基于SVM的臺車熱處理爐工件溫度模型

作者：魯艷偉

摘要：熱處理爐內(nèi)工件溫度及其分布是衡量工件加熱質(zhì)量以及實(shí)現(xiàn)爐子自動(dòng)控制的重要依據(jù)之一,合理的控制工件溫度可以提高工件加熱質(zhì)量,降低爐子燃料消耗.由于測試技術(shù)的限制,在實(shí)際生產(chǎn)過程中,工件溫度的檢測和跟蹤比較困難.如何精確及時(shí)測得工件溫度并且降低經(jīng)濟(jì)損耗,是實(shí)現(xiàn)自動(dòng)控制的前提,也是產(chǎn)品質(zhì)量的保證.為了準(zhǔn)確的獲得熱處理爐工件溫度,需要建立工件溫度的預(yù)測模型來實(shí)現(xiàn)對工件溫度的檢測和跟蹤.支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的基礎(chǔ)上提出的一種新的機(jī)器學(xué)習(xí)方法,它追求的是在有限樣本情況下的最優(yōu)解而不僅僅是樣本數(shù)趨于無窮大時(shí)的最優(yōu)解,比以經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法具有更強(qiáng)的理論依據(jù)和更好的泛化性能.最小二乘支持向量機(jī)(Least Squares Support Vector Machine,LSSVM)是普通支持向量機(jī)的改進(jìn)算法,它通過將最小二乘線性系統(tǒng)引入支持向量機(jī),代替?zhèn)鹘y(tǒng)的支持向量機(jī)采用二次規(guī)劃方法解決函數(shù)估計(jì)問題的做法,簡化了模型參數(shù),加快了運(yùn)算速度.本文以臺車式熱處理爐為研究對象,利用從現(xiàn)場采集的爐內(nèi)6個(gè)區(qū)溫度,爐頂溫度和工件的表面溫度來建立工件溫度模型.首先對LSSVM的核函數(shù)進(jìn)行選擇,分別用三類常見的核函數(shù)進(jìn)行回歸建模,通過仿真實(shí)驗(yàn)發(fā)現(xiàn),徑向基核函數(shù)比其他兩個(gè)核函數(shù)性能要好一些.然后將仿真結(jié)果與SVM的模型和BP的模型比較發(fā)現(xiàn),LSSVM的效果最好.但是和標(biāo)準(zhǔn)支持向量機(jī)相比,它失去了"稀疏性".LSSVM的稀疏化方法解決了這一難題.最后用該方法對工件的上下表面溫度進(jìn)行建模.通過仿真實(shí)驗(yàn)發(fā)現(xiàn),它可以在保證精度的前提下,減少訓(xùn)練樣本,減少訓(xùn)練時(shí)間,提高運(yùn)算速度.

關(guān)鍵詞：熱處理爐 支持向量機(jī) 稀疏化 工件溫度模型 自動(dòng)控制