共查询到19条相似文献,搜索用时 109 毫秒
1.
2.
3.
支持向量机是一种新的机器学习算法,它采用结构风险最小化准则,能有效提高模型的泛化能力.本文针对生物转化法生产丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,介绍了支持向量机回归建模算法在Matlab软件中的实现过程,对产物丁二酸浓度建立了预测模型,研究了SVM的小样本学习、泛化能力.仿真结果表明,与神经网络相比,SVM算法具有更好的推广能力,使得在未来工业化丁二酸发酵生产过程中针对丁二酸浓度的在线预估与优化控制成为可能. 相似文献
4.
5.
本文针对未知非线性系统,提出了基于支持向量机(SVM)的系统辨识方法,并且通过仿真分析比较了基于SVM与基于RBF神经网络系统辨识及预测结果,仿真结果表明SVM方法比RBF神经网络方法具有更高的预测精度和更好的泛化能力。 相似文献
6.
7.
8.
基于支持向量机的激光焊接过程辨识与控制 总被引:1,自引:1,他引:0
激光焊接过程数学模型足一个较强非线性的数学模型,通常的线性辨识方法无法得到它精确的数学模型.支持向量机作为一种新的机器学习方法,具有较强的非线性拟合能力,应用支持向量机非线性系统回归建模方法,辨识出具有典型非线性特性的焊接过程模型,并采用预测控制算法对焊接过程进行控制.实验证明,支持向量机对非线性系统具有很好的拟合效果,基于支持向量机的预测控制具有较好的非线性控制效果. 相似文献
9.
10.
11.
12.
13.
酒精发酵的pH值具有非线性、时变性和动态性。利用常规辩识方法对pH值进行辩识,一方面,无法准确描述其动态特性;另一方面,由于常规神经网络的权值学习是梯度下降法,在训练过程易陷入局部极小,并且训练速度慢。针对这些问题,将改进的动态递归神经网络应用于pH值的辩识研究。通过实验验证了该算法不但能体现出发酵过程的动态特性,而且通过在动态递归神经网络的权值学习中引入滤波项,能有效地克服常规网络在权值学习过程中的问题。表明该算法对pH值辩识的有效性。 相似文献
14.
15.
软测量技术是解决现代复杂工业过程中较难甚至无法由硬件在线测量参数的实时估计问题的有效手段。本文介绍了基于回归支持向量机(SVR)算法的基本原理,并以非线性、时变、大滞后的PTA氧化过程为研究对象,使用SVR算法对4-CBA含量进行了预测。结果表明,与传统预测方法相比,采用SVR算法的预测模型,具有精确度高,泛化能力强等优点,是用于PTA氧化过程中4-CBA含量预测的一种有效的方法,具有很好的应用价值。 相似文献
16.
基于最小二乘支持向量机逆系统的赖氨酸发酵过程解耦控制 总被引:1,自引:0,他引:1
将逆系统方法与支持向量机相结合,提出了一种基于最小二乘支持向量机(LS-SVM)的阶逆系统的赖氨酸发酵过程多变量非线性解耦控制方法.在分析了系统可逆性的基础上,利用具有高斯核函数的LS-SVM离线建立赖氨酸发酵过程的非线性逆模型.将得到的LS-SVM逆系统串联在原反应系统之前,使得复杂的非线性多变量系统解耦成多个相对独立的单输入单输出伪线性子系统,从而可用线性系统控制方法对其进行控制.仿真结果表明,LS-SVM逆系统解耦控制方法具有良好的逼近非线性系统的性能.该方法为实现多输入多输出非线性系统的解耦控制提供了一条新的思路. 相似文献
17.
基于支持向量机的聚酯粘度在线软测量 总被引:3,自引:0,他引:3
为了找出PET产品的聚酯粘度检测的操作条件与质量指标之间的关系,采用支持向量机对聚酯粘度进行软测量建模。支持向量机是一种基于统计学习理论的新的机器学习方法。进一步研究了容许误差、参数和核函数对建模结果的影响,提出一种模型增量校正方法。仿真结果表明,该方法能够大大提高模型精度。 相似文献
18.
传感器动态建模是测量领域的重要研究方向,本文介绍了一种基于支持向量机的传感器动态建模新方法.支持向量机是基于统计学习理论的新一代机器学习技术,它有效地解决了小样本学习问题,因此该方法对样本数量没有特殊的要求.最后,实验证明了该动态建模方法有效. 相似文献