資源描述：
《探析基于支持向量機(jī)的醋酸乙烯聚合率軟測(cè)量研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、華東交通大學(xué)碩士學(xué)位論文基于支持向量機(jī)的醋酸乙烯聚合率軟測(cè)量研究姓名：劉林申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：交通信息工程及控制指導(dǎo)教師：楊輝20080420摘要基于支持向量機(jī)的醋酸乙烯聚合率軟測(cè)量研究摘要醋酸乙烯聚合過(guò)程具有強(qiáng)非線性、時(shí)變、大滯后等特點(diǎn)，而且醋酸乙烯的聚合率難以在線檢測(cè)。目前對(duì)醋酸乙烯聚合率檢測(cè)的常用方法是人工每隔4個(gè)小時(shí)采樣檢測(cè)，但此方法得到的結(jié)果嚴(yán)重滯后，不能及時(shí)調(diào)整控制策略。而由于軟測(cè)量技術(shù)具有精確、可靠、經(jīng)濟(jì)和動(dòng)態(tài)響應(yīng)迅速等特點(diǎn)，因此軟測(cè)量技術(shù)成為解決醋酸乙烯聚合率在線檢測(cè)的新途徑。實(shí)現(xiàn)醋酸乙烯聚合率在線檢測(cè)的關(guān)鍵是建立軟測(cè)
2、量模型。而支持向量機(jī)（SupportVectorMachines，簡(jiǎn)稱SVM）是根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，以期獲得最好的推廣能力，已被廣泛地用于非線性系統(tǒng)建模。它是將實(shí)際問(wèn)題通過(guò)非線性變換映射到高維的特征空間，然后在這個(gè)高維空間中求取最優(yōu)分類超平面或進(jìn)行函數(shù)擬合，其算法復(fù)雜度與樣本維數(shù)無(wú)關(guān)，可得到有限樣本信息下的全局最優(yōu)解，解決了在神經(jīng)網(wǎng)絡(luò)方法中無(wú)法避免的局部極值問(wèn)題。本文針對(duì)醋酸乙烯聚合率難以在線檢測(cè)的難題，系統(tǒng)開(kāi)展支持向量機(jī)技術(shù)在醋酸乙烯聚合率軟測(cè)量及其應(yīng)用驗(yàn)證研究。主要內(nèi)容如下：1、簡(jiǎn)述醋酸乙烯聚合
3、率檢測(cè)的現(xiàn)狀，針對(duì)醋酸乙烯聚合率難以實(shí)現(xiàn)在線檢測(cè)的問(wèn)題，提出用支持向量機(jī)方法建立醋酸乙烯聚合率軟測(cè)量模型的思想。2、簡(jiǎn)要描述醋酸乙烯聚合過(guò)程原理及其工藝流程，在對(duì)醋酸乙烯聚合過(guò)程進(jìn)行機(jī)理分析的基礎(chǔ)上，分析影響醋酸乙烯聚合率的因素，采用支持向量機(jī)方法建立軟測(cè)量模型實(shí)現(xiàn)醋酸乙烯聚合率在線檢測(cè)。3、針對(duì)支持向量機(jī)軟測(cè)量模型的運(yùn)算速度慢、泛化能力不強(qiáng)等不足，采用了兩種方法（混合核函數(shù)、最小二乘支持向量機(jī)）對(duì)上述模型進(jìn)行改進(jìn)，并進(jìn)行仿真驗(yàn)證。仿真結(jié)果表明，最小二乘支持向量機(jī)能根據(jù)誤差要求調(diào)整訓(xùn)練目標(biāo)，訓(xùn)練效率高，比較適合用于醋酸乙烯聚合率在線檢測(cè)。
4、4、利用VC++與Matlab混合編程，實(shí)現(xiàn)了醋酸乙烯聚合率軟測(cè)量模型在實(shí)際生產(chǎn)中的應(yīng)用。研究結(jié)果對(duì)醋酸乙烯聚合率在線測(cè)量具有重要意義。關(guān)鍵詞：醋酸乙烯，聚合率，軟測(cè)量，支持向量機(jī)，混合核函數(shù)，最小二乘支持向量機(jī)IAbstractRESEARCHONTHESOFT-SENSORMETHODOFVINYLACETATEPOLYMERIZATIONRATEBAESDONSVMABSTRACTThevinylacetatepolymerizationprocessischaracterizedofnonlinearity,time-varian
5、tpropertiesandseverelagintheprocessofmonitoringandcontrollingthevinylacetatepolymerizationrate.Theon-lineinformationofpolymerizationrateisinaccessible.Atpresent,thegeneralon-lineexaminationmethodsofrealizingthevinylacetatepolymerizationrateismanualworksampling.Becausesoft
6、-sensormethodhasprecision,reliablation,economyandtherapiddynamicresponseandothercharacters,soft-sensormethodturnsintoanewapproachtorealizetheon-lineestimationofvinylacetatepolymerizationrate.Thekeytorealizesoft-sensoristobuildthesoft-sensormodelofpolymerizationrate.ButSup
7、portvectormachines(i.e.SVM)istoseekbestcompromiseaccordingtothelimitedsampleinformationinbetweenthemodelcomplexityandlearningcapability,obtainthebestgeneralizationability.Ithasalreadyusedinthenonlinearsystemmodelingwidely.Itismappingtheactualproblemintoahighdimensionalfea
8、turespacethroughthenonlineartransformationinwhichanoptimalseparatinghyperplaneorfunctionregressi
