基于LSSVM 与木材干燥在线建模研究[J].docVIP

基于LSSVM的木材干燥在线建模研究 孙丽萍，范　宇，张冬妍，曹　军 （东北林业大学机电工程学院　哈尔滨　150040） 摘　要：介绍了最小二乘支持向量机(LSSVM)回归原理，针对木材干燥系统的强耦合、强非线性等特点，提出以LSSVM方法建立木材干燥系统在线模型。模型以干燥实验获取的减速干燥阶段数据为样本，根据实际预测控制需要，建立木材干燥系统的在线预测模型，并进行在线预测。仿真结果表明，基于LSSVM的木材干燥在线模型能够实时反映系统当前状态，在线更新训练样本，滚动优化模型结构并预测系统下一步输出，模型结构简单，泛化能力强，预测精度高，能够满足实际干燥控制的需要。 关键词：在线建模；最小二乘支持向量机；木材干燥 中图分类号：TP181　　文献标识码：A　　国家标准学科分类代码：520.20 Online modeling for wood drying based on least squares support vector machine Sun Liping, Fan Yu, Zhang Dongyan, Cao Jun (Northeast Forestry University, Mechanism and Electric college, Harbin 150040, China) Abstract：This paper introduced principle of least squares support vector machine regression. An online wood drying model based on LSSVM was built for drying process with severe nonlinear and coupling. The sample data was acquired by the experiment of wood drying with a small drying kiln. All decelerating wood drying online predict was processed for simulation. Result of simulation experiment shows that the online model of wood drying has a high predict precision, strong extensive use and simple frame, which can reflect real time system state, online predicting and updating model frame. Online LSSVM wood drying model is feasible and effective for wood drying model predicting control system. Key words：online modeling; least squares support vector machine; wood drying 1　引　　言 木材干燥过程是影响木制品品质的关键环节之一。目前国内大多数木材干燥设备自动化程度较低，干燥质量取决于操作人员的经验[1]。尽管针对线性系统的经典控制方法已经很成熟，但是木材干燥系统具有强耦合，强非线性等特点，难以建立理想的数学模型，使得传统控制方法对干燥过程控制效果并不理想。因此，研究如何建立能反映木材干燥系统特性的模型，对提高木材干燥控制水平具有重要意义。 支持向量机是基于统计学习理论，针对小样本的机器学习方法[2]，同神经网络相似，具有拟合任意非线性函数的能力。SVM不存在局部极小以及过学习等问题，且具有更好的泛化性。在SVM基础上发展起来的最小二乘支持向量机（LSSVM），采用等式约束代替标准SVM的不等式约束，求解过程大大加快[3]。应用LSSVM建立木材干燥模型，能够较好的解决非线性系统建模的难题，为木材干燥智能控制的实现打下基础。 通常应用机器学习方法建模均为离线建模，即采集系统全部可观测的输入输出数据作为训练样本，将其批量或者全部加入模型进行训练。而在线建模要求在采集当前系统数据后，将其加入到训练样本，重新训练模型并在线预测下一步系统状态，以作为控制决策的参考。因此，在线建模方法对木材干燥预测控制的实现具有重要意义。本文利用LSSVM回归精度高、求解速度快的优点，建立木材干燥系统在线模型，仿真实验结果表明，木材干燥在线模型，能够根据系统当前状态准确预测下一步的输出，具有很好的性能。 2　最小二乘支持向量机 21　 最小二乘支持向量机的回归算法同SVM回归算法相似，二者主要的