基于双层智能结构的多模型软测量方法研究

《基于双层智能结构的多模型软测量方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕十学位论文摘要随着经济的发展和大型石化企业信息化程度的同益增高，先进控制技术作为实现高质量产品的稳定均衡生产的有效手段得到了愈来愈广的应用。软测量作为一种解决产品质量等关键性生产参数的在线实时测量问题，有效提高生产效益、保证产品质量的有力手段得到了广泛关注和重视。本文针对单一模型难以全面描述复杂系统全局特性的问题，考虑到复杂系统的多工作点情况，首先提出了一种以模糊C均值聚类作为分类基础层，以多RBF网络和LS．SVM作为各分类数据模型层，在线运行时将各模型的预测输出通过实际数据在各模型的隶属度进行加权求和以获得被估计参数的软测量值的双层智能结构的多模型软测量建模

2、方法；其次针对最小二乘支持向量机在建模时存在的模型参数难以选择和稀疏性问题，先用粒子群优化算法来选择最小二乘支持向量的模型参数，又引入矢量基的选择判据，使最小二乘支持向量机的解具有稀疏性，提出了一种基于粒子群优化的矢量基Ls．SvM的建模方法；最后将提出方法根据工业背景的不同情形分别应用于乙烯精馏系统中塔釜乙烯浓度和汽油调和系统中成品油研究法辛烷值的估计。经过工业实例进行仿真对比研究，基于粒子群优化的矢量基LS．SVM模型具有误差小、泛化能力强的特点；基于PSo．VB—LSsVM的双层智能结构多模型软测量建模方法较其它几种方法有更好的泛化结果和预测精度。关键词：软

3、测量；双层智能结构；多模型；最小二乘支持向量机；粒子群优化；矢量基；泛化能力；基金项目：什肃省自然科学基金资助项目(3zs05l—A25m32)IAbstractWiththedeVelopmentof也eeconomyandt：heincreaSeoftlleinf．ormationf．0r1argepetrochemicalente印rises，asaJlefectivemethodofrealizinglli曲一quali坝stableaIldbalancedproduction，theadvancedcontrolgetswider印plication．S

4、oRsensortechnologyis锄effectivemethodtosolvetheprobl锄ofreal-timemeasurementoftheimportantproductionparameterssuchasthequality．ItalsogetseXtensiveattentionaJldreco盟itionowingtothef．aCtmatitcallimproVebeIlefitofproductionandguaranteethequalityofproduction．Itisdimcultforsin酉emodeltodescri

5、be哲obalpropertiesofcomplexsySt锄，a11dmulti-pointofcomplexsystemsinworkistakenintoaccount，soamulti-modelingsoRsensorbasedondoublelayersintelligentstm曲lreisproposedinthisp叩er，inwhich丘Jzzyc．meansclust甜ngisclassification1ayer’aJldtheRBFneuralne觚orkalldaIldleastsquaresupportvectormaclline(L

6、S—SVM)aremodelinglayers．Thede伊eesofmenlbershipareusedforconbiningtheou∞utofs'ubmodelstoobtainthefinialresultwhichismemeasuredvalueofestimatedpar锄eters．Inmodelingmemulti．modelsoRmeasureInent，par锄etersselectionofleastsquaresupponvectormachineisadi伍cultproblem，andleastsquaresupportVector

7、machineisnotscarce，soamodelofPSO．VB-LSSVMisproposedinthispap％inwhichmemodelparametersareselectedbyPSOalgorit№，andthesupportVectorsareselectedbyvectorbase1eaming，whichmal【estheSupportVectorssparse．Atlast，accordingtothedi缳玎entindustrialbackground，themulti-modelingsonsellsorbaSedondouble

8、layer