双酚A缩合反应过程的软测量研究.pdfVIP

2007 江苏省自动化学会学术年会论文集 双酚 A 缩合反应过程的软测量 王永吉，杨慧中2 (江南大学通信与控制工程学院，江苏 无锡214122) 摘要：本文采用支持向量机建立了双酚 A 缩合反应过程的软测量模型，对核函数采用了网格 搜索法，比较了有无主元分析时软测量模型的性能。仿真结果显示了该方法的有效性。 关键词：软测量；支持向量机双酚 A 0 引 言 软测量技术的思想是采用间接测量的思路，利用易于获取的其他测量信息，通过计算来 实现被检测量的估计。最显著的特点是能够通过建立被测变量与辅助变量的数学模型, 进而 计算出被测参数的值。因此, 建立软测量模型是软测量技术的最重要部分。 支持向量机的思想来源于最小化错误率的理论界限，是通过对学习过程的形式化分析得 到的。基于这一思想产生的支持向量机算法，不但具有良好的数学性质，如解的唯一性、不 依赖输入空间的维数等等，而且非常适用于处理小样本、非线性、多特征等问题，在众多的 领域取得了广泛应用。 本文以某公司双酚A质量指标系统项目为依托，研究双酚A缩合反应过程工艺特性，运用 软测量技术在线估计各反应釜质量指标，建立在线检测和成本分析系统。 1 支持向量机 上世纪 60 年代，Rosenblatt 提出第一个称作感知器的学习机器模型，标志着人们对学 习过程进行数学研究的真正开始。传统统计学是研究样本无穷大时的渐进理论。而实际问题 中样本数据往往是有限的，本来具有良好学习能力的学习机器可能表现出很差的泛化性能。 统计学习理论是一种专门研究小样本情况下机器学习规律的基本理论和数学构架，也是 小样本统计估计和预测学习的最佳理论。Vapnik等人从六、七十年代开始致力于此方面研究。 到上世纪九十年代中期，产生了基于统计学习理论体系的新的通用机器学习方法，即支持向 量机。Vapnik在 1995 年发表的著作 《统计学习理论的本质》，极大促进了统计学习理论的研 究[1] [2] 。支持向量机 就是通过某种事先选择的非线性映射，将输入向量映射到一个高维特征 空间，再构造最优分类超平面的实现过程[3] （Vapnik，1995）。其基本思想如图 1 所示。 图1 支持向量机原理 基金项目：国家自然科学基金：基于辅助模型的化工过程推理控制理论与方法的研究 江苏省高技术研究 (工业)：双酚 A 质量指标在线监测和成本分析系统（BG2006010） 作者简介：王永吉（1985—），女，江苏淮安人，研究生，工业过程控制与软测量。 杨慧中 （1955—），女，江苏无锡人，教授，博士生导师，复杂过程建模和优化控制。 290 2007 江苏省自动化学会学术年会论文集 2 改进的网格搜索法 网格搜索算法[4] （穷举法）是指分别选取不同的参数组合，从而得出不同的错误率；再 对错误率进行比较，将其中错误率最小的选择作为最优的参数组合。参数C 和γ分别取N 个 值和M 个值，对N ×M 个 (C，γ)的组合分别训练SVM ，再估计其推广错误率，从而在N ×M 个组合中得到错误率最低的作为最优参数。 虽然用这种方法最终能找出最优化参数，但是其复杂度为 O( N2 )，显然运算量大，花 费时间很长，特别对大样本数据来讲是不切实际的。 因而对上述的网格搜索法进行改进，在粗略的(C，γ)组合中通过训练和预测得到预测 误差最小的一组参数组合，然后在得到的参数组合周围用更小的步长再进行一次网格搜索， 得到更为精确的参数组合，以此类推，在一定的条件下，可以使用多次，以得到最优的参数 组合。 Vapnike 等人的研究表明了核参数 γ和误差惩罚因子 C 是影响 SVM 性能的关键因素。 通过实验可以知道：SVM 的性能随 C 的增加得到提高，但增加到一定值后，C 的变化就几乎 不影响 SVM 的推广能力了。同时随 γ的增大，拟合误差