李妍君
- 作品数：3 被引量：18H指数：3
- 供职机构：江南大学物联网工程学院自动化研究所更多>>
- 发文基金：国家自然科学基金江苏省“六大人才高峰”高层次人才项目江苏高校优势学科建设工程资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 选择性集成LTDGPR模型的自适应软测量建模方法被引量：8
- 2017年
- 随着时间的增加,传统时间差(TD)模型会出现性能显著下降的问题。为了提高TD模型的可靠性和预测精度,同时考虑过程的时滞特征,基于一种选择性集成策略,提出一种局部时间差高斯过程回归(LTDGPR)模型的自适应软测量建模方法。首先,提取出数据库中的时滞动态信息,对建模数据进行重构;然后,采取局部化策略对差分后的重构样本进行统计划分,得到LTDGPR模型集。对于新来的输入样本,选择部分泛化能力强的LTDGPR模型进行集成,估计出含一定时间差的主导变量动态偏移值;最后,基于TD模型思想对当前时刻主导变量值进行在线预测。通过脱丁烷塔过程的数据建模仿真研究,验证了所提方法的有效性和精度。
- 熊伟丽李妍君
- 关键词：参数识别动态建模化学过程
- 一种带过程变量时滞估计的在线软测量建模方法被引量：5
- 2016年
- 为了有效地将时滞信息引入到软测量建模过程中,同时实时跟踪过程动态,本文提出一种基于模糊曲线分析(FCA)估计过程时滞参数的新方法,用离线条件下得到的时滞参数集对软测量建模的数据进行重构;对于新的输入数据,基于一定时刻之前采集的历史变量值,采用时间差—高斯过程回归(TDGPR)模型对当前时刻主导变量值进行在线预测.通过对脱丁烷塔过程的仿真研究,验证了所提方法的有效性和精度.
- 李妍君熊伟丽徐保国
- 一种动态校正的AGMM-GPR多模型软测量建模方法被引量：6
- 2016年
- 工业过程常常是强非线性的,并有多个工况,传统的软测量方法存在预测能力差,不能有效利用误差信息等缺点.为了有效解决这些问题,提出一种基于自适应高斯混合模型-高斯过程回归(AGMM-GPR)的多模型动态校正软测量建模方法.首先,通过贝叶斯信息准则构建自适应高斯混合模型(AGMM),得到优化的子模型个数;然后,利用GPR方法建立各局部模型,当新的数据到来时,将其隶属于各局部模型的后验概率和预测值融合得到多模型输出;最后,为了进一步提高模型的精度,构建自回归积分滑动平均(ARIMA)模型对多模型输出进行动态反馈校正.通过数值仿真和硫回收装置(SRU)中H2S浓度的估计,验证了所提方法具有良好的预测精度和泛化性能.
- 熊伟丽李妍君姚乐徐保国
- 关键词：自适应动态校正ARIMA模型
