近日，我校工学院杨泽宇老师（王培良教授团队）以第一作者、我校为第一单位在工业信息领域国际顶级期刊《IEEE Transactions on Industrial Informatics》（中科院一区TOP，IF：11.648）上，发表题为“Probabilistic Fusion Model for Industrial Soft Sensing Based on Quality-Relevant Feature Clustering”的研究论文。
对于大多数具有强非线性和多模态特征的现代工业过程，传统的线性软测量方法可能无法很好地工作。同时，面对复杂的数据分布，传统的全局建模方法对数据表示能力提出了很高的要求，这对软测量建模提出了挑战。此外，数据分布的不平衡性在一定程度上加剧了模型对局部信息的忽略，从而提高了模型的整体预测难度。为此，针对实际工业大数据存在的强非线性和多模态特性，从概率融合局部建模的角度，首次提出了一种基于质量相关特征聚类（QRFC）的工业软测量模型。在QRFC中，偏最小二乘（PLS）可以对建模的初始特征空间给出合理的、解释性的指导。此外，通过均衡数据分组，使用统一的视角对不同的数据分布进行建模。进一步，引入调节变量学习特征空间，通过迭代方法完成输出相关聚类，隐式构建与质量变量的相关性，从而形成整体预测能力的局部逼近。一般来说，这种框架的好处，包括更好的相关性一致性和更强的处理过程非线性和多模态的能力，导致了卓越的性能。为了评估所开发的软测量模型的可行性和效率，以实际工业案例为例进行了验证。
中国·浙江 湖州市二环东路759号（313000） 浙ICP备10025412号 
浙公网安备 33050202000195号 版权所有：党委宣传部
