偏最小二乘方法及其在工业过程数据处理中的应用

第1章绪论 / 001

1.1引言 / 001

1.2研究背景与意义 / 002

1.3偏*小二乘方法描述 / 004

1.4偏*小二乘方法的研究现状 / 005

1.4.1基于PLS的线性回归研究现状 / 005

1.4.2基于PLS的统计建模、故障监测研究现状 / 005

1.4.3基于PLS的质量变量预测研究现状 / 006

1.4.4非线性PLS的研究与发展 / 007

1.5全书概况 / 008

参考文献 / 010



第2章基于PLS的工业过程线性回归分析 / 013

2.1引言 / 013

2.2PLS原理基石：MLR与PCR / 015

2.2.1多元线性回归MLR / 015

2.2.2主成分回归PCR / 017

2.3单变量偏*小二乘回归 / 019

2.3.1算法推导 / 019

2.3.2基本性质 / 020

2.3.3交叉有效性 / 021

2.4多变量偏*小二乘回归 / 021

2.4.1算法推导 / 021

2.4.2基本性质 / 022

2.4.3交叉有效性 / 023

2.4.4工业过程中PLS质量预测模型 / 024

2.5PLS与PCR比较 / 024

2.6典型间歇过程——青霉素发酵过程案例研究 / 025

2.6.1间歇过程及其数据预处理 / 025

2.6.2青霉素发酵仿真平台介绍 / 027

2.6.3基于MPLS的青霉素发酵过程质量预测 / 029

2.7结束语 / 030

参考文献 / 030



第3章基于PLS的工业过程统计建模与故障监测 / 032

3.1引言 / 032

3.2工业过程数据分析的问题描述 / 032

3.3基于PLS的工业过程统计建模 / 034

3.3.1偏*小二乘算法的基本原理 / 034

3.3.2基于PLS模型的方法 / 035

3.3.3基于PLS 扩展模型的方法 / 035

3.4基于PLS的工业过程故障监测 / 038

3.4.1PLS主元个数确定 / 038

3.4.2基于PLS多变量统计过程检测图 / 038

3.4.3基于PLS过程监测步骤 / 040

3.5PLS用于过程监测时的几何特性分析 / 040

3.6基于PCA和PLS的过程监测算法区别与联系 / 042

3.6.1基于PLS方法统计建模与PCA的比较 / 042

3.6.2PLS过程监测与PCA的比较 / 043

3.7案例研究 / 044

3.7.1数值仿真研究 / 044

3.7.2TE过程案例研究 / 046

3.7.3发酵过程监测案例研究 / 048

3.8结束语 / 055

参考文献 / 056



第4章基于PLS的工业过程质量预测建模 / 058

4.1引言 / 058

4.2质量预测问题描述 / 061

4.3基于PLS的质量预测算法 / 063

4.3.1基于PLS的质量预测算法简介 / 064

4.3.2过程变量与质量变量的相关关系分析 / 065

4.3.3过程变量在解释质量变量方面的作用 / 066

4.3.4对成分的解释 / 067

4.3.5正交信号修正方法 / 068

4.3.6质量预测算法步骤 / 070

4.3.7基于多阶段划分的质量预测 / 071

4.4工业过程案例研究 / 074

4.4.1Pensim发酵平台仿真实验 / 074

4.4.2某制药厂大肠杆菌发酵过程现场实验 / 079

4.5结束语 / 083

参考文献 / 083



第5章基于核映射的非线性偏*小二乘方法 / 085

5.1引言 / 085

5.2传统KPLS算法描述 / 086

5.2.1核映射过程 / 086

5.2.2KPLS算法 / 087

5.2.3核函数选择 / 089

5.3一种新的基于小波核的KPLS算法 / 089

5.3.1多维张量积小波核函数的推导及有效性证明 / 090

5.3.2数值例证明Morlet小波核函数有效性 / 091

5.3.3基于Morlet小波核的KPLS在非线性混沌系统拟合中的验证 / 094

5.4基于KPLS的工业过程故障监测与质量预测 / 103

5.4.1监控统计量的确定 / 104

5.4.2基于KPLS的过程监测及质量预测步骤 / 104

5.5工业案例应用 / 107

5.5.1大肠杆菌发酵过程 / 107

5.5.2基于KPLS对发酵过程的质量预测 / 107

5.5.3基于KPLS对发酵过程的故障监测 / 109

5.6结束语 / 110

参考文献 / 111



第6章基于约化双核PLS的非线性过程质量预测 / 112

6.1引言 / 112

6.2PLS的双核结构提出与讨论 / 112

6.3约化双核PLS算法 / 114

6.3.1核技巧的特征向量提取方法 / 114

6.3.2针对核方法的参数调节优化 / 116

6.3.3质量数据的投影及其特征提取 / 119

6.3.4高维核空间数据的逆向还原算法 / 121

6.4案例研究 / 125

6.4.1数值例Ⅰ / 125

6.4.2数值例Ⅱ / 127

6.4.3大肠杆菌实验平台 / 129

6.4.4分析与讨论 / 130

6.5结束语 / 131

参考文献 / 132



第7章基于JITL-PLS统计模型动态更新 / 134

7.1引言 / 134

7.2工业数据的动态JITL局部样本选择 / 136

7.2.1局部建模策略优势 / 136

7.2.2即时学习(JITL)局部模型选取方法 / 137

7.2.3对JITL模型样本容量阈值的讨论 / 138

7.2.4动态JITL样本选择 / 139

7.3基于JITL-PLS的工业过程在线监测 / 142

7.3.1基于PLS回归残差的模型更新机制 / 142

7.3.2基于改进即时学习策略的工业过程在线监测 / 144

7.3.3回归残差更新机制实验 / 145

7.3.4青霉素发酵过程仿真实验 / 146

7.4基于JITL-PLS的工业过程质量预测 / 151

7.4.1一种新的预测效果度量指标：预测标准差 / 151

7.4.2算法总体流程 / 152

7.4.3青霉素实验平台实验设计 / 153

7.4.4实验结果分析 / 154

7.5结束语 / 158

参考文献 / 159



第8章基于核熵PLS(KEPLS)的工业过程质量预测与控制 / 162

8.1引言 / 162

8.2核熵PLS算法原理 / 162

8.3基于KEPLS的工业过程质量监控与预警 / 164

8.3.1改进的特征采样(IFS)算法 / 164

8.3.2基于IFS-KEPLS的过程监测以及质量预测步骤 / 167

8.3.3KEPLS算法和KPLS算法实验结果比较分析 / 169

8.4基于KEPLS的工业过程质量控制 / 174

8.4.1标准向量核空间贡献图(SV-KCD)方法 / 174

8.4.2SV-KCD与KEPLS相结合的过程质量控制算法描述 / 175

8.5案例研究 / 178

8.5.1SV-KEPLS方法在大肠杆菌发酵过程中的应用 / 179

8.5.2质量预测仿真 / 183

8.5.3基于SV-KEPLS的质量控制的仿真 / 184

8.6结束语 / 185

参考文献 / 185