基于聚類分析和多模型的傳感器建模及其應(yīng)用研究.pdf

1、軟測量技術(shù)是根據(jù)某些最優(yōu)準(zhǔn)則,選擇一組在工業(yè)上容易檢測而且與主導(dǎo)變量有密切關(guān)系的輔助變量,通過構(gòu)造主導(dǎo)變量與輔助變量之間的數(shù)學(xué)關(guān)系建立軟測量模型。軟測量技術(shù)由于其顯著的優(yōu)點和建模方法的多樣化,受到了工業(yè)界越來越多的關(guān)注。神經(jīng)網(wǎng)絡(luò),支持向量機,由于它具有以任意精度逼近任何線性和非線性函數(shù)的能力,已被成功地應(yīng)用到石油、化工等方面的軟測量建模。但是由于實際生產(chǎn)過程往往存在著非線性、工況范圍廣等特點,采用單一模型往往無法滿足工藝精度要求。

2、>　　 通過將幾個模型相加來提高模型的預(yù)測精度和魯棒性以來,基于多模型的預(yù)測方法的研究方面已取得了長足的進展,并且在工業(yè)中得到了成功的應(yīng)用。針對單-模型難以全面描述木材含水率的復(fù)雜非線性問題,本文提出一種基于聚類分析和多模型的傳感器建模方法。首先對軟測量技術(shù)以及多模型理論進行了闡述,并對聚類分析算法、神經(jīng)網(wǎng)絡(luò)算法、支持向量機算法進行了Matlab仿真研究,為多模型的傳感器建模奠定了理論基礎(chǔ)。本文以帽兒山的柞木為研究對象。通過電阻法得到

3、等效電阻,并與稱重法得到的木材含水率值進行比較。建立木材含水率等效電阻與木材含水率的對應(yīng)數(shù)據(jù)關(guān)系。實驗在室溫20±2℃,相對濕度65±5％的環(huán)境下進行。對實驗數(shù)據(jù)的等效電阻和木材含水率進行建模。
　　 該方法中第一步采用模糊C均值聚類(FCM)算法,將訓(xùn)練集中的輸出樣本通過相似性準(zhǔn)則進行分類,然后將輸入樣本與分類后的輸出樣本——對應(yīng),并選擇每一類輸入樣本的均值作為該類的中心向量;第二步采用BP或SVM方法對每一類樣本子集進行建模

4、,并根據(jù)模糊聚類后生成子集所含樣本個數(shù)的多少,分別按照SVM算法和BP網(wǎng)絡(luò)的不同適用特點進行選擇。
　　 根據(jù)聚類后各子集的樣本數(shù)來選擇不同的建模方法是依據(jù)建模經(jīng)驗得出的。在使用BP和SVM方法建模的過程中發(fā)現(xiàn),基于支持向量機的學(xué)習(xí)方法能夠較好地解決小樣本、非線性和高維數(shù)的問題,而當(dāng)有充足的訓(xùn)練樣本時,BP可以較好地描述復(fù)雜的非線性關(guān)系。根據(jù)子集所含樣本數(shù)的多少,分別采用BP或SVM算法進行建模。通過實驗仿真驗證基于多模型的木材