学位论文 > 优秀研究生学位论文题录展示

基于LS_SVM建立发酵过程动态模型的研究及软件实现

作　者: 公彦杰
导　师: 高学金
学　校: 北京工业大学
专　业: 控制科学与工程
关键词: 在线建模最小二乘支持向量机动态时间弯曲距离粒子群交叉验证发酵过程建模软件
分类号: TQ920.1
类　型: 硕士论文
年　份: 2010年
下　载: 100次
引　用: 0次
阅　读: 论文下载

内容摘要

微生物发酵涉及到制药、食品等多个工业领域,与经济发展和人民生活密切相关。高成本和高能耗是微生物发酵生产的特征,为了提高发酵单位,降低生产成本,实现对微生物发酵过程的优化控制就成为了一个重要课题。由于微生物发酵过程是一类非常复杂的生化反应过程,人类尚未完全弄清楚它的机理。并且现有的在线生物传感器的测量精度难以保证,生物参数主要通过离线分析得到,这往往存在较大的滞后,无法及时反馈控制信息。所以,建立高精度的发酵过程产物预估模型,就成为优化控制需要研究的核心内容。本文针对发酵过程时变性、非线性、不可逆、多变量耦合等特点,通过对现有发酵过程建模方法的对比研究,提出了基于动态时间弯曲距离(DTW)的最小二乘支持向量机(LS_SVM)在线建立发酵过程局部模型的方法。主要有以下几个方面的研究成果:1、基于DTW的在线构造相似训练样本集的方法:该方法首先将当前批次滑动时间窗内数据作为查询序列,以DTW作为判断时间序列相似性的标准,从历史批次数据库中搜索与之相似度最高的数据区间,组成在线训练样本集。2、模型输入变量的选取方法以及超参数敏感度分析:通过仿真实验,分析了不同输入变量以及核函数对模型均方误差(MSE)的影响,选择了适合发酵过程的RBF核函数,分析了模型精度对γ、σ2的敏感程度,确定了最优超参数的取值范围。3、基于粒子群交叉验证(PSO-CV)的在线超参数优化方法:通过对交叉验证确定模型超参数方法的分析,提出了以最小化K-CV均方误差为目标的PSO超参数优化算法,在保证模型精度的情况下,兼顾了模型的泛化能力,与网格搜索法相比,有更好的性能。4、在线建模软件的开发:利用VC++6.0开发了Windows系统下的发酵过程在线建模软件,实现了通过OPC方式读取组态软件中新采集到的数据,通过ADO方式读取数据库中历史批次的数据,对实际发酵过程建立基于DTW的LS_SVM在线局部模型,同时绘制模型预估输出以及主要可测变量的动态实时曲线,有助于实现发酵过程的优化控制。

全文目录

摘要  4-5
Abstract  5-7
目录  7-9
第1章绪论  9-17
  1.1 课题背景  9
  1.2 补料分批发酵过程概述  9-11
  1.3 影响补料分批发酵过程的主要因素  11-12
  1.4 补料分批发酵过程建模方法  12-15
    1.4.1 基于发酵动力学的机理建模方法  12-13
    1.4.2 基于发酵过程数据的黑箱建模方法  13-14
    1.4.3 基于机理、数据的混合建模方法  14-15
  1.5 论文的研究思路与内容安排  15
  1.6 本章小结  15-17
第2章在线最小二乘支持向量机建模方法研究  17-33
  2.1 机器学习理论  17
  2.2 统计学习理论与支持向量机  17-24
    2.2.1 支持向量机分类  18-21
    2.2.2 支持向量机回归  21-24
  2.3 最小二乘支持向量机  24-25
  2.4 最小二乘支持向量机的在线建模方法  25-29
    2.4.1 LS_SVM 剪枝算法  25-26
    2.4.2 LS_SVM 增量学习算法  26-27
    2.4.3 滑动窗LS_SVM 算法  27-28
    2.4.4 加权LS_SVM 算法  28-29
  2.5 现有建模方法的不足  29-32
  2.6 本章小结  32-33
第3章基于DTW 的LS_SVM 在线建模方法  33-45
  3.1 局部建模方法  33-34
  3.2 模型性能指标及输入变量的选取  34-35
  3.3 基于DTW 的时间序列相似性搜索算法  35-39
  3.4 基于DTW 的LS_SVM 在线局部建模方法  39-40
  3.5 仿真实验  40-43
  3.6 本章小结  43-45
第4章基于DTW 的LS_SVM 在线超参数优化  45-57
  4.1 核函数的选取及超参数敏感度分析  45-46
  4.2 评价超参数性能的交叉验证方法  46-47
  4.3 超参数在线优化方法  47-50
    4.3.1 网格搜索法  47-49
    4.3.2 粒子群优化算法  49-50
  4.4 基于DTW 的LS_SVM 在线模型的PSO-CV 超参数优化  50-53
  4.5 仿真实验  53-55
  4.6 本章小结  55-57
第5章在线建模方法的应用研究  57-65
  5.1 大肠杆菌发酵过程介绍  57-59
  5.2 输入变量的选取对模型性能的影响  59
  5.3 超参数敏感度分析  59-60
  5.4 DTW 算法构造在线训练样本集性能分析  60-61
  5.5 超参数寻优对在线局部模型性能的影响  61-64
  5.6 本章小节  64-65
第6章发酵过程在线建模软件实现  65-77
  6.1 软件主界面及动态曲线绘制  65-67
  6.2 实时数据OPC 通信模块实现  67-73
  6.3 历史数据存储的ADO 方式实现  73-74
  6.4 嵌入基于DTW 的LS_SVM 算法  74-76
  6.5 本章小节  76-77
总结与展望  77-79
  全文总结  77-78
  展望  78-79
参考文献  79-83
附录  83-89
  附录1  83-86
  附录2  86-89
攻读硕士学位期间所发表的学术论文  89-91
致谢  91

基于LS_SVM建立发酵过程动态模型的研究及软件实现

内容摘要

全文目录

相似论文