基于贝叶斯统计学习的概率软测量建模方法研究

研究基于贝叶斯统计学习理论的概率软测量建模技术，提出一套适合随机噪声环境下基于数据驱动的概率软测量模型构建及其性能评估方法。具体包括：常用软测量模型在贝叶斯概率意义下的实现方法；针对过程的非高斯特性，提出一种非高斯概率软测量建模方法；提出一种迭代形式的概率软测量模型用于时变过程的软测量建模；针对存在多种操作模式的过程，提出一种混合概率软测量建模和操作模式定位方法；基于过程的不同噪声形式，给出一个统一的概率软测量建模方法；针对过程输入输出数据的不平衡现象，提出一种半监督形式的概率软测量建模方法；在各种复杂的过程特性下，给出相应的缺失数据重构和估计方法；定义概率软测量模型的性能评价指标，分析和比较各种模型的优劣。项目的研究成果对提高化工、冶金、造纸和制药等典型生产过程的产品质量和控制性能具有重要的意义。

本项目基于贝叶斯统计学习理论的概率软测量建模技术，提出了一套基于数据驱动的软测量建模方法，项目实施三年来在国际SCI期刊上发表研究论文18篇，申请发明专利3项，授权发明专利1项，并获得2012年度教育部自然科学一等奖。取得的理论创新性成果主要包括：对传统的PCR回归模型进行了概率化，在噪声环境下实现了对工业过程数据的概率软测量建模，并将其扩展为混合概率模型的形式，实现了对非线性和非高斯过程数据的回归建模；系统的比较了各种线性和非线性软测量回归模型，如PLS、SVM、LSSVM以及RVM等，并引入实时建模策略，基于上述各种软测量建模方法，实现了多种在线软测量建模方法，系统分析和比较了他们的优缺点和性能；引入贝叶斯方法，将概率PCR模型扩展为半监督的形式，实现了在输入输出数据不平衡情况下的软测量建模；针对存在多操作模态和多产品生产功能的复杂生产过程，提出了一种全新的质量建模方法；面向建模批次短缺的间歇生产过程，提出了一种基于噪声摄动的产品质量建模和软测量新方法；针对普通变量数据和质量变量数据的不平衡问题，提出了一种基于自学习技术的产品质量建模方法；针对复杂的动态系统，提出了一种基于贝叶斯统计学习和线性高斯状态空间模型的过程监测方法，并给出了相应的故障诊断和识别新方法；针对非线性间歇过程的软测量和产品质量预测问题，提出了一种基于关联向量回归的质量建模方法；提出了一种新的间歇过程阶段划分方法，实时建立间歇过程的质量模型，在线地对产品的质量进行预测。此外，部分理论研究成果在实际的废杂铜冶炼过程中得到应用，取得了良好的应用效果，获得了一定的经济和社会效益。