输入不确定BELM在发酵过程软测量中的应用.pdfVIP

学兔兔 输入不确定BELM在发酵过程软测量中的应用 姚景升，等 输入不确定BELM在发酵过程软测量中的应用 姚景升，刘 飞 (江南大学轻工过程先进控制教育部重点实验室 自动化研究所 江苏无锡，214122) 摘 要：为复杂的发酵过程建立软测量模型要求模型最好能够给出预测值的置信区间，以便技术 人员对发酵过程的真实状况和模型的可靠性进行评估。贝叶斯极限学习机能够在实现预测的同时一并 给出预测值的置信区间，因此将其用于发酵过程的软测量建模。然而，实际发酵过程中的输入数据往 往带有噪声，贝叶斯极限学习机仅能处理输出含噪声的情况。针对这个问题，提出了输入不确定贝叶 斯极限学习机。在原有的贝叶斯推理过程中引入输入不确定性，得到了综合考虑输入输出噪声的模型 参数和预测置信区间。最后利用青霉素发酵过程进行仿真验证，建立了产物质量浓度的软测量模型， 结果表明该方法预测精度高，得到的预测置信区间包含了所有真实值。 关键词：发酵过程；软测量；极限学习机；贝叶斯模型；输入不确定；置信区间 Abstract：Softsensorforfermentationprocessisbettertogettheconfidenceintervalofpredictionvalue． Sothattechnicalstaff canmakereasonableevaluationontherealsituationoffermentationprocess．Bayesian extremelearningmachineisappliedtothesoftsensoroffemr entationprocessbecauseitcanobtainprediction valueandconfidenceintervalatthesametime．However,noisyinputisnotconsideredbythemodelingmeth— odbasedBayesianextremelearningmachine，thisisnotconsistentwithrealcondition．Toaddressthisprob— lem，Bayesianextremelearningmachinewithinputuncertaintyisproposed．ItisaBayesianexrtemelearning machineframeworkwhichallowsofrinputnoiseandgetthemodelparameterswhichareoverallconsideration ofinputandoutputnoiseaswellasconfidenceintervalofprediction．Applyingtheproposedmethodtomodel thepenicillinfermentationprocess，thesimulationresultsshow itsgoodpredictionaccuracyandallofrealval— uesareincludedintotheconfidenceinterva1． Keywords：Femr entationprocess；Softsensor；Exrtemelearningmachine；BayesianM odel；Inputuncer— tainty；Confidenceinterval 中图分类号：TP297 文献标识码 ：B 文章编号：1001-9227 (2014)05-0122-06 0 引 言 算法 ，克服 了传统神经网络的许多缺点，简单易 发酵过程广泛应用于跟我们生活息息相关的化 行、学习速度快、泛化性能好，在 回归、大规模数 学、制药及食品工业中