基于关联向量机的污水处理软测量模型研究

出水总氮(TN)和总磷(TP)是衡量水质的重要指标,用人工方法分析存在很大的滞后性且难以测量。针对污水处理过程中强非线性、随机干扰等因素带来的一系列问题,运用基于关联向量机(RVM)的软测量方法,通过数据训练建立起水质软测量模型。试验结果表明,基于关联向量机的污水处理软测量模型能起到较好的预测效果,适合工业应用。     

基于支持向量机的石脑油干点软测量建模研究

原油精馏装置处于石油化工厂工艺流程的最前端,石脑油是精馏装置的主要产品之一,干点值是衡量石脑油质量的一个重要参数指标,通过现有测量手段不能得到干点的实时测量值。而支持向量机是近年发展起来的一种基于统计学习理论的学习机器,在模式识别和非线性函数回归估计方面有很多的应用。文中旨在通过采用软测量技术得出石脑油干点的实时监测信息,着重讨论基于支持向量机回归和最小二乘支持向量机回归的软测量建模方法。     

基于nu-支持向量机的软测量技术

利用支持向量机(SVM)来进行软测量建模,首先简要介绍nu-SVM的基本原理,随后利用它来建模重油催化裂化装置.理论分析和仿真研究表明,该方法泛化能力强、对样本的依赖程度低,比基于神经网络的软测量具有更好的性能.     

基于CPSO的混合核LSSVM生物发酵软测量建模

针对赖氨酸发酵过程非线性、强耦合及关键参数难以在线实时测量等问题,将混合核函数概念引入最小二乘支持向量机中,提出了一种基于混合核LSSVM的软测量建模方法。该方法采用混合核函数代替传统的RBF核作为支持向量机的核函数建立模型,并利用全局搜索能力较强的混沌粒子群优化（CPSO）算法对模型参数进行了寻优处理。仿真结果表明,该方法建立的软测量模型可以实现对发酵过程中的菌体浓度C、基质浓度S及产物浓度P等参量的在线实时预测,在改善了模型全局性的同时也提高了预测精度。     

基于RS-SVM的TN软测量建模研究

采用粗糙集理论(RS)约简属性,在保留重要信息的前提下消除冗余信息,简化了模型结构。而支持向量机(SVM)是一种基于统计学习理论的新型学习机,本文根据TN(总氮)难于在线测量的情况,采用RS-SVM方法,用某城市污水处理厂的实际水质参数数据,建立了出水TN基于粗糙集-支持向量机的软测量模型。和未经粗糙集预处理的支持向量机模型及粗糙集-BP神经网络(RS-BPNN)模型进行了比较,选择RS-SVM模型作为最终的软测量模型。结果表明,有粗糙集预处理后,不仅测量值的误差值更小,而且大大降低了输人数据的维数,减小了模型的规模,更有利于软测量模型的实用化。同时也表明支持向量机作为建立软测量模型的工具,具有良好的性能,比神经网络更加具有优势。     

基于SVM的微生物发酵过程软测量建模研究

微生物发酵过程中支持向量机(SVM)软测量模型的预测精度主要取决于SVM参数和输入变量优化选择.提出了一种新的SVM参数选择与输入变量选取方法,将SVM参数的选择和输入变量的选取看作组合优化问题,构造了基于赤池信息准则(AIC)的组合优化目标函数.为提高优化效率,采用遗传模拟退火算法(GSAA)来搜索最优的目标函数值.通过与网格算法、遗传算法等方法对比仿真研究表明,所提SVM微生物发酵过程软测量建模方法在微生物发酵过程的软测量建模中具有优良的性能.     

基于粒子群优化的支持向量机的软测量应用

提出了一种基于粒子群优化算法的支持向量机参数选择方法。针对RBF-SVM,利用PSO算法中粒子速度及其位置与RBF-SVM模型中参数对C和g相对应,找到最优参数,代入支持向量机SVM预测模型中,得到基于粒子群优化算法的支持向量机(PSO-SVM)模型,利用此模型对电厂的一次风量软测量进行预测研究。实验结果表明,经过粒子群优化算法的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。     

基于支持向量机的赖氨酸发酵生物参数软测量

微生物发酵过程中生物参数难以在线实时测量,给优化控制带来用难.为了解决测量问题,采用软测量方法对不可测的生物参数通过辅助变量的计算实现在线估计,软测量的模型用标准支持向量机构建,数据集来自5个批次的赖氨酸发酵实验.发酵过程中流加葡萄糖溶液和氨水,实验数据由VKT-30L发酵实验系统自动采集记录,二氧化碳释放率与摄氧率由尾气分析装置经过二次计算得到.模型经过训练后进行仿真计算,能够较准确地输出生物参数预测值,比径向基神经网络模型有更强的推广能力和更高的预测精度.     

