探析基于支持向量机的醋酸乙烯聚合率软测量研究

《探析基于支持向量机的醋酸乙烯聚合率软测量研究》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、华东交通大学硕士学位论文基于支持向量机的醋酸乙烯聚合率软测量研究姓名：刘林申请学位级别：硕士专业：交通信息工程及控制指导教师：杨辉20080420摘要基于支持向量机的醋酸乙烯聚合率软测量研究摘要醋酸乙烯聚合过程具有强非线性、时变、大滞后等特点，而且醋酸乙烯的聚合率难以在线检测。目前对醋酸乙烯聚合率检测的常用方法是人工每隔4个小时采样检测，但此方法得到的结果严重滞后，不能及时调整控制策略。而由于软测量技术具有精确、可靠、经济和动态响应迅速等特点，因此软测量技术成为解决醋酸乙烯聚合率在线检测的新途径。实现醋酸乙烯聚合率在线检测的关键是建立软测

2、量模型。而支持向量机（SupportVectorMachines，简称SVM）是根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的推广能力，已被广泛地用于非线性系统建模。它是将实际问题通过非线性变换映射到高维的特征空间，然后在这个高维空间中求取最优分类超平面或进行函数拟合，其算法复杂度与样本维数无关，可得到有限样本信息下的全局最优解，解决了在神经网络方法中无法避免的局部极值问题。本文针对醋酸乙烯聚合率难以在线检测的难题，系统开展支持向量机技术在醋酸乙烯聚合率软测量及其应用验证研究。主要内容如下：1、简述醋酸乙烯聚合

3、率检测的现状，针对醋酸乙烯聚合率难以实现在线检测的问题，提出用支持向量机方法建立醋酸乙烯聚合率软测量模型的思想。2、简要描述醋酸乙烯聚合过程原理及其工艺流程，在对醋酸乙烯聚合过程进行机理分析的基础上，分析影响醋酸乙烯聚合率的因素，采用支持向量机方法建立软测量模型实现醋酸乙烯聚合率在线检测。3、针对支持向量机软测量模型的运算速度慢、泛化能力不强等不足，采用了两种方法（混合核函数、最小二乘支持向量机）对上述模型进行改进，并进行仿真验证。仿真结果表明，最小二乘支持向量机能根据误差要求调整训练目标，训练效率高，比较适合用于醋酸乙烯聚合率在线检测。

4、4、利用VC++与Matlab混合编程，实现了醋酸乙烯聚合率软测量模型在实际生产中的应用。研究结果对醋酸乙烯聚合率在线测量具有重要意义。关键词：醋酸乙烯，聚合率，软测量，支持向量机，混合核函数，最小二乘支持向量机IAbstractRESEARCHONTHESOFT-SENSORMETHODOFVINYLACETATEPOLYMERIZATIONRATEBAESDONSVMABSTRACTThevinylacetatepolymerizationprocessischaracterizedofnonlinearity,time-varian

5、tpropertiesandseverelagintheprocessofmonitoringandcontrollingthevinylacetatepolymerizationrate.Theon-lineinformationofpolymerizationrateisinaccessible.Atpresent,thegeneralon-lineexaminationmethodsofrealizingthevinylacetatepolymerizationrateismanualworksampling.Becausesoft

6、-sensormethodhasprecision,reliablation,economyandtherapiddynamicresponseandothercharacters,soft-sensormethodturnsintoanewapproachtorealizetheon-lineestimationofvinylacetatepolymerizationrate.Thekeytorealizesoft-sensoristobuildthesoft-sensormodelofpolymerizationrate.ButSup

7、portvectormachines(i.e.SVM)istoseekbestcompromiseaccordingtothelimitedsampleinformationinbetweenthemodelcomplexityandlearningcapability,obtainthebestgeneralizationability.Ithasalreadyusedinthenonlinearsystemmodelingwidely.Itismappingtheactualproblemintoahighdimensionalfea

8、turespacethroughthenonlineartransformationinwhichanoptimalseparatinghyperplaneorfunctionregressi