SVM软测量在明胶浓度检测中的应用.pdf

《SVM软测量在明胶浓度检测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、·96·工业仪表与自动化装置2013年第5期SVM软测量在明胶浓度检测中的应用周蓓蓓(甘肃农业大学工学院，兰州730070)摘要：在明胶生产的提胶工艺中，明胶浓度的是一个很重要的控制参数，但目前的检测手段多为离线人工检测，影响了生产效率和产品质量。该文采用软测量的方法对明胶浓度进行计算和估计，分别采用RBF和SVM的方法建立软测量模型。实验结果表明，应用软测量的方法可以很好的实现胶液浓度的检测，且SVM模型简单，响应速度快，可作为应用软测量实现明胶浓度在线检测的有效方法。关键词：明胶；软测量；SVM；RB

2、F；辅助变量中图分类号：TP216．1文献标志码：A文章编号：1000—0682(2013)一05—0096—04ApplicationofsVllvISoftmeasurementinthedetectionofgelatinconcentrationzHOUBeibei(PolytechnicInstituteofGansuAgriculturalUniversity，Lanzhou730070，China)Abstract：Theconcentrationofgelatinmeasuredbyhan

3、dof——lineisanimportantcontrolparame--ters，theresultslagandarelowaccuracy，whichisnotconducivetoimprovingproductivityandqualityofgelatin．Thispaperappliedsoftmeasurementtechnologytocalculateandestimatetheconcentrationofge—lation，softmeasurementmodelingusingS

4、VMandRBF．SimulationresultsshowthatsoftmeasurementtechnologybasedonSVMeffectiveindeterminationoftheconcentrationofgelatin．TheSVMmodelissimpleandfastresponse．Itisanefficientmethodinordertoachievetheconcentrationofgelatinon—lineintheautomaticcontrolsystem．Ke

5、ywords：gelatin；softmeasurement；SVM；RBF；auxiliaryvariabl量控制。该文采用近年来在控制领域得到广泛应用0引言的软测量技术对明胶浓度进行在线检测，分别采用明胶是从动物的骨、生皮、肌腱、膜等结缔组织SVM和RBF的方法进行回归估算，仿真结果表明，中提取出来的蛋白质，在医药、食品、化妆品、化工、两种方法都能较好的估测明胶浓度，但SVM的回归感光材料等领域有着广泛的应用。该文以骨明胶生模型具有更好的泛化能力和预测精度。产为研究对象，针对骨明胶生产中提胶工序中的胶

6、1支持向量机估计算法液浓度检测问题进行研究。提胶是明胶生产最主要的工序。通过加热熬煮，骨素在温和条件下水解成支持向量机(suppo~vectormachine，SVM)是由为水溶性的明胶。提胶工序进度的快慢决定了整个Vapnik_3最初在统计学习理论的基础上建立起来的明胶生产的速度，而所产淡明胶液的质量高低又可一种非常有力的机器学习方法。它能很好地解决小影响整个工厂生产的品种、产值和利润。样本、非线性、高维数、局部极小点等实际问题，具有快速准确地测量胶液浓度，在生产中具有很重很强的泛化能力。要的意义。目前

7、国内明胶生产企业对提胶工艺中胶支持向量机的基本思想就是基于Mercer核展液浓度的测量都是采取离线测量方法，操作人员通开定理，通过非线性映射，把样本空间映射到一个过采样测量和经验判断给出胶液浓度，数据滞后并高维的特征空间(Hilbea空间)，把寻找最优线性回且精确度低，不利于提高生产效率和进行明胶的质归超平面的算法归结为求解一个凸约束条件下的一个凸规划问题，并可以求得全局最优解。即在特征收稿日期：2013—05—17空间中可以应用线性学习机的方法解决样本空间中作者简介：周蓓蓓(1978)，女，河北任丘人，

8、讲师，硕士研究生研究方向为检测技术与自动化装置。的高度非线性回归问题。2013年第5期工业仪表与自动化装置·97·给定一个样本集为(。，Y)，(，Y)，⋯，(，数选择带来的损失。Y)，(k：1，2，⋯，J『、，)，其中∈R，Y∈R。使用向用拉格郎日法求解这个优化问题量机中的核表示方法可以将非线性估计函数转化为1f高维特征空间中的线性估计函数。首先用一非线性t(w，b，，0，)=÷w·’．，+c∑一映射(·)把样本从原输入空间尺