论文部分内容阅读
该文着重研究将支持向量机(SVWs)应用于工业过程软测量技术的理论、方法和应用技术,并在此基础上研制开发了基于嵌入式系统的通用软测量软件包(SSSP,Soft Sensor Software Package)与软测量仪表.该文的主要工作和创新包括以下内容:●针对具有多工况的复杂工业过程软测量建模问题,基于多模型建模思想和支持向量机在解决数据分类与回归问题的优点,提出一种基于模糊支持向量分类算法(F_SVC,Fuzzy Support Vector Classifier)和模糊支持向量回归算法(F_SVC,Fuzzy Support Vector Regression)相结合的多模型建模方法.其中F_SVC用于解决多模型方法中的模型切换问题,F_SVC用于建立多模型方法中的子模型.相对于其它多模型方法,该方法能够实现各子模型间的平滑切换,解决了多模型方法长期存在的模型切换的突变问题,另外还具有估计精度高、泛化能力强等优点.●将多模型方法用于解决复杂工业过程软测量建模问题具有许多优点,然而,它存在模型集优化问题,子工况的确定也具有很大不确定性.为解决多模型方法存在的这些问题,结合局部学习思想、支持向量机学习理论和数据库搜索技术,提出一种基于加权支持向量机(W_SVMs,Weighted Support Vector Machines)的移动建模方法(DM,Drifting Modeling),其中W_SVMs用于建立DM中的局部模型.●针对求解支持向量机会消耗大量的系统时间和占用大量系统的内存的缺点,提出了两种针对加权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.●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,为进一步将作者研究的理论算法付诸于实践奠定了基础.●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).