基于KFCM和AMDE-LSSVM的软测量建模方法

摘要：

针对软测量建模过程中模型存在失效问题,提出了一种基于KFCM和AMDE-LSSVM多模型的软测量建模方法;首先,采用核模糊C均值聚类(Kernel based fuzzy c-means algorithm,KFCM)对训练样本数据进行划分,然后利用最小二乘支持向量机(least squares vector machina,LS-SVM)对每个聚类建立子模型,并使用自适应变异差分进化算法(Adaptive Mutation different evolution,AMDE)对最小二乘向量机中的径向基宽度和惩罚系数进行寻优;将提出的算法用于秸秆发酵关键参数乙醇浓度、基质浓度(总糖浓度)、菌体浓度检测中,通过软测量建模得到的预测值与离线化验值进行对比,证明方法的有效性;实验结果表明,改进后的算法克服了差分进化算法中容易陷入局部最优,早熟收敛的现象;建立的新模型相比单一模型,乙醇浓度、基质浓度(总糖浓度)、菌体浓度测量误差分别为0.64％,1.85％和0.75％,具有更好地适应秸秆发酵过程、提高测量精度的优势.

关键词：自适应变异差分进化算法、核模糊C均值聚类、最小二乘向量机、秸秆发酵

所属期刊栏目：26

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：46-50,92