基于聚類(lèi)分析和多模型的傳感器建模及其應(yīng)用研究.pdf

1、軟測(cè)量技術(shù)是根據(jù)某些最優(yōu)準(zhǔn)則,選擇一組在工業(yè)上容易檢測(cè)而且與主導(dǎo)變量有密切關(guān)系的輔助變量,通過(guò)構(gòu)造主導(dǎo)變量與輔助變量之間的數(shù)學(xué)關(guān)系建立軟測(cè)量模型。軟測(cè)量技術(shù)由于其顯著的優(yōu)點(diǎn)和建模方法的多樣化,受到了工業(yè)界越來(lái)越多的關(guān)注。神經(jīng)網(wǎng)絡(luò),支持向量機(jī),由于它具有以任意精度逼近任何線性和非線性函數(shù)的能力,已被成功地應(yīng)用到石油、化工等方面的軟測(cè)量建模。但是由于實(shí)際生產(chǎn)過(guò)程往往存在著非線性、工況范圍廣等特點(diǎn),采用單一模型往往無(wú)法滿足工藝精度要求。

2、>　　 通過(guò)將幾個(gè)模型相加來(lái)提高模型的預(yù)測(cè)精度和魯棒性以來(lái),基于多模型的預(yù)測(cè)方法的研究方面已取得了長(zhǎng)足的進(jìn)展,并且在工業(yè)中得到了成功的應(yīng)用。針對(duì)單-模型難以全面描述木材含水率的復(fù)雜非線性問(wèn)題,本文提出一種基于聚類(lèi)分析和多模型的傳感器建模方法。首先對(duì)軟測(cè)量技術(shù)以及多模型理論進(jìn)行了闡述,并對(duì)聚類(lèi)分析算法、神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)算法進(jìn)行了Matlab仿真研究,為多模型的傳感器建模奠定了理論基礎(chǔ)。本文以帽兒山的柞木為研究對(duì)象。通過(guò)電阻法得到

3、等效電阻,并與稱(chēng)重法得到的木材含水率值進(jìn)行比較。建立木材含水率等效電阻與木材含水率的對(duì)應(yīng)數(shù)據(jù)關(guān)系。實(shí)驗(yàn)在室溫20±2℃,相對(duì)濕度65±5％的環(huán)境下進(jìn)行。對(duì)實(shí)驗(yàn)數(shù)據(jù)的等效電阻和木材含水率進(jìn)行建模。
　　 該方法中第一步采用模糊C均值聚類(lèi)(FCM)算法,將訓(xùn)練集中的輸出樣本通過(guò)相似性準(zhǔn)則進(jìn)行分類(lèi),然后將輸入樣本與分類(lèi)后的輸出樣本——對(duì)應(yīng),并選擇每一類(lèi)輸入樣本的均值作為該類(lèi)的中心向量;第二步采用BP或SVM方法對(duì)每一類(lèi)樣本子集進(jìn)行建模

4、,并根據(jù)模糊聚類(lèi)后生成子集所含樣本個(gè)數(shù)的多少,分別按照SVM算法和BP網(wǎng)絡(luò)的不同適用特點(diǎn)進(jìn)行選擇。
　　 根據(jù)聚類(lèi)后各子集的樣本數(shù)來(lái)選擇不同的建模方法是依據(jù)建模經(jīng)驗(yàn)得出的。在使用BP和SVM方法建模的過(guò)程中發(fā)現(xiàn),基于支持向量機(jī)的學(xué)習(xí)方法能夠較好地解決小樣本、非線性和高維數(shù)的問(wèn)題,而當(dāng)有充足的訓(xùn)練樣本時(shí),BP可以較好地描述復(fù)雜的非線性關(guān)系。根據(jù)子集所含樣本數(shù)的多少,分別采用BP或SVM算法進(jìn)行建模。通過(guò)實(shí)驗(yàn)仿真驗(yàn)證基于多模型的木材