收录：
摘要：
本发明公开了一种基于自动聚类结合偏最小二乘的间歇过程质量预测方法。针对间歇过程的多阶段性特征，目前已有的阶段划分方法很少考虑质量相关变量对阶段划分结果的影响。本发明在划分阶段前利用典型相关分析(canonical correlation analysis，CCA)对间歇过程数据进行特征选择，在保证其过程变量以及质量相关变量之间相关关系最大时找到其最优的线性表示。该过程不仅可以实现数据降维，同时考虑质量相关变量对划分结果的影响。最终，在DBSCAN划分阶段内建立基于MPLS的质量预测模型。将该算法在青霉素发酵仿真实验平台进行了实验验证，实验结果证明了本方法的可行性和有效性。
关键词：
通讯作者信息：
电子邮件地址：
