基于改进支持向量机的连续搅拌反应釜辨识

《基于改进支持向量机的连续搅拌反应釜辨识》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文基于改进支持向量机的连续搅拌反应釜辨识姓名：王嘉骐申请学位级别：硕士专业：控制科学与工程指导教师：柴毅2010-04中文摘要摘要由于非线性系统在工程中的广泛存在，使得非线性辨识方法具有较强的工程应用背景，成为了当前系统辨识研究的热点和难点。支持向量机能有效地解决小样本、非线性条件下的问题，并具有良好的泛化性能，使其成为非线性辨识中的有力工具。考虑到实际辨识过程中，数据采集过程受到各种干扰和不确定因素的影响，造成所得数据样本含有噪声，辨识性能和效果下降。本文针对以上问题，基于加权支持向量机和小波支持向量机算法，研究其非线性辨识性能和抗噪能力。论文的主要工作

2、和结论如下：针对利用支持向量机进行非线性系统辨识，给出了利用支持向量机进行建模的完整流程，随后重点讨论支持向量机参数（核函数、惩罚系数、不敏感系数）对模型辨识性能的影响，并将其应用于CSTR（ContinuouslyStirredTankReactor，连续搅拌反应釜）的建模中，分别对CSTR模型中的两个输出量反应温度（T）和反应浓度（Ca）进行建模，获得了2个非线性模型。在前述支持向量机的建模基础之上，重新给出了利用加权支持向量机进行非线性系统建模的过程，并使用加权支持向量机完成建模。针对标准支持向量机对孤立点过于敏感，辨识模型性能较差的问题，提出了一种基于数据域描述的加

3、权支持向量机辨识方法。该方法通过将数据映射至特征空间，通过计算样本到特征空间中最小包含超球心的距离来确定加权系数，然后将样本与其对应权值加入支持向量机训练获得辨识模型。并通过模拟实际情况中数据状态——噪声孤立点数据——进行仿真实验，通过与标准支持向量机进行对比证明该方法的性能。针对噪声孤立点数据辨识问题，提出了一种小波变换的支持向量机辨识方法，并使用该小波变换支持向量机完成建模。该方法充分利用了小波变换对噪声的过滤性能，首先对噪声数据进行小波三层多尺度分解，随后对各分量进行小波阈值消噪，并用消噪后分量分别训练支持向量机，得到4个支持向量机子模型，最后进行小波重构得到最终预测

4、输出。实验证明，与标准支持向量机方法比较，该方法能够更好的在噪声孤立点数据情况下进行辨识，其辨识性能显著高于标准支持向量机。关键字：辨识，支持向量机，加权，小波，CSTRI英文摘要ABSTRACTConsideringthewide-spreadnessofnonlinearsystemsinpracticalengineering,nonlinearsystemidentificationbecomesstronglyconnectedwithengineeringapplicationsandthusahotandchallengingfieldinresearchar

5、ea.SVMisaperfecttoolwithgoodgeneralizationforsmall-scaledproblemsundernonlinearconditions,whichcanbeaneffectivemethodfornonlinearidentification.Inrealworld,dataacquisitionisoftenaccompaniedbyvariousnoiseandsomeotheruncertainfactors,whichleadstodecreaseinaccuracyofidentificationmodelswithno

6、isydata.Tosolvethisproblem,thispaperfocusesontheperformanceinnonlinearsystemidentificationandanti-noiseabilityoftheproposedalgorithms,namely,weightedsupportvector(W-SVM)machinesandwavelet-basedsupportvectormachines(Wa-SVM).Inthispaper,ourmainworksareasfollows：Wegivethecompleteflowofmodelin

7、gwithSVM,anddiscussedindetailsthattheinfluenceofparametersselection(C,epsilon,kernelfunction)onperformance,andeventuallyappliedSVMtoCSTRidentificationissue,inwhichwebuildamodelforreactiontime(T)andreactiondensity(Ca),repectively.Toovercometheover-sensitivityto