支持向量機(jī)及其在工業(yè)過(guò)程軟測(cè)量中的應(yīng)用研究.pdf

1、該文著重研究將支持向量機(jī)(SVWs)應(yīng)用于工業(yè)過(guò)程軟測(cè)量技術(shù)的理論、方法和應(yīng)用技術(shù),并在此基礎(chǔ)上研制開(kāi)發(fā)了基于嵌入式系統(tǒng)的通用軟測(cè)量軟件包(SSSP,Soft Sensor Software Package)與軟測(cè)量?jī)x表.該文的主要工作和創(chuàng)新包括以下內(nèi)容:●針對(duì)具有多工況的復(fù)雜工業(yè)過(guò)程軟測(cè)量建模問(wèn)題,基于多模型建模思想和支持向量機(jī)在解決數(shù)據(jù)分類(lèi)與回歸問(wèn)題的優(yōu)點(diǎn),提出一種基于模糊支持向量分類(lèi)算法(F_SVC,Fuzzy Support V

2、ector Classifier)和模糊支持向量回歸算法(F_SVC,Fuzzy Support Vector Regression)相結(jié)合的多模型建模方法.其中F_SVC用于解決多模型方法中的模型切換問(wèn)題,F_SVC用于建立多模型方法中的子模型.相對(duì)于其它多模型方法,該方法能夠?qū)崿F(xiàn)各子模型間的平滑切換,解決了多模型方法長(zhǎng)期存在的模型切換的突變問(wèn)題,另外還具有估計(jì)精度高、泛化能力強(qiáng)等優(yōu)點(diǎn).●將多模型方法用于解決復(fù)雜工業(yè)過(guò)程軟測(cè)量建模問(wèn)題

3、具有許多優(yōu)點(diǎn),然而,它存在模型集優(yōu)化問(wèn)題,子工況的確定也具有很大不確定性.為解決多模型方法存在的這些問(wèn)題,結(jié)合局部學(xué)習(xí)思想、支持向量機(jī)學(xué)習(xí)理論和數(shù)據(jù)庫(kù)搜索技術(shù),提出一種基于加權(quán)支持向量機(jī)(W_SVMs,Weighted Support Vector Machines)的移動(dòng)建模方法(DM,Drifting Modeling),其中W_SVMs用于建立DM中的局部模型.●針對(duì)求解支持向量機(jī)會(huì)消耗大量的系統(tǒng)時(shí)間和占用大量系統(tǒng)的內(nèi)存的缺點(diǎn),提

4、出了兩種針對(duì)加權(quán)支持向量機(jī)的快速學(xué)習(xí)算法,即擴(kuò)展最小序列優(yōu)化算法和加權(quán)最小二乘支持向量機(jī).理論分析和仿真結(jié)果表明,給出的快速學(xué)習(xí)算法能夠滿(mǎn)足作者提出的移動(dòng)建模方法所需的實(shí)時(shí)性要求.●軟測(cè)量技術(shù)的核心問(wèn)題是建立軟測(cè)量模型,但是將建模算法應(yīng)用到軟測(cè)量技術(shù)中還需要考慮許多其它問(wèn)題,如輔助變量選擇問(wèn)題、數(shù)據(jù)預(yù)處理等.作者在研究軟測(cè)量建模方法的基礎(chǔ)上,分別給出了將支持向量機(jī)多模型建模方法和支持向量機(jī)移動(dòng)建模方法應(yīng)用到軟測(cè)量技術(shù)的具體實(shí)現(xiàn)流程,為進(jìn)