基于最小二乘支持向量機(jī)的鋁電解過程建模與控制研究.pdf

1、鋁電解過程是一個(gè)非線性、多變量、大滯后的復(fù)雜工業(yè)對(duì)象,且它的某些重要工藝參數(shù)難以在線實(shí)時(shí)檢測(cè);因此常見的PID控制、自適應(yīng)控制等都難以取得理想的效果。最小二乘支持向量機(jī)是機(jī)器學(xué)習(xí)領(lǐng)域近年來涌現(xiàn)出的一種新穎的通用學(xué)習(xí)方法,它建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則基礎(chǔ)上,能較好地解決小樣本、非線性、高維數(shù)和局部極小等實(shí)際問題,已成功地應(yīng)用于分類、函數(shù)逼近和時(shí)間序列預(yù)測(cè)等方面。本文先進(jìn)行基于最小二乘支持向量機(jī)的建模與控制研究,然后將部分研究成果應(yīng)用于鋁電解

2、過程的建模與控制,取得了滿意的效果。
　　本文主要做了以下四項(xiàng)工作:
　　(1)電解溫度、氧化鋁濃度和極距是鋁電解過程中非常重要卻又難于測(cè)量的三個(gè)參數(shù),因此本文提出一種基于最小二乘支持向量機(jī)和粒子群優(yōu)化的PSO LS-SVM算法,建立這三個(gè)參數(shù)的軟測(cè)量模型。該算法考慮最小二乘支持向量機(jī)的算法參數(shù)的選取問題,先定義預(yù)測(cè)誤差的平方和的算術(shù)平均作為適應(yīng)度函數(shù),然后采用粒子群優(yōu)化技術(shù)在可行域內(nèi)不斷迭代搜索,使適應(yīng)值不斷減小,最終得到

3、最優(yōu)的算法參數(shù),以及對(duì)應(yīng)的模型參數(shù)。仿真結(jié)果表明:PSO LS-SVM算法建立的軟測(cè)量模型,無論是學(xué)習(xí)能力還是泛化能力,均好于神經(jīng)網(wǎng)絡(luò)模型,證明了該算法的有效性和優(yōu)越性。
　　(2)研究了基于最小二乘支持向量機(jī)的預(yù)測(cè)控制。
　　針對(duì)多入多出、約束非線性系統(tǒng),提出上、下位機(jī)兩級(jí)控制結(jié)構(gòu),推導(dǎo)了基于最小二乘支持向量機(jī)和混沌優(yōu)化的單步預(yù)測(cè)控制算法:CHAOS MPC算法。該算法考慮控制量的約束,采用混沌優(yōu)化技術(shù)在其可行域內(nèi)遍歷搜索

4、,在線求解最優(yōu)的預(yù)測(cè)控制律。仿真結(jié)果表明該算法的控制精度要高于基于神經(jīng)網(wǎng)絡(luò)的單步預(yù)測(cè)控制算法。
　　類似的,針對(duì)多入多出、約束非線性、時(shí)滯系統(tǒng),提出上、下位機(jī)兩級(jí)控制結(jié)構(gòu),推導(dǎo)了基于最小二乘支持向量機(jī)和混沌優(yōu)化的多步預(yù)測(cè)控制算法:CHAOS MPC1算法,采用混沌優(yōu)化技術(shù)在線求解最優(yōu)的預(yù)測(cè)控制律。仿真結(jié)果表明該算法的控制精度要高于基于神經(jīng)網(wǎng)絡(luò)的多步預(yù)測(cè)控制算法。
　　(3)研究了基于最小二乘支持向量機(jī)的預(yù)測(cè)控制系統(tǒng)的穩(wěn)定性問

5、題,提出一種確保閉環(huán)系統(tǒng)穩(wěn)定性的雙?？刂扑惴?。首先在常規(guī)的預(yù)測(cè)控制性能指標(biāo)后附加一個(gè)人為的終端約束,并利用Lyapunov方法推導(dǎo)了在該情況下確保閉環(huán)系統(tǒng)大范圍漸進(jìn)穩(wěn)定的穩(wěn)定性定理。然后據(jù)此提出一種確保全局穩(wěn)定的基于最小二乘支持向量機(jī)的雙模控制算法:先采用預(yù)測(cè)控制將狀態(tài)驅(qū)動(dòng)到終端約束集內(nèi),然后再切換到局部線性控制以減少在線計(jì)算量,使?fàn)顟B(tài)最終驅(qū)動(dòng)到原點(diǎn)。仿真結(jié)果表明了該算法的有效性和優(yōu)越性。
　　(4)將部分研究成果應(yīng)用到“鋁電解過

6、程先進(jìn)控制系統(tǒng)的設(shè)計(jì)與開發(fā)”橫向課題中,取得了滿意的效果。首先提出一種基于最小二乘支持向量機(jī)的氧化鋁濃度控制,該方法采用PSO LS-SVM算法建立氧化鋁濃度的預(yù)測(cè)模型,并采用CHAOS MPC算法實(shí)施可靠的氧化鋁濃度預(yù)測(cè)控制。然后提出一種基于槽電阻濾波和專家經(jīng)驗(yàn)的槽電阻控制。最后將最小二乘支持向量機(jī)、模糊控制和專家系統(tǒng)三者有機(jī)融合,提出一種基于最小二乘支持向量機(jī)的槽況解析與維護(hù)專家系統(tǒng)。系統(tǒng)運(yùn)行結(jié)果表明:采用上述方法,可比原來的方法提