基于改進(jìn)支持向量機(jī)的連續(xù)攪拌反應(yīng)釜辨識(shí).pdf

1、由于非線性系統(tǒng)在工程中的廣泛存在，使得非線性辨識(shí)方法具有較強(qiáng)的工程應(yīng)用背景，成為了當(dāng)前系統(tǒng)辨識(shí)研究的熱點(diǎn)和難點(diǎn)。支持向量機(jī)能有效地解決小樣本、非線性條件下的問題，并具有良好的泛化性能，使其成為非線性辨識(shí)中的有力工具。
　　 考慮到實(shí)際辨識(shí)過程中，數(shù)據(jù)采集過程受到各種干擾和不確定因素的影響，造成所得數(shù)據(jù)樣本含有噪聲，辨識(shí)性能和效果下降。本文針對(duì)以上問題，基于加權(quán)支持向量機(jī)和小波支持向量機(jī)算法，研究其非線性辨識(shí)性能和抗噪能力。

2、>　　 論文的主要工作和結(jié)論如下：
　　 針對(duì)利用支持向量機(jī)進(jìn)行非線性系統(tǒng)辨識(shí)，給出了利用支持向量機(jī)進(jìn)行建模的完整流程，隨后重點(diǎn)討論支持向量機(jī)參數(shù)（核函數(shù)、懲罰系數(shù)、不敏感系數(shù)）對(duì)模型辨識(shí)性能的影響，并將其應(yīng)用于CSTR（Continuously Stirred Tank Reactor，連續(xù)攪拌反應(yīng)釜）的建模中，分別對(duì)CSTR模型中的兩個(gè)輸出量反應(yīng)溫度（T）和反應(yīng)濃度（Ca）進(jìn)行建模，獲得了2個(gè)非線性模型。
　　 在

3、前述支持向量機(jī)的建?；A(chǔ)之上，重新給出了利用加權(quán)支持向量機(jī)進(jìn)行非線性系統(tǒng)建模的過程，并使用加權(quán)支持向量機(jī)完成建模。針對(duì)標(biāo)準(zhǔn)支持向量機(jī)對(duì)孤立點(diǎn)過于敏感，辨識(shí)模型性能較差的問題，提出了一種基于數(shù)據(jù)域描述的加權(quán)支持向量機(jī)辨識(shí)方法。該方法通過將數(shù)據(jù)映射至特征空間，通過計(jì)算樣本到特征空間中最小包含超球心的距離來確定加權(quán)系數(shù)，然后將樣本與其對(duì)應(yīng)權(quán)值加入支持向量機(jī)訓(xùn)練獲得辨識(shí)模型。并通過模擬實(shí)際情況中數(shù)據(jù)狀態(tài)——噪聲孤立點(diǎn)數(shù)據(jù)——進(jìn)行仿真實(shí)驗(yàn)，通過與

4、標(biāo)準(zhǔn)支持向量機(jī)進(jìn)行對(duì)比證明該方法的性能。
　　 針對(duì)噪聲孤立點(diǎn)數(shù)據(jù)辨識(shí)問題，提出了一種小波變換的支持向量機(jī)辨識(shí)方法，并使用該小波變換支持向量機(jī)完成建模。該方法充分利用了小波變換對(duì)噪聲的過濾性能，首先對(duì)噪聲數(shù)據(jù)進(jìn)行小波三層多尺度分解，隨后對(duì)各分量進(jìn)行小波閾值消噪，并用消噪后分量分別訓(xùn)練支持向量機(jī)，得到4個(gè)支持向量機(jī)子模型，最后進(jìn)行小波重構(gòu)得到最終預(yù)測(cè)輸出。實(shí)驗(yàn)證明，與標(biāo)準(zhǔn)支持向量機(jī)方法比較，該方法能夠更好的在噪聲孤立點(diǎn)數(shù)據(jù)情況下進(jìn)