一种基于AGMM-GPR的动态校正多模型软测量建模技术

工业过程常常是强非线性的，并有多个工况，传统的软测量方法存在预测能力差，不 能有效利用误差信息等缺点．为了有效解决这些问题，提出一种基于自适应高斯混合模型－高 斯过程回归（ＡＧＭＭ－ＧＰＲ）的多模型动态校正软测量建模方法．首先，通过贝叶斯信息准则 构建自适应高斯混合模型（ＡＧＭＭ），得到优化的子模型个数；然后，利用ＧＰＲ方法建立各局 部模型，当新的数据到来时，将其隶属于各局部模型的后验概率和预测值融合得到多模型输 出；最后，为了进一步提高模型的精度，构建自回归积分滑动平均（ＡＲＩＭＡ）模型对多模型输 出进行动态反馈校正．通过数值仿真和硫回收装置（ＳＲＵ）中Ｈ２Ｓ浓度的估计，验证了所提方 法具有良好的预测精度和泛化性能．