基于核函數及參數優化的KPLS質量預測研究
2021年電子技術應用第12期
陳 路，鄭 丹，童楚東
寧波大學 信息科學與工程學院，浙江 寧波315211
摘要： 核偏最小二乘(KPLS)在工業過程監測和質量預測中得到了廣泛的應用，核函數和核參數的選取對KPLS質量預測結果有重要影響。然而，如何選擇核函數類型和核參數一直是該方法應用的瓶頸。針對以上問題，提出一種改進遺傳算法的核函數優化方法。該方法將核的種類及核參數作為優化的決策變量，以均方根誤差為目標，分別從編碼方案、遺傳策略、適應度函數優化、交叉和變異算法等方面進行設計，以保證核函數種類的多樣性，利用2折交叉驗證法對訓練結果進行驗證。以田納西-伊斯曼過程(TE)與MATLAB結合進行仿真實驗，仿真結果表明，該方法能尋找到最優核函數以及其核參數，具有很好的穩定性和一致性。
中圖分類號： TN081；TP277
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201259
中文引用格式： 陳路，鄭丹，童楚東. 基于核函數及參數優化的KPLS質量預測研究[J].電子技術應用，2021，47(12)：100-104.
英文引用格式： Chen Lu，Zheng Dan，Tong Chudong. The optimization of the kind and parameters of kernel function in KPLS for quality prediction[J]. Application of Electronic Technique，2021，47(12)：100-104.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201259
中文引用格式： 陳路，鄭丹，童楚東. 基于核函數及參數優化的KPLS質量預測研究[J].電子技術應用，2021，47(12)：100-104.
英文引用格式： Chen Lu，Zheng Dan，Tong Chudong. The optimization of the kind and parameters of kernel function in KPLS for quality prediction[J]. Application of Electronic Technique，2021，47(12)：100-104.
The optimization of the kind and parameters of kernel function in KPLS for quality prediction
Chen Lu，Zheng Dan，Tong Chudong
Faculty of Electrical Engineering and Computer Science，Ningbo University，Ningbo 315211，China
Abstract： Kernel partial least squares(KPLS) has been widely used in industrial process monitoring and quality prediction. The choice of kernel function and kernel parameters has an important impact on the KPLS quality prediction results. However, how to choose the kernel function type and kernel parameters has always been the bottleneck of the application of this method. To solve the above problems, a kernel function optimization method based on improved genetic algorithm is proposed. In this method, the kernel type and kernel parameters are used as the optimal decision variables, and the root mean square error is targeted. It is designed in terms of coding scheme, genetic strategy, fitness function optimization, crossover and mutation algorithms to ensure the variety of kernel functions, and uses the 2-fold cross-validation method to verify the training results. The Tennessee-Eastman Process(TE) is combined with MATLAB for simulation experiments. The simulation results show that the method can find the optimal kernel function and its kernel parameters, and has good stability and consistency.
Key words : kernel partial least squares；genetic algorithm；quality prediction；k-fold cross-validation
0 引言
質量預測與分析是實現工業過程閉環控制的基礎和關鍵[1]。基于KPLS的方法可以提高質量預測精度，許多研究人員以KPLS方法為基石，提出了許多解決非線性問題的方法[1-8]。
核函數是KPLS方法的關鍵，而KPLS選擇核函數并不是任意的，必須要滿足Mercer定理。特定的內核函數選擇隱含地決定了映射和特征空間。在KPLS中，由于提取系統非線性特征的程度是基于核函數的，因此核函數的選擇是最重要的。如何給基于KPLS的質量預測選擇理想的核函數和核參數是一個開放的問題[9-10]。而且，一旦設置了核函數，就需要設置適當的核參數。但是，沒有一個理論框架能尋找到指定核函數的參數最最優值，也就是說基于KPLS的質量預測很大程度上取決于選擇的核函數和核參數。
本文詳細內容請下載：http://m.jysgc.com/resource/share/2000003880。
作者信息：
陳 路，鄭 丹，童楚東
(寧波大學 信息科學與工程學院，浙江 寧波315211)
此內容為AET網站原創，未經授權禁止轉載。