一种基于时序误差补偿的动态软测量建模方法

摘要

针对目前静态软测量建模方法无法反映工业过程动态信息，造成预测模型精度低、鲁棒性差等问题，本文提出了一种基于最小二乘支持向量机（LS-SVM）和自回归-滑动平均模型(ARMA)的软测量建模方法。首先，建立了基于LS-SVM的软测量模型，利用ARMA模型对预测误差的动态估计，通过增加动态校正环节，实现了对静态模型的动态校正以改善系统动态响应特性。最后将上述方法用于乙烯精馏过程中乙烷浓度的软测量建模，仿真结果表明：与单一使用LSSVM模型相比，该方法具有跟踪性能好、泛化能力强等优点，是一种有效的软测量建模方法。