铝电解槽参数的最小二乘支持向量机软测量模型  

Soft-sensing Models of Aluminum Reduction Cell′s Parameters Based on Least Squares Support Vector Machine

作　　者：阎纲[1,2] 梁昔明[1] 龙祖强[1] 龙文[1] 

机构地区：[1]中南大学信息科学与工程学院,长沙410083 [2]湖南财政经济学院信息管理系,长沙410205

出　　处：《小型微型计算机系统》2011年第12期2444-2448,共5页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(60874070;61074069)资助;高校博士点基金项目(20070533131)资助;教育部留学回国人员科研启动基金项目资助;湖南省研究生科研创新项目(CX2009B038)资助

摘　　要：电解温度、氧化铝浓度和极距是铝电解槽中十分重要却又难以在线测量的3个参数.针对这个问题,提出一种基于最小二乘支持向量机和粒子群优化的新方法,建立这3个参数的软测量模型.该方法考虑最小二乘支持向量机的算法参数的选取问题,先定义预测误差的平方和的算术平均作为适应度函数,然后采用粒子群优化技术在可行域内不断迭代搜索,使适应值不断减小,最终得到最优的算法参数,以及对应的模型参数.仿真结果表明:本文方法具有比神经网络方法更小的绝对误差和相对误差,证明了本文方法的有效性和优越性.Electrolytic temperature,alumina concentration and electrode distance are three very important but hard to measure on-line parameters of aluminum reduction cell.To this problem,a new method based on least squares support vector machine（LS-SVM） and particle swarm optimization（PSO） is presented to establish soft-sensing models of the three parameters.This method considers how to choose optimal LS-SVM algorithm parameters.First,it defines arithmetic mean of quadratic sum of predictive errors as fitness function.Then,it applies PSO technique to iterate and search in feasible regions so as to decrease fitness value.Finally,it returns optimal LS-SVM algorithm parameters,and corresponding model parameters.The simulation results show that this method has less absolute errors and relative errors than those of neural network method,so this method is proved to be effective and excellent.

关 键 词：铝电解槽 软测量 电解温度 氧化铝浓度 极距 最小二乘支持向量机 粒子群优化 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]