双支持向量回归在铝电解槽温软测量的应用

发布时间：2023-04-29 01:15

　　随着我国社会主义事业迅速发展,铝电解工业在国民经济中发挥着重要作用。在铝电解控制过程中,铝电解槽温起着控制中心的作用,是影响铝电解电流效率重要的参数变量之一。然而铝电解过程具有高温、强腐蚀性、非线性、时滞性等特点,导致铝电解槽温难以测量。因此有效地对铝电解槽温测量是铝电解稳定生产的重要控制目标。本论文采用软测量技术来对铝电解槽温测量。目前在铝电解槽温软测量建模方法中,支持向量回归算法是推广性最好的方法之一,唯一不足的是模型训练时间较长。本文在支持向量回归算法的基础上,引入双支持向量回归算法。双支持向量回归算法较支持向量回归算法优势明显,表现在时间复杂度低,泛化能力强。本论文主要工作以双支持向量回归算法为基础,对铝电解槽温软测量建模及校正,具体研究如下:1.改进双支持向量回归(Improved Twin Support Vector Regression,ITSVR)在铝电解槽温软测量的应用。双支持向量回归算法在最优化求解问题上只需求解两组较小的二次规划问题,模型训练时间仅为支持向量回归算法的四分之一。但双支持向量回归算法未采用结构风险最小化原则,为降低过拟合风险,在双支持向量回归算法中...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究的背景和意义
        1.1.1 铝电解工艺
        1.1.2 铝电解槽温的重要性
        1.1.3 铝电解槽温测量误差对过热度的影响
        1.1.4 课题研究意义
    1.2 国内外研究现状
        1.2.1 测温设备测量研究现状
        1.2.2 软测量在铝电解槽温测量的应用研究现状
        1.2.3 增量学习在软测量应用中的研究现状
    1.3 本文的主要工作
    1.4 本文组织结构
第2章 相关理论与技术
    2.1 软测量技术
        2.1.1 辅助变量的选择
        2.1.2 数据预处理
        2.1.3 软测量建模方法
        2.1.4 软测量模型的校正
    2.2 支持向量机
        2.2.1 VC维理论简介
        2.2.2 结构风险最小化原则
        2.2.3 支持向量回归算法
    2.3 主成分分析法
        2.3.1 主成分分析原理
        2.3.2 主成分分析法计算步骤
    2.4 本章小结
第3章 改进双支持向量回归在铝电解槽温软测量的应用
    3.1 双支持向量回归算法
    3.2 改进双支持向量回归算法
    3.3 复杂度分析
    3.4 基于ITSVR的铝电解槽温软测量建模过程
        3.4.1 铝电解槽温辅助变量的选取
        3.4.2 铝电解数据预处理
        3.4.3 软测量模型训练
    3.5 实验与结果分析
        3.5.1 ITSVR模型方法的有效性
        3.5.2 铝电解槽温软测量模型有效性
    3.6 本章小结
第4章 增量ITSVR在铝电解槽温软测量模型的应用
    4.1 支持向量回归增量学习
        4.1.1 基于分块法的增量学习算法
        4.1.2 基于KKT条件的增量学习算法
    4.2 基于ITSVR的增量学习算法
        4.2.1 ITSVR的 KKT条件
        4.2.2 ITSVR的样本划分
        4.2.3 边界域向量
        4.2.4 基于边界域向量的ITSVR的增量学习
    4.3 基于增量ITSVR的铝电解槽温软测量应用
    4.4 实验与结果分析
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3804862