基于集成多支持向量回归融合的上浆率在线软测量方法.pdfVIP

基于集成多支持向量回归融合的上浆率在线软测量方法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 35卷 第 1期 纺 织 学 报 VO1.35.NO.1 2014年 1月 JournalofTextileResearch Jan..2014 文章编号 :0253,9721(2014)01—0062—05 基于集成 多支持 向量 回归融合的 上浆率在线软测量方法 田慧欣 ,贾玉凤 (1.天津工业大学 电气工程与自动化学院,天津 300387;2.天津工业大学 电工电能新技术天津市重点 实验室 ,天津 300387;3.天津三星通信技术研究有限公司 ,天津 300381) 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 。 关键词 上浆率 ;浆纱过程 ;软测量 ;Bagging;支持 向量 回归机 中图分类号 :TS105.12 文献标志码 :A Onlinesoftmeasurementofsizingpercentagebasedon intergrated multipleSVR fusionbyBagging TIAN Huixin ,JIA Yufeng (1.SchoolofElectricalEngineeringAutomation,TianfinPolytechnicUniversity,Tianjin 300387,China; 2.KeyLaboratoryofAdvancedElectricalEngineeringandEnergyTechnology,TianjinPolytechnicUniversity, Tianjin 300387,China;3.SamsungTianfinMobileDevelopmentCenter.Tianfin 300381,China) Abstract Nowadays,real—timeonlinedetectonofthesizingpercentagecannotberealizedyet,which directly influencethequalityassuranceofyarnproducts.Therefore,anew modelingmethod isproposed forreal—timeonlinesoft measurementofsizing percentage based on multiple SVR fusion by Bagging. Firstly,themain factorsthatinfluencesizing percentageareobtained byanalyzingthesizing process. Then thebasicSVR softsensormodelsarebuiltbydifferentkernelfunctions,differentlossfunctionsand differentparameters. Finally, the different basic SVR models are integrated by Bagging SO tha

文档评论(0)

6f4f6f4d2 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档