基于LS-SVM的软测量模型及其工业应用

最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种扩展,其算法简练,计算速度快;利用LS-SVM进行特征提取,可以有效地降低输入样本维数,缩减模型的运算时间,同时LS-SVM又具有优越的非线性回归能力;为实现氧化铝高压溶出过程中苛性比值在线测量,建立了一种基于LS-SVM的软测量模型,并将此模型应用于实际生产;工业数据的仿真结果表明该模型具有较高的预测精度和范化能力,能满足在线检测、实时控制的要求。     

加权LS-SVM的铜液温度软测量研究

针对废杂铜冶炼过程炉膛温度难以准确测量的问题,提出一种基于加权LS-SVM的炉膛温度软测量方法。该方法通过对过程主要输入输出变量的误差平方赋予不同权重用于克服异常训练样本的影响,并利用粒子群算法对加权LS-SVM的参数进行寻优,增强了动态模型对非线性时变特性的适应能力,提高了温度预测的准确性。最后,通过对废杂铜冶炼过程的实际运行数据进行仿真研究,验证了方法的有效性。     

基于支持向量机的软测量技术及其应用

支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。讨论了基于最小二乘支持向量机(LS-SVM)的软测量数据建模原理和方法,并将其应用在汽车排放的氮氧化合物NOX软测量中。通过与基于神经网络的软测量方法进行比较,结果显示出SVM的明显的优势,特别是对小样本、非线性、高维数一类软测量问题的建模,提供了一种有效的途径。     

基于LS-SVM的乙醇浓度软测量在酵母生产中的应用

在酵母生产过程中,乙醇浓度是一个很重要的控制参数,但目前的检测手段多为离线人工测量,不能实现乙醇浓度的测控自动化,是束缚生产效率的重要原因。本文采用最小二乘支持向量机(LS-SVM)方法进行回归估计,完成了对乙醇浓度的软测量。试验结果表明基于LS-SVM的软测量方法可以很好地实现乙醇浓度在线自动测量。     

基于小波和LS-SVM的软测量建模方法

针对工业过程中某些重要过程变量难以实现在线检测的问题,提出了一种基于小波和最小二乘支持向量机(LS-SVM)的软测量建模方法.首先通过小波变换把样本数据序列分解为不同频段的子序列,然后对这些子序列分别采用LS-SVM进行建模,最后通过小波重构得到主导变量的估计值.其中采用量子粒子群算法(PSO)来优化选取LS-SVM参数.通过仿真实验验证此方法,实验结果表明所提出的方法具有估计精度高、泛化能力强等优点.     

基于改进的PCA—LS—SVM的软测量技术及应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题，提出了将主元分析与改进的最小二乘支持向量机相结合的软测量建模方法，建立了催化裂化主分馏塔柴油凝固点的软测量模型。最小二乘支持向量机与标准支持向量机相比，失去了“稀疏性”，最小二乘支持向量机的稀疏化方法解决了这一难题；主元分析方法的引入，有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力。应用结果表明，该改进的PCA—LS-SVM方法具有学习速度快、跟踪性能好以及泛化能力强等优点。     

基于改进LS-SVM的制粉出力软测量建模

针对火电厂双进双出钢球磨煤机制粉出力较难直接测量的问题,拟建立其最小二乘支持向量机(LS-SVM)模型实现软测量.由于LS-SVM算法缺乏“稀疏性”,采用经Remez算法优化后的FIR数字滤波器与LS-SVM相结合,形成一种新的软测量建模方法——FIR-LSS-VM.仿真结果表明,经Remez优化后的FIR滤波效果更好.将该软测量方法应用于火电厂双进双出钢球磨煤机直吹式制粉系统,通过现场实验对比可知,改进的软测量模型学习速度较快且误差较小,更加适用于在线学习.     

