基于迁移成分分析的发酵过程集成软测量建模

青霉素发酵过程具有不确定性和多阶段等特点,不同批次发酵过程间存在工况差异,过程数据的分布不一定相同,使传统软测量模型性能下降.结合迁移学习策略和高斯混合模型,提出一种基于迁移成分分析的多模型集成软测量建模方法.该方法使用迁移成分分析求解样本间共享特征映射矩阵,适配建模过程数据与待测数据的边缘概率分布;并基于高斯混合模型对建模数据进行聚类划分,与偏最小二乘算法结合建立子模型的集成模型,完成对主导变量的预测.基于青霉素平台数据的仿真结果表明,所提方法不仅能够有效提高青霉素发酵过程软测量模型的精度,而且适应于变工况下青霉素浓度的预测.