简述控制基于最小二乘支持向量机铝电解过程建模与制约生

论文导读：
摘要：铝电解历程是一个非线性、多变量、大滞后的复杂工业对象,且它的某些重要工艺参数难以在线实时检测；由此常见的PID制约、自适应制约等都难以取得理想的效果。最小二乘支持向量机是机器学习领域近年来涌现出的一种新颖的通用学习策略,它建立在结构风险最小化原则基础上,能较好地解决小样本、非线性、高维数和局部极小等实际不足,已成功地运用于分类、函数逼近和时间序列预测等方面。本论文先进行基于最小二乘支持向量机的建模与制约探讨,然后将部分探讨成果运用于铝电解历程的建模与制约,取得了满意的效果。本论文主要做了以下四项工作：(1)电解温度、氧化铝浓度和极距是铝电解历程中非常重要却又难于测量的三个参数,由此本论文提出一种基于最小二乘支持向量机和粒子群优化的PSO LS-SVM算法,建立这三个参数的软测量模型。该算法考虑最小二乘支持向量机的算法参数的选取不足,先定义预测误差的平方和的算术平均作为适应度函数,然后采取粒子群优化技术在可行域内不断迭代搜索,使适应值不断减小,最终得到最优的算法参数,以及对应的模型参数。仿真结果表明：PSO LS-SVM算法建立的软测量模型,无论是学习能力还是泛化能力,均好于神经网络模型,证明了该算法的有效性和优越性。(2)探讨了基于最小二乘支持向量机的预测制约。针对多入多出、约束非线性系统,提出上、下位机两级制约结构,推导了基于最小二乘支持向量机和混沌优化的单步预测制约算法：CHAOS MPC算法。该算法考虑制约量的约束,采取混沌优化技术在其可行域内遍历搜索,在线求解最优的预测制约律。仿真结果表明该算法的制约精度要高于基于神经网络的单步预测制约算法。类似的,针对多入多出、约束非线性、时滞系统,提出上、下位机两级制约结构,推导了基于最小二乘支持向量机和混沌优化的多步预测制约算法：CHAOS MPC_1算法,采取混沌优化技术在线求解最优的预测制约律。仿真结果表明该算法的制约精度要高于基于神经网络的多步预测制约算法。(3)探讨了基于最小二乘支持向量机的预测制约系统的稳定性不足,提出一种确保闭环系统稳定性的双模制约算法。首先在常规的预测制约性能指标后附加一个人为的终端约束,并利用Lyapunov策略推导了在该情况下确保闭环系统大范围渐进稳定的稳定性定理。然后据此提出一种确保全局稳定的基于最小二乘支持向量机的双模制约算法：先采取预测制约将状态驱动到终端约束集内,然后再切换到局部线性制约以减少在线计算量,使状态最终驱动到原点。仿真结果表明了该算法的有效性和优越性。(4)将部分探讨成果运用到“铝电解历程先进制约系统的设计与开发”横向课题中,取得了满意的效果。首先提出一种基于最小二乘支持向量机的氧化铝浓度制约,该策略采取PSO LS-SVM算法建立氧化铝浓度的预测模型,并采取CHAOS MPC算法实施可靠的氧化铝浓度预测制约。然后提出一种基于槽电阻滤波和专家经验的槽电阻制约。最后将最小二乘支持向量机、模糊制约和专家系统三者有机融合,提出一种基于最小二乘支持向量机的槽况剖析与维护专家系统。系统运转结果表明：采取上面陈述的策略,可比原来的策略提升电流效率2.1%,直流电耗减少338kW.h/t-Al,节能降耗效果显著。关键词：最小二乘支持向量机论文铝电解历程论文软测量论文粒子群优化论文预测制约论文双模制约论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要4-6
ABSTRACT6-12
第一章 绪论12-40

1.1 制约论述进展概述12-15

1.1 制约论述进展的三个阶段12-14

1.2 预测制约的基本原理14-15

1.2 统计学习论述15-22

1.2.1 用于分类的支持向量机15-19

1.2.2 用于回归的支持向量机19-20

1.2.3 最小二乘支持向量机20-22

1.3 基于最小二乘支持向量机的建模与制约探讨近况22-30

1.3.1 基于最小二乘支持向量机的建模探讨近况22-26

1.3.2 基于最小二乘支持向量机的制约探讨近况26-30

1.4 铝电解历程制约探讨近况30-37

1.4.1 铝冶金进展简史30-32

1.4.2 铝电解历程介绍32-33

1.4.3 主要技术指标和工艺参数33-35

1.4.4 铝电解历程制约探讨近况35-37

1.5 论文的结构安排37-40

第二章 基于最小二乘支持向量机的软测量模型40-59

2.1 引言40-41

2.2 基于粒子群优化的最小二乘支持向量机41-52

2.1 最小二乘支持向量机的参数选取不足41-43

2.2 粒子群优化算法43-44

2.3 基于粒子群优化的最小二乘支持向量机44-46

2.4 仿真探讨46-52

2.3 基于最小二乘支持向量机的铝电解参数软测量模型52-58

2.3.1 铝电解参数软测量模型探讨近况52

2.3.2 电解温度软测量模型52-54

2.3.3 氧化铝浓度软测量模型54-56

2.3.4 极距软测量模型56-58

2.4 本章小结58-59

第三章 基于最小二乘支持向量机的预测制约59-74

3.1 引言59-60

3.2 基于LS-SVM的MIMO系统单步预测制约60-67

3.

2.1 单步预测制约算法60-63

3.

2.2 仿真探讨63-67

3.3 基于LS-SVM的MIMO系统多步预测制约67-72

3.1 多步预测制约算法67-69

3.2 仿真探讨69-72

3.4 本章小结72-74

第四章 基于最小二乘支持向量机的双模制约74-85

4.1 引言74

4.2 稳定性浅析74-78

4.3 基于最小二乘支持向量机的双模制约78-81

4.

3.1 基于最小二乘支持向量机的局部线性模型78-80

4.

3.2 基于最小二乘支持向量机的双模制约80-81

4.4 仿真探讨81-84

4.5 本章小结84-85

第五章 最小二乘支持向量机在铝电解历程制约中的运用85-110
5.1 制约系统设计8论文导读：-1015.4.3系统详细设计101-1065.5系统运转结果106-1095.6本章小结109-110第六章结论与展望110-112参考文献112-123致谢123-124攻读学位期间主要的探讨成果124-125攻读学位期间发表的论文124攻读学位期间参加的科研工作124-125上一页12
5-88
5.

1.1 系统结构设计85-86

5.

1.2 系统功能设计86-88

5.2 氧化铝浓度制约88-95
5.

2.1 探讨近况88-89

5.

2.2 基准下料间隔时间89-90

5.

2.3 氧化铝浓度预测制约对策90-93

5.

2.4 仿真探讨93-95

5.3 槽电阻制约95-99
5.

3.1 正常槽电阻制约95-98

5.

3.2 非正常槽电阻制约98-99

5.4 铝电解槽专家系统99-106
5.

4.1 探讨近况99-100

5.

4.2 系统总体设计100-101

5.

4.3 系统详细设计101-106

5.5 系统运转结果106-109

5.6 本章小结109-110

第六章 结论与展望110-112
参考文献112-123
致谢123-124
攻读学位期间主要的探讨成果124-125
攻读学位期间发表的论文124
攻读学位期间参加的科研工作124-125