時(shí)變工業(yè)過(guò)程參數(shù)的動(dòng)態(tài)軟測(cè)量方法研究.pdf

1、在工業(yè)生產(chǎn)過(guò)程中，由于受到現(xiàn)有的檢測(cè)技術(shù)和其他條件的限制，無(wú)法直接在線測(cè)量許多關(guān)鍵的工業(yè)參數(shù)。軟測(cè)量技術(shù)的研究為在線測(cè)量這些關(guān)鍵工業(yè)參數(shù)提供了解決方案，但大多數(shù)研究主要針對(duì)非時(shí)變工業(yè)過(guò)程，在時(shí)變工業(yè)過(guò)程中應(yīng)用這些技術(shù)還有許多缺陷。本文針對(duì)時(shí)變工業(yè)過(guò)程中的關(guān)鍵參數(shù)軟測(cè)量方法展開研究，探討了三種對(duì)于時(shí)變過(guò)程參數(shù)的動(dòng)態(tài)軟測(cè)量建模方法。本論文主要的研究工作如下:
　　針對(duì)采用靜態(tài)最小二乘支持向量機(jī)模型在預(yù)測(cè)時(shí)變生產(chǎn)過(guò)程參數(shù)時(shí)存在較大誤差的

2、問(wèn)題，提出了基于移動(dòng)窗的動(dòng)態(tài)最小二乘支持向量機(jī)算法。該算法在傳統(tǒng)的最小二乘支持向量機(jī)的基礎(chǔ)上增加一個(gè)移動(dòng)窗，利用增量學(xué)習(xí)算法和減量學(xué)習(xí)算法更新策略，選取樣本建立模型。精餾塔參數(shù)軟測(cè)量實(shí)驗(yàn)表明，該方法可以提高模型的預(yù)測(cè)精度和泛化性能。
　　從核函數(shù)的角度出發(fā)，提出了基于移動(dòng)窗的動(dòng)態(tài)多核最小二乘支持向量機(jī)算法，利用多核組合代替單核，增強(qiáng)了模型的可解釋性;利用移動(dòng)窗技術(shù)，增加了模型的辨識(shí)能力以及其更新效率。最后通過(guò)一個(gè)單變量函數(shù)和多變量

3、函數(shù)的仿真實(shí)驗(yàn)，表明了此算法在解決凸優(yōu)化等問(wèn)題時(shí)，具有更好的預(yù)測(cè)結(jié)果和自適應(yīng)性。
　　針對(duì)以往動(dòng)態(tài)建模方法中對(duì)于每個(gè)樣本都要重新建模、計(jì)算量非常繁瑣的問(wèn)題，提出了基于即時(shí)學(xué)習(xí)的動(dòng)態(tài)最小二乘支持向量機(jī)算法。此算法根據(jù)“相似輸入產(chǎn)生相似輸出”規(guī)則，分析前后兩個(gè)時(shí)刻間樣本的異同點(diǎn)，快速遞推新模型，從而實(shí)現(xiàn)了對(duì)模型的更新，大大簡(jiǎn)化了計(jì)算量。通過(guò)一個(gè)時(shí)變函數(shù)和精餾塔參數(shù)軟測(cè)量仿真實(shí)驗(yàn)，表明了此方法可以很好地適應(yīng)時(shí)變過(guò)程，模型具有較好地泛化性