期刊名稱：Advanced Engineering Informatics, 2018, 36: 112-119, https://doi.org/10.1016/j.aei.2018.03.003

影響因子：5.603 中科院1區

作者：王曉，劉涵

論文介紹：

在過去的二十年裏，軟測量已經被廣泛地應用於工業生產過程中，使用易於測量的過程變量來預測難以測量的變量。基於主成分分析（PCA）和偏最小二乘法（PLS）等統計學的傳統軟測量建模方法取得了一些成功，但在處理強非線性數據時，它們通常變得無能為力。本文提出了一種基於深度學習網絡的新的軟測量建模方法。首先，疊加自動編碼器（SAE）被用來提取輸入數據的高級特征表示。在SAE每一層的訓練過程中，采用有限記憶BFGS方法來優化權重參數。隨後，支持向量回歸（SVR）也被引入，在SAE獲得的特征基礎上預測目標值。為了提高模型的性能，使用遺傳算法（GA）來獲得SVR的最佳參數。為了評估所提出的方法，研究了一個軟測量模型來估計火力發電廠鍋爐中空氣預熱器的轉子變形。實驗結果表明，基於SAE-SVR的軟傳感器比已有的方法更有效。

相關圖片：