基于CCA-LSSVM在线检测流化床平均粒径

摘要：

平均粒径是气固流化床聚合工艺的重要参数,传统的方法难以在线取样和检测.流化床声波信号易于采集,在线检测优势明显.本文基于小波包分析,从声波信号中导出与粒径相关的尺度和频率分量,构成能量模式,并以分类相关成分分析从中提取分类能力很强的特征,并排除复共线性,由此构建最小二乘支持向量机分类器用于粒径识别,其拟合和预测性能良好.应用于聚乙烯流化床实例,效果令人满意,其中半对半策略效率更高,值得推荐.

关键词：平均粒径、声波信号、多尺度分析、能量模式、分类相关成分分析、最小二乘支持向量机

所属期刊栏目：24

分类号：TP274+.5(自动化技术及设备)

资助基金：国家自然科学基金20490200

在线出版日期：2008-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：266-268