基于网格聚类LS-SVM 的铝电解生产过程极距软测量
DOI:
CSTR:
作者:
作者单位:

1. 中南大学
2.

作者简介:

郭俊

通讯作者:

中图分类号:

基金项目:


Soft-sensing of polar distance for aluminum electrolysis production
process based on grid-based clustering LS-SVM
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对铝电解生产过程的复杂性, 建立了基于网格共享近邻聚类(GNN) 最小二乘支持向量机(LS-SVM) 的
    铝电解生产过程极距软测量模型. 该模型采用GNN算法将训练集分成具有不同聚类中心的子集, 对各子集分别
    采用LS-SVM 进行训练并建立子模型, 同时通过参数转化实现模型对新数据样本的动态学习. 仿真结果表明, 基
    于GNN最小二乘方法建立的铝电解极距软测量模型具有精度高、泛化性能好等特点, 能够为铝电解生产过程操作
    优化提供实时准确的信息.

    Abstract:

    Aiming at the complexity of the aluminum electrolysis production process, a soft measurement model of polar
    distance is proposed based on grid-based shared nearest neighbor(GNN) clustering algorithm and least square support vector
    machine(LS-SVM). In this model, GNN is used to separate a whole training data set into several clusters with different
    centers, each subset is trained by LS-SVM and sub-models are developed to fit different hierarchical properties of the process.
    New sample data that represent new operation information are introduced in the model, so the model can be updated on-line.
    The simulation results show that the soft-sensing of polar distance based on GNN LS-SVM model can supply real-time and
    accurate information for the operating optimization in the aluminum electrolysis production process.

    参考文献
    相似文献
    引证文献
引用本文

郭俊 桂卫华.基于网格聚类LS-SVM 的铝电解生产过程极距软测量[J].控制与决策,2012,27(8):1261-1264

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-12-28
  • 最后修改日期:2011-03-07
  • 录用日期:
  • 在线发布日期: 2012-08-20
  • 出版日期:
文章二维码