近日，中國計量大學機電工程學院何雨辰副教授團隊題為“Virtual sensing techniques for nonlinear dynamic processes using weighted probability dynamic dual-latent variable model and its industrial applications”（基于質量相關加權概率動態隱變量結構的非線性動態工業過程軟測量方法及其實例應用）的研究論文在人工智能頂級期刊Knowledge-Based Systems在線發表。通訊作者為何雨辰副教授，第一作者為本校研究生應澤。

傳統的硬件傳感器存在成本高、延遲明顯、信息冗余等問題，嚴重影響了工業過程中的控制決策。與此同時，隨著現代分布式控制系統（DCS）和工業物聯網（IoT）的普及，大量有價值的工業數據被采集、傳輸、存儲。數據驅動的軟傳感器為這些硬件傳感器提供了可靠、經濟的替代方案。與傳統的結合先驗知識的機理建模相比，數據驅動的軟傳感器具有多方面顯著優勢。然而，在實際工業過程中，數據通常包含自相關性、非平穩等復雜特性。另一方面，傳統的單一隱變量回歸模型不能較好的解釋輸入和輸出數據之間的數學關系。

針對上述幾個問題，團隊提出了一種基于質量相關概率動態隱變量結構的軟測量方法，并結合加權方法將其應用于實際非線性過程。首先，引入了概率動態隱變量結構（PDLS）來描述質量相關信息，并利用一階馬爾可夫過程對質量特征信息的動態關系進行建模。在此基礎上，本研究進一步建立加權模型（WPDLS），增強算法在非平穩過程中的軟測量精度，系統深入地探討了多種軟測量模型在質量變量預測上的性能表現，對進一步擴展WPDLS在軟測量中的應用具有重要的理論指導意義和應用價值。

近年來，何雨辰副教授團隊依托浙江省智能制造質量大數據溯源與應用重點實驗室平臺，開展高效的復雜工業過程監控方法及關鍵技術研究，多項研究成果已經發表在IEEE Transactions on Instrumentation and Measurement、Engineering Applications of Artificial Intelligence、INDUSTRIAL & ENGINEERING CHEMISTRY RESEARCH、Frontiers of Information Technology & Electronic Engineering等國際知名期刊上。

相關工作得到了國家自然科學基金（61903352）、浙江省自然科學基金（LQ19F030007）、中國博士后科學基金（2020M671721）、浙江省教育廳項目（Y202044960）、浙江省高校基礎研究基金（2021YW18, 2021YW80）的大力支持資助。