基于RBF-WPLS及其改进算法的软测量建模研究与应用的任务书.docx

基于RBF-WPLS及其改进算法的软测量建模研究与应用的任务书
一、研究背景及意义
软测量作为化工过程控制中的重要手段，在化工工业生产中得到了广泛的应用。软测量主要通过建立各种传感器信号与化工过程变量之间的数学模型，对化工过程中的关键量进行估算和预测，使得化工生产能够实现自动化和优化控制，提高生产效率和品质。
软测量模型的建立是软测量成功的关键。目前常用的建模方法有主成分分析（PCA）、偏最小二乘回归（PLS）、多元回归（MLR）等。但是，这些方法仅仅考虑了数据的线性关系，对于复杂的非线性过程，建立的模型往往具有较差的预测性能。
针对以上问题，近年来出现了一些基于核函数的非线性建模方法，如支持向量机（SVM）、径向基函数网络（RBFN）等。基于核函数的非线性建模方法在软测量领域的应用也逐渐扩展。其中，RBFN作为一种最常见的核函数方法之一，在软测量领域的应用广泛。
但是，RBFN也存在一些缺陷。首先，RBFN的训练效率比较低，因为其训练需要解决一个最优化问题。其次，模型参数的确定难度较大，对模型的预测性能会有一定影响。
因此，本研究旨在对RBF-WPLS及其改进算法进行探究，并应用于化工过程的软测量建模中，以提高模型的预测精度和建模效率，为化工生产提供更好的控制手段。
二、研究内容
本研究将主要围绕RBF-WPLS及其改进算法的软测量建模进行探究。具体研究内容如下：
1.RBF-WPLS模型的基本原理和方法。深入研究RBF-WPLS模型的建模原理和方法，分析其可用于软测量建模的技术优势和不足之处，为后续改进工作提供理论基础。
2.改进RBF-WPLS算法的方法与实现。分析RBF-WPLS模型在实际应用中的问题，基于这些问题，提出改进算法，并深入研究改进算法的原理和实现方法。
3.将改进的RBF-WPLS算法应用到化工过程的软测量建模中。在实际化工生产中，选取合适的化工过程进行软测量建模，将改进的RBF-WPLS算法应用到建模中，分析其实际应用可行性和效果。
4.评价改进算法在软测量建模中的性能。通过对比改进算法与传统算法的软测量建模性能，评价其优劣和适用性，并对改进算法进一步进行优化和完善。
三、预期成果
本研究的预期成果包括：
1.深入了解RBF-WPLS模型的基本原理和方法，分析该方法在软测量建模中的应用优势。
2.提出改进RBF-WPLS算法的方法和实现方案，提高建模的准确度和运算效率。
3.在化工过程的软测量建模中，应用改进的RBF-WPLS算法，验证其实际应用效果，并与其他建模方法进行比较分析。
4.在评价改进算法在软测量建模中的性能的基础上，进一步优化和完善改进算法，提高建模的准确度和运算效率。
四、研究计划
本研究计划分为以下几个阶段：
1.研究背景调查和分析（2周）。
对目前主流的化工过程软测量建模方法进行调研和分析，并探究目前存在的问题和难点。
2.RBF-WPLS模型的研究和改进（8周）。
分析RBF-WPLS模型的基本原理和方法，并提出改进算法的思路。具体包括在RBF-WPLS模型中融入新的特征提取方法以及改进模型参数选择方法等。
3.应用改进算法进行化工过程的软测量建模（8周）。
选定化工过程，将改进的RBF-WPLS算法应用到软测量建模中，并进行实验验证。比较改进算法和其他算法之间的差异，探究其优劣之处。
4.结果总结和论文撰写（6周）。
总结研究成果，撰写论文并对研究中存在的问题进行讨论，同时提出改进方案。并准备数字化科技协会的任务书报告。
五、研究条件
本研究需要用到化工过程控制实验室、计算机等设备。实验室需要配备测量仪器、采样器和相关化工过程控制设备等。计算机需要配置数据处理和建模软件等。可以申请相关的研究经费和实验室设备。
六、参考文献
1.宋晓东.基于RBF-WPLS算法的工业过程软测量[D].哈尔滨工程大学,2017.
2.FengQ,XiaoJ,LiuS,etal.Dynamicpartialleastsquareswithregularizationforonlinecalibrationofsoftsensor[J].AnalyticaChimicaActa,2019,1076:79-87.
3.WangQ,LiQ,ZhangJ,etal.Anintelligentdata-drivenapproachforfurnacetemperaturecontrolbasedonRBF-WPLSsoftsensor[J].EnergyConversionandManagement,2020,221:113149.
4.BianL,LiZ,LiJ,etal.NovelhybridgeneticoptimizationalgorithmforRBFNNmodelappliedinmultipha