基于最小二乘支持向量機的鋁電解過程建模與控制研究.pdf

1、鋁電解過程是一個非線性、多變量、大滯后的復雜工業(yè)對象,且它的某些重要工藝參數難以在線實時檢測;因此常見的PID控制、自適應控制等都難以取得理想的效果。最小二乘支持向量機是機器學習領域近年來涌現出的一種新穎的通用學習方法,它建立在結構風險最小化原則基礎上,能較好地解決小樣本、非線性、高維數和局部極小等實際問題,已成功地應用于分類、函數逼近和時間序列預測等方面。本文先進行基于最小二乘支持向量機的建模與控制研究,然后將部分研究成果應用于鋁電解

2、過程的建模與控制,取得了滿意的效果。
　　本文主要做了以下四項工作:
　　(1)電解溫度、氧化鋁濃度和極距是鋁電解過程中非常重要卻又難于測量的三個參數,因此本文提出一種基于最小二乘支持向量機和粒子群優(yōu)化的PSO LS-SVM算法,建立這三個參數的軟測量模型。該算法考慮最小二乘支持向量機的算法參數的選取問題,先定義預測誤差的平方和的算術平均作為適應度函數,然后采用粒子群優(yōu)化技術在可行域內不斷迭代搜索,使適應值不斷減小,最終得到

3、最優(yōu)的算法參數,以及對應的模型參數。仿真結果表明:PSO LS-SVM算法建立的軟測量模型,無論是學習能力還是泛化能力,均好于神經網絡模型,證明了該算法的有效性和優(yōu)越性。
　　(2)研究了基于最小二乘支持向量機的預測控制。
　　針對多入多出、約束非線性系統(tǒng),提出上、下位機兩級控制結構,推導了基于最小二乘支持向量機和混沌優(yōu)化的單步預測控制算法:CHAOS MPC算法。該算法考慮控制量的約束,采用混沌優(yōu)化技術在其可行域內遍歷搜索

4、,在線求解最優(yōu)的預測控制律。仿真結果表明該算法的控制精度要高于基于神經網絡的單步預測控制算法。
　　類似的,針對多入多出、約束非線性、時滯系統(tǒng),提出上、下位機兩級控制結構,推導了基于最小二乘支持向量機和混沌優(yōu)化的多步預測控制算法:CHAOS MPC1算法,采用混沌優(yōu)化技術在線求解最優(yōu)的預測控制律。仿真結果表明該算法的控制精度要高于基于神經網絡的多步預測控制算法。
　　(3)研究了基于最小二乘支持向量機的預測控制系統(tǒng)的穩(wěn)定性問

5、題,提出一種確保閉環(huán)系統(tǒng)穩(wěn)定性的雙模控制算法。首先在常規(guī)的預測控制性能指標后附加一個人為的終端約束,并利用Lyapunov方法推導了在該情況下確保閉環(huán)系統(tǒng)大范圍漸進穩(wěn)定的穩(wěn)定性定理。然后據此提出一種確保全局穩(wěn)定的基于最小二乘支持向量機的雙?？刂扑惴?先采用預測控制將狀態(tài)驅動到終端約束集內,然后再切換到局部線性控制以減少在線計算量,使狀態(tài)最終驅動到原點。仿真結果表明了該算法的有效性和優(yōu)越性。
　　(4)將部分研究成果應用到“鋁電解過

6、程先進控制系統(tǒng)的設計與開發(fā)”橫向課題中,取得了滿意的效果。首先提出一種基于最小二乘支持向量機的氧化鋁濃度控制,該方法采用PSO LS-SVM算法建立氧化鋁濃度的預測模型,并采用CHAOS MPC算法實施可靠的氧化鋁濃度預測控制。然后提出一種基于槽電阻濾波和專家經驗的槽電阻控制。最后將最小二乘支持向量機、模糊控制和專家系統(tǒng)三者有機融合,提出一種基于最小二乘支持向量機的槽況解析與維護專家系統(tǒng)。系統(tǒng)運行結果表明:采用上述方法,可比原來的方法提