基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究

基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究

ID:34825735

大小:2.16 MB

頁(yè)數(shù):83頁(yè)

時(shí)間:2019-03-11

基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究_第1頁(yè)
基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究_第2頁(yè)
基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究_第3頁(yè)
基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究_第4頁(yè)
基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究_第5頁(yè)
資源描述:

《基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究》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、青島科技大學(xué)碩士學(xué)位論文基于神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究姓名:李悅卿申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):化學(xué)工藝指導(dǎo)教師:金思毅20070420青島科技大學(xué)研究生學(xué)位論文基于神經(jīng)網(wǎng)絡(luò)和最,J、--乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究摘要先進(jìn)控制技術(shù)對(duì)提高流程企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力有著至關(guān)重要的作用,自九十年代以來(lái)己在國(guó)內(nèi)煉油企業(yè)被廣泛應(yīng)用。而產(chǎn)品質(zhì)量控制是所有控制的核心,為實(shí)現(xiàn)良好的質(zhì)量控制,必須及時(shí)獲得產(chǎn)品質(zhì)量或與產(chǎn)品質(zhì)量密切相關(guān)的重要過(guò)程變量的信息。然而由于獲得這些信息的在線分析儀表不僅價(jià)格昂貴,維護(hù)保養(yǎng)復(fù)雜,而且由于其分析的滯后性,最終將導(dǎo)致控制系統(tǒng)性能下降,難以滿足

2、生產(chǎn)要求。為解決這一矛盾,近年來(lái)軟測(cè)量技術(shù)獲得了很大的發(fā)展,成為先進(jìn)控制技術(shù)的核心部分之一。軟測(cè)量的基本思想是對(duì)于一些難于測(cè)量或暫時(shí)不能測(cè)量的重要變量(主導(dǎo)變量),選擇另外一些容易測(cè)量的變量(輔助變量),通過(guò)構(gòu)造某種數(shù)學(xué)關(guān)系來(lái)推斷和估計(jì)。這類方法具有響應(yīng)迅速,連續(xù)給出主導(dǎo)變量信息,且具有投資低、維護(hù)保養(yǎng)簡(jiǎn)單等優(yōu)點(diǎn),可以在提高產(chǎn)品質(zhì)量的同時(shí)降低生產(chǎn)成本,因此被國(guó)際著名過(guò)程控制專家Mcavoy教授列為未來(lái)控制領(lǐng)域需要研究的幾大方向之一。實(shí)際煉油過(guò)程的復(fù)雜性、非線性和時(shí)變性,以及過(guò)程控制的實(shí)時(shí)性要求決定了難以建立機(jī)理軟測(cè)量模型,且軟測(cè)量模型應(yīng)該具有非線性和快速在線自動(dòng)校正的能力

3、。因此,本文利用神經(jīng)網(wǎng)絡(luò)和最tJ、--乘支持向量機(jī)(1eastsquaressupportvectormachine,LSSvM)等經(jīng)驗(yàn)建模方法,在某廠生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)的基礎(chǔ)上,主要進(jìn)行了以下工作:(1)分析和研究了多種神經(jīng)網(wǎng)絡(luò)的原理和基本算法,并經(jīng)比較各自優(yōu)缺點(diǎn)后,認(rèn)為徑向機(jī)網(wǎng)絡(luò)更適合于進(jìn)行軟測(cè)量建模。在詳細(xì)研究了誤差反傳神經(jīng)網(wǎng)絡(luò)和徑向機(jī)網(wǎng)絡(luò)的訓(xùn)練算法和網(wǎng)絡(luò)結(jié)構(gòu)選擇的原則的基礎(chǔ)上,用其建立了常壓塔塔頂汽油干點(diǎn)的軟測(cè)量模型,結(jié)果表明用此算法建立軟測(cè)量模型的預(yù)測(cè)精度滿足實(shí)際生產(chǎn)的需要。(2)系統(tǒng)研究了最小二乘支持向量機(jī)(1eastsquaressupportvectormach

4、ine,LSSvM)的原理和訓(xùn)練算法,且針對(duì)LSSVM超參數(shù)選擇問(wèn)題,研究了選擇LSSVM回歸模型超參數(shù)的G-LSSVM算法的基本原理和使用方法,并用一個(gè)函數(shù)回歸測(cè)試問(wèn)題證明了G.LSSVM模型的有效性,最后將G-LSSVM模型應(yīng)用到了常壓塔塔頂汽油干點(diǎn)的軟測(cè)量中,結(jié)果表明G-LSSVM模型預(yù)測(cè)精度能夠滿足實(shí)際生產(chǎn)基于神經(jīng)網(wǎng)絡(luò)和最/J、--乘支持向量機(jī)的軟測(cè)量技術(shù)應(yīng)用研究需要,而且避免了BP網(wǎng)絡(luò)難以選擇合適結(jié)構(gòu)和局部極小點(diǎn)問(wèn)題。,(3)深入研究和分析了LSSVM的增量在線訓(xùn)練算法,并指出其缺點(diǎn):必須對(duì)核函數(shù)矩陣做調(diào)整方能進(jìn)行增量矩陣求逆。根據(jù)矩陣計(jì)算理論,通過(guò)對(duì)原核函數(shù)矩

5、陣逆的修正而非通過(guò)其增量矩陣逆的修正,提出了LSSVM的非增量在線訓(xùn)練算法,并將其用于常壓塔汽油干點(diǎn)軟測(cè)量建模,以適應(yīng)實(shí)際生產(chǎn)中模型實(shí)時(shí)變化的情況,結(jié)果表明,所提出的模型能夠快速進(jìn)行在線訓(xùn)練以適應(yīng)生產(chǎn)條件的變化,且預(yù)測(cè)效果良好。feign:軟測(cè)量神經(jīng)網(wǎng)絡(luò)最小二乘支持向量機(jī)核函數(shù)優(yōu)選超參數(shù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則在線學(xué)習(xí)。II青島科技大學(xué)研究生學(xué)位論文STUDYONSoFl『_SENSINGTECHNOLoGY’SAPPLICATIoNBASEoNANNANDLSSVMABSTRACTAdvancedcontroltechnologyhasbeenwidelyusedinChin

6、apelrolcompaniessincethe1990s,becauseitenhancesthemarketcompetitionabilityoffactoryofprocessindustry.Thecontrolofproductqualityisthecoreofallkindsofcontr01.SOtheinformationoforaboutproductqualityofimportantprocessvariablesmustbegotintimetohavegoodcontrolofproductquality.Buttheonline,scnso

7、r$togettheinformationarcexpensiveanddi伍culttobemaintained.a(chǎn)ndtheSenSors’delayofaal_alysiswillinducetotheperformancedecrementofcontrolsystem.Tosolvethisproblem,thetechnologyofsoftsensinghasbeenresearcheddeeplyintheseyearsandbecomeOIleofthemostimportanttechnologiesina

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。