基于改进的PCA-LS-SVM的软测量技术及应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与改进的最小二乘支持向量机相结合的软测量建模方法,建立了催化裂化主分馏塔柴油凝固点的软测量模型。最小二乘支持向量机与标准支持向量机相比,失去了"稀疏性",最小二乘支持向量机的稀疏化方法解决了这一难题;主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力。应用结果表明,该改进的PCA- LS-SVM方法具有学习速度快、跟踪性能好以及泛化能力强等优点。     

水泥熟料生产过程生料分解率软测量模型

在水泥熟料生产过程中,针对衡量产品质量的生料分解率不能在线检测的难题,将递归限定记忆主元分析和最小二乘支持向量机结合,提出了基于限定记忆主元分析的最小二乘支持向量机方法.限定记忆主元分析不但解决了传统主元分析的缺点和数据饱和现象,而且简化了最小二乘支持向量机的结构.该方法已经成功应用于酒钢宏达水泥厂水泥熟料生产生料分解...     

基于Bayesian的海洋脂肪酶发酵过程软测量建模

针对海洋微生物低温碱性脂肪酶发酵过程中的关键生物参数(如菌体浓度、葡萄糖浓度等)难以在线检测,提出了一种基于贝叶斯证据框架下的加权最小二乘支持向量机(WLS-SVM)的建模方法.首先,对生物参数进行非线性建模分析,确定软测量模型的辅助变量.然后,应用训练样本集对最小二乘支持向量机进行训练,训练过程中运用贝叶斯证据框架下的三层推断确定模型的最优权向量、最优正则化参数、最优核参数.为了提高模型的鲁棒性,根据误差变量确定权重系数,建立了在发酵过程中可准确预测生物参数的WLS-SVM模型.试验仿真中与传统最小二乘支持向量机模型进行对比,结果表明,基于贝叶斯证据框架下的加权最小二乘支持向量机模型具有计算速度快、泛化能力强、预测精度高等特点.     

基于局部PSO-LSSVM的水泥f-CaO测量方法研究

针对水泥熟料质量指标游离氧化钙含量难以实时检测的问题,提出一种基于局部pso-lssvm的软测量建模方法。在构建局部建模数据集时,同时考虑了数据样本之间的加权欧氏距离与向量的夹角,使得训练数据的选取更加具有实际意义。由于局部建模的时间开销较大,首先,采用加权k均值聚类算法对历史数据库进行聚类分析得到若干子样本集;其次,在与当前输入数据加权欧氏距离最小的子样本集中,建立基于pso-lssvm算法的局部软测量模型,计算得到当前游离氧化钙含量值;最后,应用实际数据进行训练和验证,结果表明,该方法较全局建模具有更好的泛化能力,能够满足水泥熟料游离氧化钙含量检测的实时性要求,对于实现水泥烧成系统的优化控制,提高能源利用率具有重要意义。     

Intelligent Setting Control for Clinker Calcination Process

In the process of clinker calcination, the target value of the raw meal decomposition rate (RMDR) is different in the easy and difficult calcination stages because the boundary conditions of raw meal (i.e., raw meal flow, raw meal ingredients, and particle size) change frequently, where RMDR cannot be guaranteed to be within its desirable range. To solve this problem, an intelligent setting control method is proposed in this paper for a clinker calcination process. The proposed approach is realized by on‐line adjustment of the setpoints of control loops in line with the changes of raw meal boundary conditions. This method consists of five modules, namely an RMDR target value setting model, a control loop pre‐setting model, a feedback compensation model based on the fuzzy rules, a feedforward compensation model based on the fuzzy rules, and a soft measurement model for RMDR. Successful application to the clinker calcination process of the Jiuganghongda Cement Plant in China has been made, where the efficiency of the proposed method has been validated by the results of the practical application.     

