基于神经网络和最小二乘支持向量机的软测量技术应用研究

《基于神经网络和最小二乘支持向量机的软测量技术应用研究》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、青岛科技大学硕士学位论文基于神经网络和最小二乘支持向量机的软测量技术应用研究姓名：李悦卿申请学位级别：硕士专业：化学工艺指导教师：金思毅20070420青岛科技大学研究生学位论文基于神经网络和最,J、--乘支持向量机的软测量技术应用研究摘要先进控制技术对提高流程企业的市场竞争力有着至关重要的作用，自九十年代以来己在国内炼油企业被广泛应用。而产品质量控制是所有控制的核心，为实现良好的质量控制，必须及时获得产品质量或与产品质量密切相关的重要过程变量的信息。然而由于获得这些信息的在线分析仪表不仅价格昂贵，维护保养复杂，而且由于其分析的滞后性，最终将导致控制系统性能下降，难以满足

2、生产要求。为解决这一矛盾，近年来软测量技术获得了很大的发展，成为先进控制技术的核心部分之一。软测量的基本思想是对于一些难于测量或暂时不能测量的重要变量(主导变量)，选择另外一些容易测量的变量(辅助变量)，通过构造某种数学关系来推断和估计。这类方法具有响应迅速，连续给出主导变量信息，且具有投资低、维护保养简单等优点，可以在提高产品质量的同时降低生产成本，因此被国际著名过程控制专家Mcavoy教授列为未来控制领域需要研究的几大方向之一。实际炼油过程的复杂性、非线性和时变性，以及过程控制的实时性要求决定了难以建立机理软测量模型，且软测量模型应该具有非线性和快速在线自动校正的能力

3、。因此，本文利用神经网络和最tJ、--乘支持向量机(1eastsquaressupportvectormachine，LSSvM)等经验建模方法，在某厂生产现场数据的基础上，主要进行了以下工作：(1)分析和研究了多种神经网络的原理和基本算法，并经比较各自优缺点后，认为径向机网络更适合于进行软测量建模。在详细研究了误差反传神经网络和径向机网络的训练算法和网络结构选择的原则的基础上，用其建立了常压塔塔顶汽油干点的软测量模型，结果表明用此算法建立软测量模型的预测精度满足实际生产的需要。(2)系统研究了最小二乘支持向量机(1eastsquaressupportvectormach

4、ine，LSSvM)的原理和训练算法，且针对LSSVM超参数选择问题，研究了选择LSSVM回归模型超参数的G-LSSVM算法的基本原理和使用方法，并用一个函数回归测试问题证明了G．LSSVM模型的有效性，最后将G-LSSVM模型应用到了常压塔塔顶汽油干点的软测量中，结果表明G-LSSVM模型预测精度能够满足实际生产基于神经网络和最／J、--乘支持向量机的软测量技术应用研究需要，而且避免了BP网络难以选择合适结构和局部极小点问题。，(3)深入研究和分析了LSSVM的增量在线训练算法，并指出其缺点：必须对核函数矩阵做调整方能进行增量矩阵求逆。根据矩阵计算理论，通过对原核函数矩

5、阵逆的修正而非通过其增量矩阵逆的修正，提出了LSSVM的非增量在线训练算法，并将其用于常压塔汽油干点软测量建模，以适应实际生产中模型实时变化的情况，结果表明，所提出的模型能够快速进行在线训练以适应生产条件的变化，且预测效果良好。feign：软测量神经网络最小二乘支持向量机核函数优选超参数结构风险最小化原则在线学习。II青岛科技大学研究生学位论文STUDYONSoFl『_SENSINGTECHNOLoGY’SAPPLICATIoNBASEoNANNANDLSSVMABSTRACTAdvancedcontroltechnologyhasbeenwidelyusedinChin

6、apelrolcompaniessincethe1990s，becauseitenhancesthemarketcompetitionabilityoffactoryofprocessindustry．Thecontrolofproductqualityisthecoreofallkindsofcontr01．SOtheinformationoforaboutproductqualityofimportantprocessvariablesmustbegotintimetohavegoodcontrolofproductquality．Buttheonline,scnso

7、r$togettheinformationarcexpensiveanddi伍culttobemaintained．andtheSenSors’delayofaal_alysiswillinducetotheperformancedecrementofcontrolsystem．Tosolvethisproblem,thetechnologyofsoftsensinghasbeenresearcheddeeplyintheseyearsandbecomeOIleofthemostimportanttechnologiesina