基于特征加权模糊聚类的多模型软测量建模  

Multi-Model Soft-Sensor Modeling Based on Feature-Weighted Fuzzy Clustering

作　　者：杨慧中[1] 张文清[1,2] 

机构地区：[1]江南大学教育部轻工过程先进控制重点实验室,江苏无锡214122 [2]上海市电站自动化技术重点实验室,上海200072

出　　处：《控制工程》2011年第4期524-526,547,共4页Control Engineering of China

基　　金：国家自然科学基金(60674092);江苏省高技术研究项目(工业部分)(BG2006010);上海市科学技术委员会资助(09DZ2273400)

摘　　要：针对化工生产过程中质量指标无法在线监测的问题,多模型软测量建模方法往往能取得不错的模型估计精度。然而传统的模糊聚类算法都假定样本的各维特征对聚类的贡献相同,影响了聚类效果和模型估计精度。为了考虑样本各维特征对聚类的不同影响,提出一种新的特征加权模糊聚类算法。该算法在模糊聚类迭代的基础上,逐步调整特征权值,最终有效改善了聚类效果。利用一个实际生产装置的操作数据进行建模仿真实验,结果显示了该方法的优越性。As for the problem that quality index can＇t be monitored on line in chemical processing,the modeling method of multi-model soft-sensor can always get good estimated accuracy.However,the traditional fuzzy clustering assumes that each feature of the samples is the same to the contribution of clustering.In order to consider the particular contributions of different features,a feature-weighted fuzzy clustering algorithm is proposed.This algorithm adjusts feature weights gradually on the basis of the iterative fuzzzy clustering,improves the clustering result finally.The simulation experiments are carried out with the data from an industerial plant.The simulation result shows that the modeling method is superior.

关 键 词：支持向量机 多模型 模糊聚类 特征权值 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]