基于KPLS和LS-SVM的过程参数预测及其应用

针对有色冶炼净化过程流程长、影响因素多以及非线性强等特点,提出了一种结合最小二乘支持向量机和核偏最小二乘回归的过程参数预测方法。考虑到过程参数时间序列具有高噪声和非平稳等特性,首先基于小波多分辨率分析方法将参数时间序列分解成具有不同频率特征的子序列,然后根据分解后各自序列的特点,利用最小二乘支持向量机和核偏最小二乘回归法对各子序列进行建模,最后对各分量预测信号重构合成得到最终的预测结果。将该建模方法应用于锌湿法冶炼净化除钴过程钴离子浓度的预测,并应用工业现场的数据进行了实验验证,结果表明,该预测模型性能优于最小二乘支持向量机模型,具有较好的泛化能力和较强的鲁棒性。     

f—CaO智能快速测定仪

介绍一种新的测定水泥熟料中 f-CaO 含量的智能快速测定仪,采用电导分析法,即测量溶液中的电导值,以求得溶液中某一物质的浓度。由单片机组成智能快速转换仪表系统,完成电导率与 f-CaO 含量的测量、转换以及显示、实现快速准确地测定水泥熟料中 f-CaO 的百分含量。     

基于LS􀀁SVM 的电力系统参考相角预测

针对电力系统实时相角测量模型,为了克服由于通信过程而导致的参考相角滞后,提出采用基于最小二乘支持向量机(LS-SVM)的方法对参考相角进行预测,以使预测的参考相角信息能够用于就地的稳定性分析和控制.仿真结果表明,用LS-SVM预测相角的方法具有较高的跟踪速度和预测精度,并具有较好的动态效果,满足电力系统对实时相角测量的要求.     

基于LS-SVM的电梯制动器故障诊断

根据电梯制动器故障的特点,提出了一种基于最小二乘支持向量机(LS-SVM)的电梯制动器故障诊断方法。该方法通过检测制动器制动过程中闸瓦间隙信号,采用小波包分析提取的故障信号特征,同时利用LS-SVM实现电梯制动器的故障诊断。实验结果表明,该方法能准确地诊断制动系统的故障,有效地避免了事故的发生。     

基于AP的LS-SVM多模型建模算法

针对多工况对象的单模型建模中存在的回归精度差和泛化能力弱的问题,提出基于仿射传播聚类的LS-SVM多模型建模方法。该方法用仿射传播聚类算法对样本进行聚类,采用LS-SVM的方法对子类样本分别建立模型。测试样本根据相似性的测度进行归类,并用所属子类的模型进行预测输出。将该建模方法用在丙烯浓度的软测量建模实验中,结果表明该方法有较高的回归精度和较好的泛化能力。     

基于LS-SVM的BTT导弹动态逆反演控制

基于LS -SVM理论、动态逆控制和反演控制方法,针对具有非匹配不确定性的BTT导弹非线性数学模型,设计了一种基于LS- SVM的BTT导弹动态逆反演控制律;对传统反演控制律设计的不足之处,采用LS- SVM法逼近BTT导弹控制系统中带有未知成分非线性函数,从而实现了无需精确数学模型的全新控制律,避免了因建模误差对控制带来的不良影响,在此基础上,利用李亚普诺夫方法证明了系统的稳定性和收敛性;仿真结果表明,文章所设计的控制律,对导弹控制系统中存在的不确定因素具有较强的鲁棒性和自适应性.     

基于LS-SVM的非线性系统自适应输出反馈控制

针对状态不可测的单输入单输出非线性不确定系统,提出一种基于最小二乘支持向量机(LS-SVM)的直接自适应输出反馈控制方法.该方法首先设计一种误差观测器,间接地估计出系统的状态,然后采用最小二乘支持向量机构造自适应控制器,控制器参数的在线调整规律由李亚普诺夫稳定性理论导出.文中严格证明了闭环系统的渐近稳定性,仿真研究表明了此控制方法的可行性和有效性.     

基于改进LS-SVM的来波方位估计

提取已知方位信号的协方差矩阵的上三角部分作为样本特征,构建方位估计模型。针对最小二乘支持向量机最优参数难以选定的问题,采用实值编码的启发式遗传算法,以模型的来波方位估计性能为目标,实现基于高斯核函数的SVM参数优化,提高了来波方位估计精度。实验结果表明,该方法估计精度较高、实时性好,在无线电测向领域具有广阔应用前景。