基于支持向量機(jī)的回轉(zhuǎn)干燥窯生產(chǎn)過程建模與能耗優(yōu)化研究.pdf

1、中南大學(xué)博士學(xué)位論文基于支持向量機(jī)的回轉(zhuǎn)干燥窯生產(chǎn)過程建模與能耗優(yōu)化研究姓名：王欣申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：控制科學(xué)與工程指導(dǎo)教師：陽春華20100501博士學(xué)位論文摘要(3)提出了改進(jìn)的遺傳算法及免疫進(jìn)化遺傳算法解決支持向量機(jī)模糊模型中超參數(shù)的優(yōu)化問題，改進(jìn)的遺傳算法保留了遺傳算法全局搜索能力，同時(shí)為了克服遺傳算法收斂慢的不足，在后期融入了局部線性搜索；免疫進(jìn)化遺傳算法將遺傳算法的搜索空間劃分為小生境，根據(jù)小生境中個(gè)體的濃度利用免疫進(jìn)化

2、算法對(duì)適應(yīng)值進(jìn)行了修正，克服了遺傳算法易出現(xiàn)“早熟’’的問題。運(yùn)行結(jié)果表明，兩種方法都能有效地找到最優(yōu)超參數(shù)，而改進(jìn)的遺傳算法具有更快的收斂速度。(4)提出了基于多干燥階段多支持向量機(jī)的回轉(zhuǎn)干燥窯生產(chǎn)過程級(jí)聯(lián)模型的方法，利用多階段多支持向量機(jī)模糊模型確定干燥速率。針對(duì)建模時(shí)輸入樣本空間難以劃分的問題，提出了融入分區(qū)熵判斷準(zhǔn)則的模糊C均值算法(FCM)，同時(shí)為了克服FCM算法對(duì)噪聲數(shù)據(jù)敏感問題，引入了可能性FCM聚類算法，討論了基于核函數(shù)

3、的聚類算法，提高了輸入樣本空間劃分的準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，該級(jí)聯(lián)模型能提高預(yù)測(cè)精度，但增加了模型的復(fù)雜程度。(5)針對(duì)過多的支持向量降低模型的運(yùn)算速度問題，提出了一種新的基于粒子群優(yōu)化算法的支持向量精簡(jiǎn)方法，運(yùn)用變長(zhǎng)度粒子編碼，將預(yù)測(cè)精度直接作為性能指標(biāo)，通過粒子群優(yōu)化算法獲得精簡(jiǎn)支持向量集。結(jié)果表明該算法能在基本保持原預(yù)測(cè)精度的基礎(chǔ)上有效地減少了支持向量個(gè)數(shù)，提高了模型的運(yùn)行速度。(6)在回轉(zhuǎn)干燥窯生產(chǎn)過程模型的基礎(chǔ)上，針對(duì)工程中帶約