基于ls-svm软测量建模方法应用的论文的研究

基于ls-svm软测量建模方法应用的论文的研究

ID:34671897

大小:2.61 MB

页数:73页

时间:2019-03-09

基于ls-svm软测量建模方法应用的论文的研究_第1页
基于ls-svm软测量建模方法应用的论文的研究_第2页
基于ls-svm软测量建模方法应用的论文的研究_第3页
基于ls-svm软测量建模方法应用的论文的研究_第4页
基于ls-svm软测量建模方法应用的论文的研究_第5页
资源描述:

《基于ls-svm软测量建模方法应用的论文的研究》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、基于LS.SVM的软测量建模方法的应用研究摘要针对现代工业过程中,对于测量参数比较难甚至由硬件也无法进行实时检测的问题,软测量技术是一种有效的解决方法。酒精精馏过程是工业中的一个非常复杂的化工过程,具有非线性、大滞后和时变性等特点。同时,精馏产品浓度也难以实时在线检测。针对该问题,本文在总结了精馏产品浓度在线检测的研究现状和传统软测量建模方法的基础上,利用基于人工神经网络和最小二乘支持向量机(LS.SVM)的多种软测量建模方法对酒精精馏过程产品浓度建立了模型。本文进行了如下的工作:(1)分析和研究了径向基函数神经网络∞F)的结构和原理,同

2、时具体地介绍了自适应神经模糊推理系统(舢师IS)的拓扑结构图和学习算法,利用两种方法建立酒精精馏产品浓度的软测量模型,结果表明建立的模型具有较好的逼近能力。(2)详述了用于回归的标准支持向量机和最小二乘支持向量机的算法原理,采用一维测试函数验证LS.SVM的有效性。将其应用于酒精精馏过程中,建立了LS.SVM软测量模型,相比较前两种方法该方法具有更强的泛化能力。(3)针对LS.SVM中的参数选择问题,利用粒子群优化算法选取LS.SVM的模型参数,而粒子群算法本身存在易陷入局部最优值等问题,文中采用了增加扰动项等改进算法。同时,为了增加模型

3、外推能力,利用七.折交叉验证误差作为LS.SVM参数选择的目标值。此外,针对LS—SⅥ讧缺乏“稀疏性"的缺点,利用统计方法中的马氏距离对样本进行相似度分析,去除样本集中部分以简化模型结构。最后,采用改进的PSO.LSSVM方法建立精馏产品浓度软测量模型,仿真结果表明,所建模型精度较前面几种方法高。关键词:软测量精馏人工神经网络最小二乘支持向量机粒子群优化ⅡSTUDYONSOFTSENSORMODELINGBASEDoNLEASTSQUARESSUPPORTVECTORMLACHINESABSTRACTh1modemmdustrialpro

4、eess,someV撕ablesareVe巧hal.dtobemeasⅦred0revenc锄0tbemeasuredillrealtiInebye】【istiIlgi11曲rumems,butsoftsensorisalle位咖ememodtosolVethisprI曲lem.DistillationcolllIllnisacomplexche血calindllStrialprocess,wbjchischaracterizedofrlommeari饥seVerelags觚d劬e-Variantproperties,etc.C0nce曲

5、眦ionofdistillationproductsisdi伍culttobemeasuredon1iIle.Asformepmblem,tmsp印erusesdi虢rentl(indsofsoftsensorsmethodsbaSedonartificialneuralnetwork觚dleaStsquaressupportVectormachiIle,mrou曲summ撕zingⅡ1ecu玎entstateofconcentrationonlinemeasurementandt脚itionalsoRsensorsmetllods.Th

6、emaillwotI【sofmep印er(1)111ispaperi11.昀ducesmes

7、cructure2uldp血lcipleofradialbasis缸lctionneuralnetwofk’mearlⅥ柚1especificallyintroducestopolopyandlearnillgalgoritlllllofa(1印tiveneuro一矗Jz巧i11ferencesystem.Thesoftsensormodelofconce曲rationofalcoh01distillationproduCtises.tablis

8、hed,Ⅵ帕chreSpectiVelyusespreViousmethods.Theresunsshowt11att、ⅣomodelshaVegood印pr0)(imationc印abili啦(2)SupportVectormacllinealldleastsquaressupportVectormachmeforregessionmodel洒gare咖diedmdetail.Thep印erusesone-dimensionaltest劬ctiontoproVet11eVdid毋ofLS—SⅥ江.111enallonlinepredie

9、tionmemodofmconcenn吼ionofalcoholdistillationproductsbasedonLS—SⅥ江w嬲proposed,comparedwitll恤efirst

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。