基于 PSO 优化 LS-SVM 的木材含水率软测量建模

摘要：

木材含水率是木材干燥过程中重要的技术指标。针对木材干燥过程具有强耦合、大滞后、非线性的特点以及木材含水率检测存在的问题，提出一种软测量方法。利用最小二乘支持向量机（LS-SVM）对非线性系统时间序列数据进行学习，建立被控对象的软测量模型，同时通过粒子群优化（PSO）算法对 LS-SVM 的惩罚因子和核函数参数进行滚动优化，提高软测量模型的预测精度。将木材干燥窑内的温度、湿度以及木材含水率作为样本数据，通过 PSO 优化的 LS-SVM 方法建立木材含水率的软测量模型，进而利用该模型实现对目标检测点木材含水率的软测量。仿真结果表明，PSO-LSSVM 软测量模型预测精度高，泛化能力强，满足木材干燥控制系统的实际测量要求。

关键词：支持向量机、最小二乘法、粒子群优化、软测量、建模

分类号：TM732(输配电工程、电力网及电力系统)

资助基金：国家林业公益性行业科研专项资助项目201304502。Supported by the Forestry Industry Research Special Funds for PublicWelfare Project201304502．

在线出版日期：2016-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：48-54