题名 | 软测量技术研究及其工业应用 |
作者 | 胡羽 |
答辩日期 | 2013 |
导师 | 杨国来 |
关键词 | 软测量 混合核函数 混合核偏最小二乘 BP神经网络 径向基神经网络 最小二乘支持向量机 粒子群优化算法 |
学位名称 | 硕士 |
英文摘要 | 作为一门新兴工业技术,软测量技术有着广阔的发展前景,已发展成为过程控制与仪表研究的主要方向之一,随着软测量技术理论研究和实践不断地完善和发展,将会在工业控制舞台上起着举足轻重的作用。本文以实际工程为背景,通过研究软测量技术理论,提出了三种软测量建模方法。其一是基于混合KPLS软测量建模方法。结合工程实际,首先采用常用方法偏最小二乘(PLS)建立软测量模型,但考虑到PLS方法运算速度慢、模型抽象,是一种线性算法,处理非线性数据能力较差,引入核函数,建立了核偏最小二乘(KPLS)软测量模型,考虑到单一核函数具有一定的局限性,引入混合核函数弥补单一核函数的不足,建立了混合核偏最小二乘(MKPLS)软测量模型;其二是基于混合KPLS和神经网络的软测量建模方法。考虑到之前所采用的单一方法建模有其局限性,这里采用混合方法建立软测量模型以弥补其不足。将MKPLS分别与BP神经网络、径向基(RBF)神经网络相结合,建立相应的MKPLS-BP和MKPLS-RBF两种混合软测量模型,并通过工业现场数据利用MATLAB软件进行仿真,仿真结果表明,混合模型的学习能力和泛化能力相对于单一方法建模有所提高;其三是基于混合KPLS和最小二乘支持向量机的软测量建模方法。考虑LSSVM具有更好的非线性处理能力、运算速度快等优点,建立了MKPLS-LSSVM的软测量模型;考虑至LSSVM模型参数对软测量模型的拟合精度和泛化能力起着举足轻重的作用,采用简单易于实现且具有较强的全局优化能力的粒子群优化算法(PSO)优化LSSVM模型参数,构建MKPLS-PSO-LSSVM软测量模型,通过仿真证明采用PSO对模型参数进行优化后,模型精度有了很大的提高。 |
语种 | 中文 |
页码 | 62 |
URL标识 | 查看原文 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/90406] ![]() |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 胡羽. 软测量技术研究及其工业应用[D]. 2013. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论