shù)據(jù)，所不同的是利用回歸模型預測值再次預測質量數(shù)據(jù)時是采用粒子群算法得到回歸系數(shù)向量。

本發(fā)明解決上述技術問題所采用的技術方案為：一種基于集成正交成分最優(yōu)化回歸分析的軟測量方法，包括以下步驟：

(1)從生產過程的歷史數(shù)據(jù)庫中找出易測量變量所對應的采樣數(shù)據(jù)組成輸入矩陣X∈R^n×m，能直接或間接反映產品質量的指標所對應的數(shù)據(jù)組成輸出向量y∈R^n×1。其中，n為訓練樣本數(shù)，m為過程測量變量數(shù)，R為實數(shù)集，R^n×m表示n×m維的實數(shù)矩陣。

值得注意的是，若是質量數(shù)據(jù)的采樣頻率低于-易測量數(shù)據(jù)的采樣頻率，可將每個質量數(shù)據(jù)樣本進行復制，從而使輸入與輸出樣本個數(shù)相等。