目录第1部分迁移学习驱动的建模方法1基于高斯过程模型和贝叶斯算法的改进快速建模方法31．1引言31．2理论基础61．2．1高斯过程回归模型61．2．2贝叶斯算法71．2．3MCMC算法81．2．4拉丁超立方体抽样算法101．3基于高斯过程模型和贝叶斯算法的改进模型迁移建模策略111．3．1建立旧过程性能预测模型111．3．2采集新过程建模数据121．3．3模型尺度偏差迁移调整131．3．4贝叶斯迁移模型参数估计141．3．5新过程序贯试验设计161．3．6停止条件与迁移模型验证181．4实验验证191．4．1实验设计191．4．2结果分析26参考文献302基于多模型迁移和贝叶斯模型平均算法的最小成本建模方法332．1引言332．2多模型迁移策略342．3贝叶斯模型平均算法352．3．1BMA352．3．2期望优选（EM）算法362．4基于多模型迁移策略的最小成本建模方法372．4．1相似过程基础模型选择382．4．2新过程初始建模数据获取392．4．3参数估计与模型训练392．4．4补充实验与模型验证392．5实验验证412．5．1实验设计412．5．2结果分析43参考文献473基于多任务最小二乘支持向量机的多过程联合建模方法483．1引言483．2多任务最小二乘支持向量机493．2．1多任务学习算法493．2．2最小二乘支持向量机493．2．3多任务最小二乘支持向量机523．3多过程联合建模方法543．3．1数据预处理543．3．2构建多任务543．3．3模型训练与模型评估553．4实验验证553．4．1实验设计553．4．2结果分析56参考文献60第2部分迁移学习驱动的产品质量预测方法4基于JYKPLS迁移模型的产品质量预测方法634．1引言634．2JYKPLS基本原理654．2．1PLS654．2．2KPLS654．2．3JYPLS684．2．4JYKPLS694．3基于JYKPLS迁移模型的间歇过程质量预测方法724．3．1数据预处理724．3．2基于PCA映射的数据预估744．3．3模型更新与数据剔除744．3．4在线质量预测764．4实验验证784．4．1实验设计784．4．2结果分析81参考文献875基于多尺度核JYMKPLS迁移模型的产品质量预测方法905．1引言905．2多尺度核学习方法905．3JYMKPLS方法915．4基于JYMKPLS迁移模型的产品质量预测方法945．4．1离线建模945．4．2模型更新与数据剔除955．4．3在线预测965．5实验验证975．5．1实验设计975．5．2结果分析98参考文献1056基于多源域适应JYPLS迁移模型的产品质量预测方法1066．1引言1066．2域适应学习方法1076．3多源域适应JYPLS迁移模型1086．3．1多源域适应学习1086．3．2多源域适应JYPLS迁移模型1096．4基于多源域适应JYPLS迁移模型的质量预测方法1116．4．1域间相似度判断1116．4．2离线质量预测模型1116．4．3域适应参数选取1126．5实验验证1146．5．1实验设计1146．5．2结果分析115参考文献118第3部分迁移学习驱动的间歇过程优化控制方法7迁移学习驱动的间歇过程批次间运行优化控制1217．1引言1217．2优化问题描述1227．3修正自适应优化方法1247．4基于JYPLS迁移模型的间歇过程批次间运行优化控制1247．4．1优化过程失配原因描述1247．4．2自适应控制策略1257．4．3迁移模型的有效性1267．5实验验证1277．5．1草酸钴合成过程介绍与实验设计1277．5．2结果分析129参考文献1348迁移学习驱动的间歇过程优化补偿控制策略1368．1引言1368．2模型更新策略1368．3基于过程迁移模型的间歇过程优化补偿控制1378．3．1自调整批次间优化方法1378．3．2优化补偿控制策略方法1388．4实验验证1408．4．1实验设计1408．4．2结果分析140参考文献1449迁移学习驱动的间歇过程很优补偿控制策略1459．1引言1459．2优化补偿问题描述1459．3信赖域方法1489．4建模方法1499．4．1基于即时学习的JYKPLS方法1499．4．2局部模型的有效性1519．5基于JITLJYKPLS的批次间很优补偿控制方法1519．6实验验证1549．6．1实验设计1549．6．2结果分析154参考文献16010迁移学习驱动的间歇过程集成运行优化控制16110．1引言16110．2批次间与批次内优化16110．2．1批次间优化16110．2．2批次内优化16210．3批次内修正策略16210．4间歇过程集成运行优化控制16310．5实验验证16510．5．1实验设计16510．5．2批次间优化性能分析16610．5．3集成优化性能分析167参考文献170
展开
