支持向量机是统计学习领域新兴的一种机器学习方法,已经在模式识别等领域得到有效的应用,也成为非线性系统辨识的有力工具。与传统统计学相比,统计学习理论研究的是小样本情况下的学习理论,而且具有很好的推广特性。支持向量机作为统计学习理论的重要内容,具有良好的建模特性,采用支持向量机进行非线性系统建模不仅模型简单,有完备的理论支持,拓扑能力强,更重要的是提供了一种实现复杂的非线性系统的建模与控制的新方法。虽然支持向量机的研究取得了一些成果,但到目前为止,将其用于解决工业过程控制问题的研究还不多见。 氯乙烯单体生产过程反应机理复杂,反应过程具有非线性、不确定性和时变性,而且难以建模,它具有一系列复杂化工反应过程的典型特性。其转化过程中对温度及温度变化反应灵敏,给系统的建模和控制提出了较高的要求。 本文根据氯乙烯单体生产过程的工艺要求和系统控制要求,针对现有系统存在的问题提出了改造方案,并完成了控制系统的优化设计和硬件设计。在此基础上,对氯乙烯转化过程利用支持向量机进行非线性系统建模,并将得到的支持向量机模型应用于非线性系统的预测控制,提出了基于支持向量机模型的非线性预测控制算法。仿真结果表明,所提出的方法学习速度快,非线性建模和泛化能力强,控制效果良好。 本文工作表明:支持向量机作为一种高精度的建模工具,不仅可以成功应用于解决氯乙烯单体转化过程等复杂工业过程的建模问题,还可以为复杂工业过程的控制提供有力的工具,所提出的基于支持向量机的预测控制算法是有效的。