核学习方法在化工过程辨识中的应用

发布时间：2021-03-14 11:04

　　对复杂的化工过程进行过程仿真、优化及控制是研究化工过程的重要处理手段,良好控制的前提是对化工过程进行精准的建模。化工过程往往是强非线性、机理复杂、影响因素多,很难通过过程机理分析来建立模型,因此,基于神经网络、模糊神经网络及核学习方法等计算智能方法在非线性动态辨识领域的发展及其迅速。基于统计学习理论的核学习方法是一种新型的机器学习方法,针对典型的化工过程,提出基于核偏最小二乘（Kernel Partitial Least Square,KPLS）及核递推最小二乘（Kernel Rrecruit Least Square,KRLS）的核学习建模方法。将两种核学习方法分别应用到pH酸碱中和过程及连续搅拌反应釜（Continous Stirred Tank Reactor,CSTR）过程实例中,为验证其有效性,在同等条件下,还与现有方法进行比较,实验结果表明,KPLS与KRLS方法均具有很高的动态建模精度,且KRLS方法的建模效果最好。论文的主要研究如下:（1）在模式识别和机器学习领域里,核学习方法是研究热点。pH中和过程又分为弱酸强碱中和过程、强酸强碱中和过程及具有缓冲流的双输出中和过程。... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

核学习方法框架示意图

pH酸碱中和过程的反应结构

图2.5双输出pH中和过程反应装置

【参考文献】：
期刊论文
[1]基于核学习方法的短时交通流量预测[J]. 王秋莉,李军.  计算机应用研究. 2019(03)
[2]KPCA-bagging集成神经网络软测量建模方法[J]. 夏陆岳,王海宁,朱鹏飞,潘海天.  信息与控制. 2015(05)
[3]非均匀多采样率非线性系统的模糊辨识[J]. 王宏伟,夏浩.  控制与决策. 2015(09)
[4]基于PLS特征提取和LS-SVM结合的NOx排放特性建模[J]. 吕游,刘吉臻,杨婷婷,孙伟毅.  仪器仪表学报. 2013(11)
[5]时变过程在线辨识的即时递推核学习方法研究[J]. 刘毅,金福江,高增梁.  自动化学报. 2013(05)
[6]基于参数调整的动态模糊神经网络算法[J]. 张德丰,周灵,孙亚民,马子龙.  计算机工程. 2010(06)
[7]一种数据驱动的Ⅱ型T-S模糊建模方法[J]. 廖倩芳,李柠,李少远.  智能系统学报. 2009(04)
[8]基于改进动态递归神经网络的发酵过程pH值辩识[J]. 王章利,谭永红.  控制工程. 2009(S2)
[9]基于最小二乘支持向量机的预测控制[J]. 李海生,钟震宇,张严林.  计算技术与自动化. 2009(01)
[10]基于小波核偏最小二乘回归方法的混沌系统建模研究[J]. 李军,董海鹰.  物理学报. 2008(08)

博士论文
[1]一类连续化工生产过程的模型辨识及非线性预测控制研究[D]. 张健中.哈尔滨工业大学 2010

硕士论文
[1]ELM在化工过程辨识与控制中的应用研究[D]. 石青.兰州交通大学 2016
[2]基于KRLS的在线时间序列预测方法及其应用研究[D]. 义日贵.哈尔滨工业大学 2014
[3]ESN在化工过程辨识与控制中的应用研究[D]. 李晓华.兰州交通大学 2014
[4]基于KPLS和鲁棒加权LSSVM的工业过程监控技术研究[D]. 蒋宏杰.华东理工大学 2012



本文编号：3082054