基于集成多支持向量回归融合的上浆率在线软测量方法

被引:4
作者
田慧欣 [1 ,2 ]
贾玉凤 [3 ]
机构
[1] 天津工业大学电气工程与自动化学院
[2] 天津工业大学电工电能新技术天津市重点实验室
[3] 天津三星通信技术研究有限公司
关键词
上浆率; 浆纱过程; 软测量; Bagging; 支持向量回归机;
D O I
10.13475/j.fzxb.2014.01.017
中图分类号
TS105.213 [];
学科分类号
摘要
现有浆纱过程上浆率的检测无法实现实时在线测量,直接影响纱线产品质量的保障。为此,提出一种新的基于Bagging多SVR融合的建模方法,建立上浆率在线软测量模型。首先对浆纱过程进行分析,确定影响上浆率的主要因素。将这些主要因素作为模型的输入,用不同的核函数、损失函数和参数建立基本SVR模型。使用Bagging将多个SVR模型进行融合,使其优势互补,得到最终的上浆率在线软测量模型。使用实际生产数据对模型进行检验,并将其与传统软测量方法进行比较。结果表明基于Bagging多SVR融合的上浆率在线软测量模型的性能优于传统软测量模型,并具有较高的测量精度,完全能够满足实际生产的需要。
引用
收藏
页码:62 / 66
页数:5
相关论文
共 9 条
[1]   基于粒子群优化的支持向量机的软测量应用 [J].
林云芳 ;
杨耀权 ;
王守会 .
仪器仪表与分析监测, 2012, (03) :19-22
[2]   支持向量回归参数调节及应用研究 [J].
王至超 ;
张化祥 .
计算机工程与设计, 2011, 32 (08) :2821-2824
[3]   预湿上浆工艺浆纱上浆率的预测 [J].
赵其明 ;
陆华程 .
纺织学报, 2008, (10) :39-42
[4]   预湿浆纱浆液浓度的在线检测及控制 [J].
崔江红 ;
张永军 .
中原工学院学报, 2008, (03) :58-60+68
[5]   国内外新型浆纱机的性能剖析 [J].
萧汉滨 .
棉纺织技术, 2005, (04) :26-31
[6]  
上浆率在线检测系统的研制[D]. 郭子山.东华大学. 2007
[7]   Trimmed bagging [J].
Croux, Christophe ;
Joossens, Kfistel ;
Lemmens, Aurelie .
COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2007, 52 (01) :362-368
[8]   Boosting Methods for Regression [J].
Nigel Duffy ;
David Helmbold .
Machine Learning, 2002, 47 :153-200
[9]   Bagging predictors [J].
Breiman, L .
MACHINE LEARNING, 1996, 24 (02) :123-140