文献类型：期刊文献

中文题名：基于证据合成规则的多模型软测量

英文题名：Multi-model soft sensor based on Dempster-Shafer rule

作者：唐苦[1];王昕[2];王振雷[1]

机构：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237;[2]上海交通大学电工与电子技术中心,上海200240

年份：2014

卷号：31

期号：5

起止页码：632

中文期刊名：控制理论与应用

外文期刊名：Control Theory & Applications

收录：CSTPCD;;EI(收录号：20142717903018);Scopus;北大核心:【北大核心2011】；CSCD:【CSCD2013_2014】；

基金：国家重点基础研究发展计划资助项目(2012CB720500);国家自然科学基金资助项目(U1162202);国家863计划资助项目(2013AA0407 01);十二五国家科技支撑计划资助项目(2012BAF05B00);上海市科技攻关资助项目(12dz1125100);上海市重点学科建设资助项目(B504);流程工业综合自动化国家重点实验室开放课题基金

语种：中文

中文关键词：证据合成规则;多模型;数据融合;仿射传播聚类;软测量

外文关键词：Dempster-Shafer rule; multi-model; data fuse; affinity propagation cluster; soft sensor

摘要：针对传统软测量方法存在的预测性能差、融合能力低和适应性不强等缺点,本文提出了一种基于证据(D–S)合成规则的多模型软测量方法.首先,利用仿射传播(AP)聚类方法和最小二乘支持向量机(LS–SVM)建立多个子模型;然后,利用D–S合成规则得到多个证据概率分配函数,将其作为权值因子对子模型输出进行融合得到多模型的输出,提高了模型的预测能力和融合能力;最后,将上述方法用于非线性系统和酯化率的软测量建模,仿真结果表明,相比于单一模型和传统的多模型软测量方法,本文方法具有更好的预测性能和精度,是一种有效的软测量方法.
There are disadvantages in traditional model methods for the soft sensor, such as low predictive accuracy, poor fusion ability and weak adaptability. In this paper, a multi-model soft sensor method is proposed based on Dempster-Shafer （D-S） rule. Firstly, the affinity propagation （AP） clustering method and the least squares support vector machine （LS-SVM） are used to establish multiple sub-models. Then, the multi-model output of the soft sensor is obtained through the fusion of the sub-models based on the weighting factor calculated by using D-S rules to improve the model prediction ability and fusion ability. The proposed method is used to build the soft sensor model of a nonlinear system and the ester rate. Simulation results and industry application indicate that the proposed method has better predictive performance and higher accuracy in comparison with the traditional soft sensor