典型文献
基于混合变分自编码器回归模型的软测量建模方法
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
崔琳琳;沈冰冰;葛志强
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
文献出处：
引用格式：
[1]崔琳琳;沈冰冰;葛志强-.基于混合变分自编码器回归模型的软测量建模方法)[J].自动化学报,2022(02):398-407
A类：
混合变分自编码器回归模型,MVAER,多模态工业过程
B类：
软测量建模,Variational,数据描述,特征提取能力,工业界,过程监测,软测量方法,高斯分布,潜在变量,复杂工业过程,过程数据,多模态数据,建模能力,本论,Mixture,variational,autoencoder,regression,具体来说,高斯混合模型,非线性映射,数据映射,射到,潜在空间,原始数据,有效特征,特征表示,潜在特征,测量应用,例子
AB值：
0.236912
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
