hrvatski

Rekurzivni PLS algoritam zasnovan na kernel algoritmu

Izgradnja modela na temelju pogonskih podataka, te njihova primjena u estimaciji teško-mjerljivih procesnih veličina, već je neko vrijeme prisutna u praksi. Za estimaciju tih veličina obično se koriste dvo-razinski regresijski modeli temeljeni na linearnom preslikavanju u latentno područje. Najčešće korišten model je PLSR (Partial Least Squares Regression) model dobiven PLS tehnikom preslikavanja. Ako se PLSR modeli izgrađuju na početnom skupu mjernih uzoraka točnost ovih modela je u početku zadovoljavajuća, no nakon nekog vremena, kada se promjene odnosi u procesu, ovi modeli u pravilu imaju sve veću pogrešku, što rezultira sve većom pogreškom estimacije teško- mjerljive veličine. Kako bi se izbjeglo ovo povećanje pogreške izgrađuju se adaptivni estimatori temeljeni na rekurzivnim algoritmima procjene parametara modela procesa. Korištenjem rekurzivnih algoritama, nakon svakog novo pristiglog kompletnog mjernog uzorka, parametri modela se prepodešavaju čime se održava točnost estimacije tijekom vremena i kada se odnosi u procesu mijenjaju. U ovome radu opisan je rekurzivni PLS algoritam temeljen na kernel algoritmu te su ispitana njegova svojstva u modeliranju procesa destilacije nafte.

estimacija teško-mjerljive procesne veličine; model procesa; prepodešavanje parametara modela; rekurzivni algoritam; kernel algoritam

nije evidentirano