基于KPCA和LSSVM的氧化铝粉流量预测  

Prediction Model of Alumina Powder Flow Based on KPCA and LSSVM

作　　者：张洁[1,2] 胡羽[3,4] 

机构地区：[1]兰州理工大学数字制造技术与应用省部共建教育部重点实验室,甘肃兰州730050 [2]兰州理工大学机电工程学院,甘肃兰州730050 [3]兰州理工大学能源与动力工程学院,甘肃兰州730050 [4]兰州职业技术学院机电工程系,甘肃兰州730070

出　　处：《兰州文理学院学报（自然科学版）》2013年第6期38-41,45,共5页Journal of Lanzhou University of Arts and Science(Natural Sciences)

基　　金：国家自然科学基金项目(60964003)

摘　　要：针对氧化铝粉流量需在线精确测量,在线分析仪表成本较高和测量滞后的问题,提出了一种将核主元分析(KPCA)和最小二乘支持向量机(LSSVM)两种方法相结合的软测量混合建模方法,通过核主元分析(KPCA)提取数据非线性主元,并利用最小二乘支持向量机(LSSVM)建立氧化铝粉流量预测模型,预测结果表明该模型具有更好的非线性数据处理能力,运算速度快、跟踪性能好以及泛化能力强等优点,能满足氧化铝粉流量的在线测量要求.According to alumina powder flow to demand on-line measurement,the analysis of high cost and the measuring instrument lag,presents a kernel principal component analysis(KPCA)and least squares support vector machine(LSSVM)hybrid soft-sensing modeling method of combining two methods,the kernel principal component analysis(KPCA)extracted data nonlinear principal element, using the least square support vector machine(LSSVM)to construct prediction models of alumina powder flow,the predicted results show that models has abetter nonlinear data processing ability,faster operation speed,good tracking performance and strong generalization ability,and can meet the requirement of on-line measurement of alumina powder flow.

关 键 词：软测量 核主元分析 最小二乘支持向量机 氧化铝粉流量 

分 类 号：TP216[自动化与计算机技术—检测技术与自动化装置]