支持向量機及其在工業(yè)過程軟測量中的應用研究.pdf

1、該文著重研究將支持向量機(SVWs)應用于工業(yè)過程軟測量技術的理論、方法和應用技術,并在此基礎上研制開發(fā)了基于嵌入式系統(tǒng)的通用軟測量軟件包(SSSP,Soft Sensor Software Package)與軟測量儀表.該文的主要工作和創(chuàng)新包括以下內容:●針對具有多工況的復雜工業(yè)過程軟測量建模問題,基于多模型建模思想和支持向量機在解決數(shù)據(jù)分類與回歸問題的優(yōu)點,提出一種基于模糊支持向量分類算法(F_SVC,Fuzzy Support V

2、ector Classifier)和模糊支持向量回歸算法(F_SVC,Fuzzy Support Vector Regression)相結合的多模型建模方法.其中F_SVC用于解決多模型方法中的模型切換問題,F_SVC用于建立多模型方法中的子模型.相對于其它多模型方法,該方法能夠實現(xiàn)各子模型間的平滑切換,解決了多模型方法長期存在的模型切換的突變問題,另外還具有估計精度高、泛化能力強等優(yōu)點.●將多模型方法用于解決復雜工業(yè)過程軟測量建模問題

3、具有許多優(yōu)點,然而,它存在模型集優(yōu)化問題,子工況的確定也具有很大不確定性.為解決多模型方法存在的這些問題,結合局部學習思想、支持向量機學習理論和數(shù)據(jù)庫搜索技術,提出一種基于加權支持向量機(W_SVMs,Weighted Support Vector Machines)的移動建模方法(DM,Drifting Modeling),其中W_SVMs用于建立DM中的局部模型.●針對求解支持向量機會消耗大量的系統(tǒng)時間和占用大量系統(tǒng)的內存的缺點,提

4、出了兩種針對加權支持向量機的快速學習算法,即擴展最小序列優(yōu)化算法和加權最小二乘支持向量機.理論分析和仿真結果表明,給出的快速學習算法能夠滿足作者提出的移動建模方法所需的實時性要求.●軟測量技術的核心問題是建立軟測量模型,但是將建模算法應用到軟測量技術中還需要考慮許多其它問題,如輔助變量選擇問題、數(shù)據(jù)預處理等.作者在研究軟測量建模方法的基礎上,分別給出了將支持向量機多模型建模方法和支持向量機移動建模方法應用到軟測量技術的具體實現(xiàn)流程,為進