基于SVM的臺車熱處理爐工件溫度模型.pdf

1、熱處理爐內(nèi)工件溫度及其分布是衡量工件加熱質(zhì)量以及實現(xiàn)爐子自動控制的重要依據(jù)之一,合理的控制工件溫度可以提高工件加熱質(zhì)量,降低爐子燃料消耗。由于測試技術(shù)的限制,在實際生產(chǎn)過程中,工件溫度的檢測和跟蹤比較困難。如何精確及時測得工件溫度并且降低經(jīng)濟損耗,是實現(xiàn)自動控制的前提,也是產(chǎn)品質(zhì)量的保證。為了準(zhǔn)確的獲得熱處理爐工件溫度,需要建立工件溫度的預(yù)測模型來實現(xiàn)對工件溫度的檢測和跟蹤。
　　 支持向量機是在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)

2、險最小化原則的基礎(chǔ)上提出的一種新的機器學(xué)習(xí)方法,它追求的是在有限樣本情況下的最優(yōu)解而不僅僅是樣本數(shù)趨于無窮大時的最優(yōu)解,比以經(jīng)驗風(fēng)險最小化為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法具有更強的理論依據(jù)和更好的泛化性能。最小二乘支持向量機(Least Squares Support Vector Machine,LSSVM)是普通支持向量機的改進算法,它通過將最小二乘線性系統(tǒng)引入支持向量機,代替?zhèn)鹘y(tǒng)的支持向量機采用二次規(guī)劃方法解決函數(shù)估計問題的做法,簡化了模

3、型參數(shù),加快了運算速度。
　　 本文以臺車式熱處理爐為研究對象,利用從現(xiàn)場采集的爐內(nèi)6個區(qū)溫度、爐頂溫度和工件的表面溫度來建立工件溫度模型。首先對LSSVM的核函數(shù)進行選擇,分別用三類常見的核函數(shù)進行回歸建模,通過仿真實驗發(fā)現(xiàn),徑向基核函數(shù)比其他兩個核函數(shù)性能要好一些。然后將仿真結(jié)果與SVM的模型和BP的模型比較發(fā)現(xiàn),LSSVM的效果最好。但是和標(biāo)準(zhǔn)支持向量機相比,它失去了“稀疏性”。LSSVM的稀疏化方法解決了這一難題。最后用