文档介绍：聋多厶栉素大学学位论文■,。吣苏洪雨基于聚类分析和多模型的传感器建模及其应用研究论文提交日期:学科专业:论文答辩日期:学校代码:学号:指导教师姓名:申请学位级别:授予学位单位:张佳薇副教授硕士年东北林业大学控制理论与控制工程授予学位日期:答辩委员会主席:论文评阅人:
驛⋯琓甅甕;。:.,:
◆
摘要霄软测量技术是根据某些最优准则,选择一组在工业上容易检测而且与主导变量有密切关系的辅助变量,通过构造主导变量与辅助变量之间的数学关系建立软测量模型。软测量技术由于其显著的优点和建模方法的多样化,受到了工业界越来越多的关注。神经网络,支持向量机,由于它具有以任意精度逼近任何线性和非线性函数的能力,已被成功地应用到石油、化工等方面的软测量建模。但是由于实际生产过程往往存在着非线性、工况范围广等特点,采用单一模型往往无法满足工艺精度要求。通过将几个模型相加来提高模型的预测精度和鲁棒性以来,基于多模型的预测方法的研究方面已取得了长足的进展,并且在工业中得到了成功的应用。针对单一模型难以全面描述木材含水率的复杂非线性问题,本文提出一种基于聚类分析和多模型的传感器建模方法。首先对软测量技术以及多模型理论进行了阐述,并对聚类分析算法、神经网络算法、支持向量机算法进行了仿真研究,为多模型的传感器建模奠定了理论基础。本文以帽儿山的柞木为研究对象。通过电阻法得到等效电阻,并与称重法得到的木材含水率值进行比较。建立木材含水率等效电阻与木材含水率的对应数据关系。实验在室温±相对湿度±サ幕肪诚陆小6允笛槭莸牡刃У缱韬湍静暮式薪!该方法中第一步采用模糊稻劾算法,将训练集中的输出样本通过相似性准则进行分类,然后将输入样本与分类后的输出样本一一对应,并选择每一类输入样本的均值作为该类的中心向量;第二步采用或椒ǘ悦恳焕嘌咀蛹薪#⒏据模糊聚类后生成子集所含样本个数的多少,分别按照惴ê虰绲牟煌视锰点进行选择。根据聚类后各子集的样本数来选择不同的建模方法是依据建模经验得出的。在使用和椒ń5墓讨蟹⑾郑谥С窒蛄炕难胺椒芄唤虾玫亟饩鲂⊙尽⒎窍性和高维数的问题,而当有充足的训练样本时,可以较好地描述复杂的非线性关系。根据子集所含样本数的多少,分别采用或惴ń薪!Mü笛榉抡嫜橹せ诙模型的木材含水率传感器模型的测量精度高于单一模型。本文对于解决宽范围、小样本的工业过程,提高模型的泛化能力和精度有较好的推广价值和应用前景。关键词多模型:模糊劾啵籅窬纾恢С窒蛄炕
,
;—琲甋甆,,琣吐.;瑂,.,珺籪,●.
目录嗄P腿聿饬孔幽P徒!!!#.谌斯ぶ悄艿娜聿饬拷7椒ā多模型理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于粒子群算法的多模型加权软测量⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。摘要引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.软测量技术概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.橙聿饬拷7椒ā软测量技术国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。论文的主要内容及安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯嗄P偷拇ǜ衅鹘7椒ㄑ芯多模型建模方法的国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多模型建模方法⋯⋯⋯⋯,..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.ú呗缘亩嗄P头椒ā传感器建模方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...吣夂戏ń!.窬缃!本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯’.Ⅱ騛
~,