支持向量机在产品成分估计中的应用研究.PDFVIP

支持向盘机在产品成分估计中的应用研究 李 烨，等 支持向量机在产品成分估计中的应用研究 ResearchonApplicationofSupportVectorMachineinProductComponentEstimation 李 烨 蔡云泽 许晓鸣 (上海交通大学自动化系，上海 200030) 摘 要:化工产品成分的在线分析对于实施有效的过程控制非常重要，但是传统的方法都存在明显的缺陷，软测量技术为解决这一 问题提供了新的途径。采用支持向量机对萃取精馏塔工艺过程中产品成分进行估计，给出了建模过程以及参数选取的原则与方法。 与神经网络和多元回归方法相比，支持向量机能更好地克服噪声数据对建模的影响，泛化性能好。支持向量机在软测量系统中的深 入发展应用，为化工过程的先进控制与优化运行提供了良好的基础。 关键词:产品成分估计 软测量 支持向量机 神经网络 中图分类号:TP274 文献标识码:A Abstract;Onlineanalysisofchemicalproductcomponentsisvitaltocarryouteffectiveprocesscontrol.However,thereareobviouslimitations intraditionalsolutionsrespectively.Soanewmethodologyforsolvingtheproblemwaspresentedbyusingsoftsensingtechnology.Theproduct componentinanextractiondistillationtowerwasevaluated场adoptingsupportvectormachine.Themodelingprocessaswellastheprinciple andthemethodofparametersselectionwerepresented.Incomparisonwithneuralnetworksandmultipleregression,theinfluenceofnoiseto modelingcanbeovercomebyusingsupportvectormachine,andithasgoodgeneralizationperformance.Thusasolidfoundationofadvanced processcontrolandoptimaloperationofchemicalprocesseshavebeenprovidedbyfurtherdevelopmentandapplicationofsupportvectorma- chineinsoftsensing. Keywords;Productcomponentestimation Softsensing Supportvectormachine Neuralnetwork 应用于软测量。但是神经网络也存在明显的不足[3] 0 引言 网络的结构需要事先确立或应用启发式算法在训练过 化工产品成分的在线分析对于及时实施过程控制 程中修正，难以保证网络结构的精简和最优，对于多层 非常重要，传统的解决方法如离线分析、间接质量控 网络则是一个复杂的组合问题;网络权系数的调整方 制、在线分析仪表等，都存在明显的缺陷’〔〕。软测量技 法存在局限性，表现在训练可能过早结束、权值衰退 术根据某种最优准则，选取易测过程辅助变量，通过构 等;容易陷入局部最小;模型的好坏过分依赖于学习数 造数学模型，对状态变量和输出变量进行估计，为解决 据的质量和数量等。 这一问题提供了新途径。软测量技术的核心是建立软 支持向量机较好地解决了神经网络建模过程中 测量模型，方法包括机理建模、状态估计、回归分析、模 遇到的问题。支持向量机的理论基础是Vapnik等学 式识别、模糊数学、神经网络、支持向量机(supportvec- 者提出的统计学习理论SLT(statisticallearning tormachine)和混合建模等[[21。本文将通过对比来研 theory)[03。根据结构风险最小化SR