支持向量机在模型预测密炼机主要性能参数中的应用.pdfVIP

支持向量机在模型预测密炼机主要性能参数中的应用 韩善亮．等 支持向量机在模型预测密炼机主要性能参数中的应用 ApplicationofSupportVectorMachineinForecastingMainPerformanceParametersof BanburyMixer 韩善亮 陈乐庚 (桂林电子科技大学计算机与控制学院 广西桂林 541004) [摘要] 支持向量机(SVM)是近年来发展起来的一种基于统计学习理论，采用结构风险最小化的新型 学习机器。在单台机模型的基础上，将支持向量机非线性回归应用到橡胶混炼生产建模中，支持向量机模 型是有效的。仿真结果显示，与BP网络模型相比，新模型具有更好的准确性，可有效的用于混炼质量指标 的在线预测。 [关键字] 支持向量机；橡胶混炼；BP网络；非线性回归 [中图分类号] TP202 [文献标志码] A 混炼是一系列橡胶作业的第一步，它决定着后 (咖())：是输人向量 X在特征空间诱导出的 面诸工序 的功效，对产品性能具有相当大的影响。 象，{ ())?：表示把特征空间链接到输 出空间的线 目前国内外大多数企业都是在混炼结束后，将混炼 性权值的集合，b是偏置。根据结构最小化原则，Y应 胶送到实验室或快检站检测其质量指标，而制得的 该使得R(W)最小，即如下优化问题 ： 混炼胶一般要等待 12～24h才能进入下一步工序。 minR()=C∑L(d，Yi)+专P (2) 这样，除了耗费人力物力外，还要 占用大量的资本。 因此，实时测量混炼胶的质量是轮胎厂十分关心的 其 = 问题。 支持向量机 ¨ (SVM)是一种基于结构风险最 L(d，Y)是 不敏感损失函数，为了使上述 问 小化的学习方法，它具有很多优 良的特性，例如利用 题确定有解，引入松弛变量因子， ≥0， i0将上 述优化问题转化为下式： 核技术避免了解的局部最小、具有解 的稀疏型、通过 界限的作用达到容量控制或支持向量数 目的控制 minR()=1lWI+C∑ (+ ) (3) 等。将支持向量机应用到橡胶混炼建模 中，建立混 ry一 *Xi一6≤ + 炼建模过程优化控制，进而对提高橡胶质量和产量 约束条件为{W +6一Y≤ + i=1，2,3，…n； 具有重要的意义。 }《，≥0 1 非线性回归的支持向量机 C是误差惩罚系数。采用对偶理论求解式 (3)， 即为求解最大化 目标函数。 设有 lq个样本 (X。，Y)，(X，Y)，(X。，Y)，…， (X，Y)，其中， ，ylE ，i=1，2…，n，而 m为输入 maxW(a，0)=一 ∑Yia一0)一 空间维数，支持向量机用于非线性 回归的基本思想 通过非线性映射 将输入 x映射到高维特征空间， ÷∑ (aj一aj)K(xj，yj) (4) 然后在此空问中进行线性 回归，从而将原始空问的 非线性函数估计问题转化为高维空间中的线性函数 约束条件为：∑ (口。一0)=0，0≥0，口≤C， 估计问题。SVM 回归函数 可以用下式表示 ： i=1，2…n； n