基于最小二乘支持向量机的复合肥装置养分含量的软测量建模

被引:6
作者
刘瑞兰 [1 ]
骆中华 [2 ]
苏宏业 [3 ]
机构
[1] 南京邮电大学自动化学院
[2] 浙江长兴发电有限责任公司
[3] 浙江大学先进控制研究所工业控制技术国家重点实验室
关键词
支持向量机; 最小二乘支持向量机; 软测量; 养分含量;
D O I
暂无
中图分类号
TP274.4 [];
学科分类号
0804 ; 080401 ; 080402 ; 081002 ; 0835 ;
摘要
针对复合肥装置养分含量无法用常规的传感器在线测量的问题,提出了基于最小二乘支持向量机(LS-SVM)的软测量方法来在线估计养分含量。LS-SVM用等式约束代替传统的标准支持向量机中的不等式约束,求解过程从解二次规划问题变成解线性方程组,求解速度相对加快。工业实例表明LS-SVM所建模型的预测精度较高,能满足实际工业应用的需求。
引用
收藏
页码:51 / 54
页数:4
相关论文
共 1 条
[1]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300