基于核方法的復雜工業(yè)過程建模研究.pdf

1、工業(yè)過程往往具有結(jié)構(gòu)復雜、非線性、時變、耦合、不確定性、信息量少的特點。隨著生產(chǎn)過程規(guī)模的進一步擴大和復雜程度的提高，透徹分析其過程機理并建立精確數(shù)學模型已經(jīng)變得越來越困難，利用可測量的生產(chǎn)數(shù)據(jù)建立其辨識模型已成為必然的選擇。自1995年Vapnik等人提出支持向量機算法以來，基于核的機器學習方法(簡稱核方法)取得了迅速的發(fā)展，目前已成為人工智能和機器學習領(lǐng)域的研究熱點之一，已經(jīng)在模式識別、系統(tǒng)辨識等許多領(lǐng)域中得到成功應(yīng)用，因此，本文以

2、一類具有非線性特性的復雜工業(yè)過程為背景開展研究工作，將核方法應(yīng)用于工業(yè)過程數(shù)據(jù)特征提取、建模和預報。 本文提出一種基于核方法和貪婪思想的主元提取模糊神經(jīng)網(wǎng)絡(luò)模型。采用核函數(shù)把輸入變量向高維特征空間映射來充分挖掘變量的隱藏信息，經(jīng)貪婪算法優(yōu)化選取主元，輸入自適應(yīng)神經(jīng)模糊推理系統(tǒng)后，網(wǎng)絡(luò)以規(guī)則的形式來反映數(shù)據(jù)間蘊含的關(guān)系，避免出現(xiàn)規(guī)則爆炸，為提高模糊神經(jīng)網(wǎng)絡(luò)建模精度提供一個有效的方法。此外，以統(tǒng)計回歸方法為基礎(chǔ)，建立一種基于核方法的

3、貝葉斯回歸模型。與傳統(tǒng)人工經(jīng)驗控制方法相比，回歸模型能消除隨機因素的影響，提高動態(tài)過程控制精度。在分別采用增量回歸及貝葉斯回歸模型對工業(yè)過程量建模，并進行比較后發(fā)現(xiàn)，基于核方法的貝葉斯模型在保證建模精度的情況下，還能自動對參數(shù)進行有效估計，避免人工干預的影響。 最后，以轉(zhuǎn)爐煉鋼工業(yè)過程為應(yīng)用實例，應(yīng)用基于核方法的貝葉斯回歸模型計算補吹氧量的結(jié)果，結(jié)合三階段梯形脫碳曲線理論建立碳指數(shù)模型，對熔池碳含量的實時變化及終點情況做出指導。