基于支持向量機(jī)的木材干燥建模研究.pdf

1、目前，地球森林資源的不斷減少與人們對木材持續(xù)增長的喜愛與需求構(gòu)成了一對難以調(diào)和的矛盾。木材干燥是改變木材的物理力學(xué)性能，保證木制品品質(zhì)的關(guān)鍵環(huán)節(jié)之一。然而目前我國大多數(shù)木材干燥設(shè)備存在自動(dòng)控制水平低，可靠性差等不足，導(dǎo)致干燥能耗升高，木材降等損失嚴(yán)重等問題。設(shè)計(jì)木材干燥自動(dòng)控制系統(tǒng)首先要考慮的就是建立木材干燥系統(tǒng)模型。針對木材干燥過程的強(qiáng)非線性、強(qiáng)耦合、大滯后等特點(diǎn)，建立木材干燥機(jī)理模型往往由于帶有過多約束條件，導(dǎo)致模型過于復(fù)雜而難以實(shí)

2、際應(yīng)用?；跀?shù)據(jù)的機(jī)器學(xué)習(xí)方法屬于實(shí)驗(yàn)建模方法，只需要對系統(tǒng)可觀測的輸入輸出數(shù)據(jù)進(jìn)行學(xué)習(xí)，即可建立能反映木材干燥系統(tǒng)宏觀特性的模型。此類方法的出現(xiàn)，很好的解決了非線性系統(tǒng)建模的難題。
　　支持向量機(jī)是Vapnik及其合作者于上世紀(jì)九十年代初提出的，其理論基礎(chǔ)是統(tǒng)計(jì)學(xué)習(xí)理論。支持向量機(jī)是一種專門針對小樣本的學(xué)習(xí)機(jī)器，由于以結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則為基礎(chǔ)，克服了神經(jīng)網(wǎng)絡(luò)中的過學(xué)習(xí)等缺點(diǎn)，具有很強(qiáng)的泛化能力。本文針對木材干燥系統(tǒng)強(qiáng)非線性的特點(diǎn)

3、，采用基于支持向量機(jī)的機(jī)器學(xué)習(xí)方法建立木材干燥模型。以實(shí)際干燥實(shí)驗(yàn)過程得到的系統(tǒng)數(shù)據(jù)作為樣本集，分別進(jìn)行支持向量機(jī)及最小二乘支持向量機(jī)的建模與仿真實(shí)驗(yàn)研究，結(jié)果表明基于支持向量機(jī)的木材干燥模型能夠很好的反映木材干燥過程特性的變化。同時(shí)本文分析了不同類型的核函數(shù)、不同參數(shù)優(yōu)化方法對木材干燥支持向量機(jī)模型性能的影響，以確定適用于木材干燥系統(tǒng)的核函數(shù)類型及參數(shù)優(yōu)化方法。
　　木材干燥過程具有一定的復(fù)雜性，離線建模方法往往不能很好的反映出

4、木材干燥過程的動(dòng)態(tài)特點(diǎn)。而在線建模方法由于能夠在線更新訓(xùn)練樣本及模型結(jié)構(gòu)，能夠?qū)崟r(shí)反映系統(tǒng)當(dāng)前狀態(tài)，具有很好的動(dòng)態(tài)特性，所以本文采用LSSVM方法進(jìn)行了木材干燥過程的在線建模研究。標(biāo)準(zhǔn)的在線建模方法采用時(shí)間窗形式更新模型樣本，即每加入一個(gè)新采集的樣本數(shù)據(jù)，同時(shí)刪除一個(gè)最早的歷史數(shù)據(jù)進(jìn)行木材干燥的在線建模。由于LSSVM不具有稀疏性，根據(jù)稀疏LSSVM理論，本文也提出了采用刪除支持向量系數(shù)最小的樣本方式在線更新模型樣本進(jìn)行在線建模。兩種在