为了解决稀土萃取分离过程元素组分含量在线检测的难题, 提出了稀土萃取过程组分含量的一种最小二乘支持向量机(LS-SVM)软测量方法. 利用量子粒子群算法来优化LS-SVM的参数及核函数参数. 仿真结果表明, 所提出的软测量方法是有效的, 比已有的神经网络软测量方法能更好的实现稀土萃取过程中元素组分含量的在线估计.
参考文献
| [1] | 胡斌,殷俊.稀土元素分离检测技术新进展[J].中国稀土学报,2006(05):513-522. |
| [2] | 徐敏;俞金寿 .软测量技术[J].石油化工自动化,1998,2(01):1. |
| [3] | Gonzalez G D.Soft sensors for processing plants[A].,1999:59. |
| [4] | 杨辉,张肃宇,李健,柴天佑.应用软测量技术实现稀土萃取分离过程的优化控制[J].吉林大学学报(工学版),2004(03):427-432. |
| [5] | 杨辉,谭明皓,柴天佑.基于神经网络的多元稀土萃取组分含量的软测量[J].中国稀土学报,2003(04):425-430. |
| [6] | 许勇刚,杨辉.基于RBF网络的稀土萃取过程组分含量软测量[J].稀土,2007(05):19-22. |
| [7] | 杨辉 .稀土萃取分离过程成分软测量方法及其应用研究[D].东北大学,2004. |
| [8] | 杨辉,柴天佑.稀土萃取分离过程的优化设定控制[J].控制与决策,2005(04):398-402,407. |
| [9] | Vladimir N Vapnik;张学工.统计学习理论的本质[M].北京:清华大学出版社,2000 |
| [10] | Cortes C;Vapnik V .Support vector machine[J].Machine Learning,1995,20:273. |
| [11] | Suykens J A K;Vandewalle J .Least squares support vector machine classifiers[J].Neural Processing Letters,1999,9(03):293. |
| [12] | Suykens J A K;Van Gestel T;De Brabanter J.Least squares support vector machines[M].Singapore:World Scientific Publishing Co.Ptc.Ltd,2002 |
| [13] | Sun J;Xu W B.A Global Search Strategy of Quantum-behaved Particle Swarm Optimization[A].新加坡,2004:111. |
| [14] | Sun J;Feng B;Xu W B.Particle Swarm Optimization with Particles Having Quantum Behavior[A].United States of America,2004:325. |
| [15] | Chapelle O;Vapnik V;Bousquet O;Mukherjee S .Choosing multiple parameters for support vector machines[J].Machine Learning,2002,46(01):131. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%