基于支持向量机的铝粉细粉率软测量

基于支持向量机的铝粉细粉率软测量

ID:36457162

大小:2.62 MB

页数:54页

时间:2019-05-10

基于支持向量机的铝粉细粉率软测量_第1页
基于支持向量机的铝粉细粉率软测量_第2页
基于支持向量机的铝粉细粉率软测量_第3页
基于支持向量机的铝粉细粉率软测量_第4页
基于支持向量机的铝粉细粉率软测量_第5页
资源描述:

《基于支持向量机的铝粉细粉率软测量》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、大连理T大学硕士学位论文摘要在工业生产过程中,存在很多无法在线测量或不宜测量的变量。为解决此类问题,软测量技术应运而生。支持向量机是以统计学理论为基础,以结构风险最小化为目标的学习机,不存在局部最小点问题,不过分依赖样本的数量等优点,适合对复杂工业过程变量的软测量。在铝粉雾化生产过程中,控制产品质量的主要指标是铝粉细粉率,但该变量无法在线测量。本文以某企业铝粉雾化生产控制系统开发为背景,建立铝粉细粉率软测量模型。而建立模型的关键是寻找影响铝粉细粉率的因素,分别从铝粉氮气雾化生产过程和雾化喷嘴物理模型进行研究,寻找影响铝粉细粉率

2、的辅助变量,为建立软测量模型提供必要条件。为实现支持向量机技术在铝粉细粉率软测量建模中的应用,详细研究了核函数和结构参数对软测量模型的影响,采用RBF核函数。在总结双线性参数选取方法和网格参数选取方法的基础上,提出了双线性网格搜索参数选取方法。对现场采集数据预处理,选择t,一SVR,建立基于支持向量机的软测量模型。最后对实际数据仿真实验,证实所建模型比基于RBF所建模型具有更高的精度,最后结合工程实际完成了在上位机监控系统上的应用开发。关键词:铝粉细粉率;软测量;支持向量机;核函数;双线性网格搜索法基丁支持向量机的铝粉细粉率软

3、测量TheSoft—SensingofAluminumPowderRateBasedonSupportVectorMachineAbstractIntherealproduceprogressofindustry,therearelotsofprogressparametersthatcan’tbeme弱ureonline.Inordertosolvesuchproblems,soft-sensingtechniqueshasemerged.SupportVectorMachineisalearningtechnologyba

4、sedonstructureriskminimization,itsholdsthestricttheoryandmathematicsbasementwhichdoesn’texistslocaloptimization,anddoesn’trelyonthequalityandthenumberoftrainingdataexcessively,SOitfittothecomplexindustryprogressofsoft·sensing.Intheprocessofatomizedaluminumpowder,the

5、rateofaluminumpowderisthekeyindicatortocontrolproductionquality,butthevariablecan’tbeon.1inemeasurement.Thispaperbasedonthepracticalcontrolsystemdevelopmentproject.Inordertoestablishthemodel,thekeyistosearchforthefuctorsthataffecttherateofaluminum.Weanalyzetheparame

6、tersthataffecttherateofaluminumpowderfromthealuminumpowdernitrogenatomizationprocessandspraynozzlephysicalmodel.Allofthispreparesforestablishingthemodelofsoft—sensing.FortheapplicationofSupportVectorMachineinthealuminumpowderprocess,thispapersearchtheimpactofnuclear

7、functionandstructureparametersandselecttheRBFkernelfunction.Ianalyzethemethodsofbilinearsearchand鲥dsearchandproposebilineargridsearchalgorithm.Thispaperpreprocessesthedatafromon—siteandselectsv—SVR.Webuildupthesoft—sensingmodelbasedonSupportvectormachine.Theactualda

8、tasimulationexperimentsconfirmthatthemodelhasbetteraccuracyabilitythanRBF.Intheend,themodelisappliedinthehostcomputerapplicationdevelopmen

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。