学位论文 > 优秀研究生学位论文题录展示

基于粒子蜂群算法优化的多支持向量机软测量建模方法研究

作　者: 李广宇
导　师: 凌玉华
学　校: 中南大学
专　业: 控制科学与工程
关键词: 软测量模糊聚类多支持向量机粒子蜂群算法晶粒度
分类号: TP274
类　型: 硕士论文
年　份: 2011年
下　载: 151次
引　用: 1次
阅　读: 论文下载

内容摘要

软测量技术是一种新型的智能检测技术,在工业过程测控系统中具有非常广阔的应用前景。在软测量技术体系中,软测量建模理论的研究是其中的热点之一,直接关系到软测量的成功与否。为了解决传统软测量建模方法中存在的适用范围小、精度低等问题,本文针对存在多种工况状态的软测量对象,研究了一种基于粒子蜂群算法优化的多支持向量机软测量建模方法,并成功建立了铝电磁铸轧过程中铝带坯晶粒度的软测量模型,从而验证了该方法的有效性。首先,介绍了软测量技术的基本原理,并进行了文献综述,分析了软测量建模理论的研究趋势,指出了软测量建模过程中所面临的主要问题。其次,针对样本数据的合理聚类问题,研究了一种基于减法聚类改进的模糊C-均值聚类算法,并在两组数据集上进行了仿真试验,试验结果证实了该算法具有稳定性高、计算量小等优点。随后,在介绍支持向量机回归建模基本理论的基础上,研究了一种基于模糊聚类的多支持向量机软测量建模方法,给出了其详细的建模流程及模型应用流程。然后,针对支持向量机的参数优化问题,提出了一种新型的粒子蜂群优化算法,将粒子群算法中的全局指导机制与人工蜂群算法的基本结构进行了有机融合。通过大量的仿真试验,证实了该优化算法具有收敛速度快、收敛率高等优点。最后,针对铝电磁铸轧过程中铝带坯晶粒度的检测难题,将软测量技术引入其中,建立了铝带坯晶粒度的多支持向量机软测量模型,并进行了仿真试验分析。试验结果表明,该模型较之传统单模型,具有更强的鲁棒性和更好的预测性能。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-20
  1.1 论文研究背景及意义  9-10
  1.2 软测量技术基本原理及建模方法综述  10-15
    1.2.1 软测量技术基本原理  10-12
    1.2.2 人工神经网络在软测量建模中的应用  12-13
    1.2.3 支持向量机在软测量建模中的应用  13-15
  1.3 软测量技术应用现状及所面临的主要问题  15-17
    1.3.1 软测量技术应用现状  15-16
    1.3.2 软测量技术所面临的主要问题  16-17
  1.4 铝带坯晶粒度软测量建模的研究现状  17-18
  1.5 论文主要研究内容与章节安排  18-20
第二章基于聚类的多支持向量机软测量建模方法研究  20-42
  2.1 数据预处理技术  20-23
    2.1.1 误差处理  20-22
    2.1.2 数据变换  22-23
  2.2 基于减法聚类改进的模糊C-均值聚类算法研究  23-32
    2.2.1 模糊C-均值聚类算法  23-25
    2.2.2 基于减法聚类改进的模糊C-均值聚类算法  25-27
    2.2.3 算法仿真研究及结果分析  27-32
  2.3 多支持向量机软测量建模方法研究  32-41
    2.3.1 支持向量机回归基本原理  32-37
    2.3.2 多模型软测量建模基本方法分析  37-40
    2.3.3 基于模糊聚类的多支持向量机软测量建模  40-41
  2.4 本章小结  41-42
第三章粒子蜂群算法研究及其在支持向量机参数优化中的应用  42-61
  3.1 智能优化算法概述  42-44
    3.1.1 进化优化算法  42-43
    3.1.2 群智能优化算法  43-44
  3.2 粒子群算法与人工蜂群算法  44-52
    3.2.1 粒子群算法基本原理  44-47
    3.2.2 人工蜂群算法基本原理  47-52
  3.3 一种新型的粒子蜂群算法及其性能测试  52-60
    3.3.1 粒子蜂群算法基本原理  53-54
    3.3.2 算法性能测试及结果分析  54-60
  3.4 粒子蜂群算法在支持向量机参数优化中的应用  60
  3.5 本章小结  60-61
第四章铝带坯晶粒度多支持向量机软测量建模及仿真研究  61-71
  4.1 铝电磁铸轧工艺概述及影响带坯晶粒度的因素  61-63
    4.1.1 铝电磁铸轧工艺概述  61-63
    4.1.2 影响铝带坯晶粒度的因素  63
  4.2 铝带坯晶粒度多支持向量机软测量建模  63-64
  4.3 模型仿真研究及结果分析  64-70
  4.4 本章小结  70-71
第五章总结与展望  71-73
  5.1 总结  71-72
  5.2 展望  72-73
参考文献  73-78
致谢  78-79
攻读硕士学位期间主要的研究成果  79

基于粒子蜂群算法优化的多支持向量机软测量建模方法研究

内容摘要

全文目录

相似论文