Moving window adaptive soft sensor for state shifting process based on weighted supervised latent factor analysis

غیر خطی بودن فرآیند و تغییر وضعیت دو عامل اصلی هستند که باعث کاهش کارایی سنسورهای نرم افزاری می شوند. حسگر نرم افزاری یک روش معمول برای اطمینان از پیش بینی دقیق دقت است. در این مقاله، روش پنجره متحرک به مدل تحلیلی عاملی نظارت نشده تحت نظارت معرفی شده است تا ویژگی تغییر حالت را در فرآیند مشاهده کند. برای ایجاد استراتژی پنجره حرکتی کارآمدتر، شکل وزنی روش رویکرد تجزیه و تحلیل عوامل پنهان نظارت شده اعمال می شود. در این روش، مشارکت از نمونه های آموزشی بوسیله ترکیب شاخص های تشابه به واریانس سر و صدا از متغیر روند بیان شده است که سازگاری قوی از روش برای توصیف روابط غیر خطی و تغییرات ناگهانی روند را بیان می کند. یک مثال عددی و یک فرایند صنعتی واقعی برای نشان دادن اثربخشی سنسور نرم افزاری پیشنهاد شده ارائه شده است.