一种动态校正的AGMM-GPR多模型软测量建模方法

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H 2S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