基于混合变分自编码器回归模型的软测量建模方法
A Mixture Variational Autoencoder Regression Model for Soft Sensor Application作者机构:浙江大学控制科学与工程学院工业控制研究所杭州310027 浙江大学工业控制技术国家重点实验室杭州310027
出 版 物:《自动化学报》 (Acta Automatica Sinica)
年 卷 期:2022年第48卷第2期
页 面:398-407页
核心收录:
学科分类:08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0811[工学-控制科学与工程]
基 金:国家自然科学基金(62103362,92167106) 浙江省自然科学基金(LR18F030001)资助。
主 题:软测量 变分自编码器 高斯混合模型 混合变分自编码器回归模型 多模态工业过程
摘 要:近年来,变分自编码器(Variational auto-encoder,VAE)模型由于在概率数据描述和特征提取能力等方面的优越性,受到了学术界和工业界的广泛关注,并被引入到工业过程监测、诊断和软测量建模等应用中.然而,传统基于VAE的软测量方法使用高斯分布作为潜在变量的分布,限制了其对复杂工业过程数据,尤其是多模态数据的建模能力.为了解决这一问题,本论文提出了一种混合变分自编码器回归模型(Mixture variational autoencoder regression,MVAER),并将其应用于复杂多模态工业过程的软测量建模.具体来说,该方法采用高斯混合模型来描述VAE的潜在变量分布,通过非线性映射将复杂多模态数据映射到潜在空间,学习各模态下的潜在变量,获取原始数据的有效特征表示.同时,建立潜在特征表示与关键质量变量之间的回归模型,实现软测量应用.通过一个数值例子和一个实际工业案例,对所提模型的性能进行了评估,验证了该模型的有效性和优越性.