支持向量机及其在工业过程软测量中的应用研究

《支持向量机及其在工业过程软测量中的应用研究》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、上海交通大学博士学位论文支持向量机及其在工业过程软测量中的应用研究姓名：冯瑞申请学位级别：博士专业：控制理论与控制工程指导教师：邵惠鹤20030616支持向量机的快速学习算法即扩展最小序列优化算法和加权最小二乘支持向量机理论分析和仿真结果表明给出的快速学习算法能够满足作者提出的移动建模方法所需的实时性要求l软测量技术的核心问题是建立软测量模型但是将建模算法应用到软测量技术中还需要考虑许多其它问题如辅助变量选择问题数据预处理等作者在研究软测量建模方法的基础上分别给出了将支持向量机多模型建模方法和支持向量机移动建模方法应用到软测量技术的具体实现流程为进一步将作

2、者研究的理论算法付诸于实践奠定了基础l结合作者提出的基于支持向量机的软测量建模方法利用面向对象多线程动态链接等先进软件开发技术研制出国内第一套基于嵌入式系统的通用工业过程软测量软件包SSSP它具有通用性开放性和实时性等特点其核心算法为作者提出的基于支持向量机的软测量建模方法并包含了其它多种算法可根据具体工业过程选择不同的算法以提高系统性能同时主持开发了基于HYSYS软件的化工过程仿真对象并与SSSP一起构成了软测量仿真系统为进一步深入研究工业软测量技术提供了仿真平台关键词统计学习理论支持向量机神经网络多模型局部学习移动模型软测量嵌入式系统IIStudyon

3、SupportVectorMachinesandItsApplicationinSoftSensorofIndustrialProcessesAbstractIncomplexindustrialprocesses,manyimportantvariables,suchasprocessstate,productqualityetc.,can’tbeonlinedetected.Softsensortechniqueofindustrialprocessesisaneffectiveapproachtosolvethisproblem.However,th

4、erearesomeshortcomingsinsoftsensortechniquebasedontraditionalmethodssuchasArtificialNeuralNetworks(ANNs).Forexample,limitedsamplesofpracticalcasesdecreasetheeffectivenessofalgorithm;themathematicalmodelsofindustrialprocessesarenotpreciseandarelikelytochange;thesteadysamplesareinco

5、nsistentwithdynamicdisturbance,etc.Softsensortechniquebasedontraditionalmethodscannotachievesatisfactoryperformanceowingtothecomplexityofindustrialprocessesandincreasingdemandforhighercontrolquality.SupportVectorMachines(SVMs)isanovelpowerfulmachinelearningmethodbasedonStatistical

6、LearningTheory(SLT).SVMsischaracterizedwithhighgeneralizationability,andcansolvemanypracticalproblemssuchassmallsamples,overlearning,highdimensionandlocalminima,whichexistinmosttraditionallearningmethods.Therefore,SVMspresentsanfeasiblemethodtosolvetheproblemsinsoftsensortechnique

7、.Inthisdissertation,theauthorfocusedonthetheories,methodsandapplicationsofSVMsinsoftsensorofindustrialprocesses.Basedonaforementionedstudy,authordevelopedageneralizedsoftsensorsoftwarepackagebasedonembeddedsystemandsoftsensorinstrument.Themainworkandnovelresultsofthisthesisareasfo

8、llows:CombinedwithMultipleModelin