基于AWLS-SVM的污水处理过程软测量建模

针对污水处理过程建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用一种全局优化算法——混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立污水处理过程出水水质关键参数的软测量模型,获得了较好的效果。     

基于LS-SVM的铝电解槽电解温度软测量

针对铝电解槽温度高、腐蚀性强、温度难以直接测量的问题,在分析了铝电解生产工艺和电解温度影响因素的基础上。建立了基于最小二乘支持向量机（LS-SVM）的铝电解槽电解温度的软测量模型。并根据实测数据进行了仿真。仿真结果表明：基于最小二乘支持向量机方法建立的铝电解槽电解温度软测量模型具有精度高、泛化性能好等特点。是一种有效测量铝电解槽电解温度的方法。     

基于SVDD的分类新方法

为了实现对大规模数据集的分类,提出了一种基于支持向量数据描述（SVDD）的新算法。把两类的支持向量机（SVM）问题转化为软间隔的SVDD问题,然后用核集迭代的方法得到了近似最优解。实验结果表明,提出的算法与传统的SVM方法预测精度相当,但是训练时间和测试时间更短,产生的支持向量数也更少,适用于大规模数据的分类。     

基于支持向量机回归机的曲面拟合技术

提出了一种基于支持向量回归的点云曲面重构方法,从点云中按一定规则取样得到小样本集,以小样本集为支持向量,并以径向基函数为核函数重建复杂线性函数曲面模型。实验表明该方法能直接重建散乱点云数据．拟合出曲面模型且具有较好的效果,并具有误差小、速度快等优点。     

基于支持向量机的摩擦焊超声检测缺陷识别

为准确识别摩擦焊试件接头主要缺陷类型,采用小波包变换对一维超声信号进行处理,利用“能量-故障”法提取信号特征值,并将特征值引入“一对多”支持向量机进行分类识别。通过验证发现,支持向量机较好解决了小样本、非线性和高维数问题,准确率高、容易在线实施,具有较强推广能力。     

小波包变换和支持向量机相结合在发动机气门间隙故障诊断中的应用

为了对发动机气门间隙进行故障诊断,在对振动信号进行采集和预处理的基础上,运用小波包频带能量分解技术提取发动机故障的特征向量,以此作为支持向量机分类器（SVM）的训练样本,用经训练的SVM多分类器对发动机不同故障进行自动识别和诊断,实现了信号特征向量提取与故障模式识别的有机结合。实验结果表明,该方法能在机械故障样本少的情况下准确的识别和诊断出发动机气门间隙的故障类型,具有实际的工程应用价值。     

基于MI-LSSVM的水泥生料细度软测量建模

针对水泥生料细度软测量模型难以建立的问题,考虑到输入变量选择易受时延的影响,提出一种基于互信息和最小二乘支持向量机(MI-LSSVM)的软测量建模方法。该方法采用互信息表征变量间的相关性,进而解决水泥生料细度软测量建模中的时延问题,并在此基础之上,提出双向选择算法获取输入变量,将得到的输入变量应用于最小二乘支持向量机中,建立水泥生料细度软测量模型,最后应用水泥厂的实际数据对基于互信息和最小二乘支持向量机的水泥生料细度软测量模型进行仿真。结果表明该方法预测精度高、泛化能力强。     

基于融合特征约减和支持向量机的控制图模式识别

为提高产品加工过程中质量监测的智能化程度,在运用控制图描述质量波动的基础上,提出了一种基于融合特征约减的KPCA-SVM控制图分类方法。先通过蒙特卡洛模拟生成控制图数据集,提取统计特征和形状特征,并将其与原始特征相融合,运用核主成分分析对高维融合特征降维,再使用遗传算法优化支持向量机的参数。通过仿真实验,将降维前后、不同分类器的识别精度进行了比较,结果表明运用所提方法能够得到更好的识别效果。     

支持向量机在锅炉汽包水位预测中的应用研究

汽包水位预测的准确性对于锅炉火力发电和供暖设备的安全运行,起着重要的作用。针对汽包水位时滞、非线性特性,在统计学习理论(SLT)和结构风险最小化(ERM)准则基础上,建立了基于支持向量机(SVM)理论的汽包水位预测模型。采用本单位供暖锅炉的实际汽包水位数据,按照不同的汽包水位日属性和历史汽包水位数据进行了样本选择,并将该预测结果同实际汽包水位进行了比较;根据供暖规模不同,分别建立了工作日和双休日预测模型。实验结果表明,所提出的预测方法具有较高的精度。     

污水处理控制系统设计与出水参数的软测量

随着工业技术的发展,各种污染已经严重影响了人类的生存环境。近年来人们由于对水环境保护意识不断增强,更多的技术被要求应用于污水处理过程之中。针对某焦化厂污水处理系统,设计了一套基于W INCC、PLC的污水处理控制系统,从而实现了污水处理系统自动化控制。利用已测得进水数据,基于最小二乘支持向量机(LSSVM)建立了软测量模型,并且引入小波分析这一数学分析方法,选用径向基小波核函数。针对支持向量机参数,采用自适应粒子群优化(APSO)算法对其进行了调整。实验结果表明,此方法能够实现对污水处理系统出水BOD5、COD浓度的软测量预测。     

基于支持向量机的产品编号识别

为了提高仓库管理系统的性能,将支持向量机用于产品编号的模式识别。采用基于投影法的图像处理算法提取编号数字;对倾斜的数字进行矫正,并对提取的数字进行归一化;构造支持向量机分类器对归一化的数字进行识别;通过对一组数字样本的测试,分析了支持向量机参数与分类器的识别率的关系。测试结果表明,支持向量机分类器可以在小样本的情况下获得较高的识别率。