第1期 向峥蝾，等：基于小波和LS-SVM的软测量建模方法 ·65 样木数据 1 小波分解 LS-SVM LS-SVM LS-SVM LS-SVM 软测量模型 软测量模型 软测量模型 软测量模型 小波重构 主导变量估计值 图1基于小波LS-SVM软测量模型 Fig.1 Soft-sensor based on wavelet and LS-SVM 模型估计的组分含量的精度及跟踪性能取得了较好 4仿真研究 的效果。 稀土串级萃取分离过程具有强非线性、时变、大 5 滞后等特点，元素的组分含量难以在线测量.根据某 结束语 稀土公司需求，要从含Y203>40%的离子型稀土矿 将小波分析和最小二乘支持向量机相结合，提 中分离提取高纯钇，].按照萃取生产过程工艺控 出了一种新的软测量建模方法，并将该方法应用于 制要求，选择萃取段某级作为工艺控制监测点检测 稀土串级萃取分离过程.与目前的软测量建模方法 水相中钇组分含量.监测点水相中钇组分含量样本 不同的是该文利用小波分析对采样数据进行分解， 通过现场取样送化验室分析化验获得，对应地从工 有效提取数据的非线性特征分量，然后再用LS 艺操作数据中收集有机溶剂流量V。、水相料液流量 SVM进行建模，仿真结果表明其可有效地提高LS Vp、水相洗涤液流量V和料液组分X。4个辅助变 SVM软测量模型的精度和泛化能力. 量的样本数据.从萃取生产过程采集150组输人/输 参考文献： 出数据作为样本，其中前100组数据用于组分含量 软测量模型训练样本，后50组数据用于组分含量 [1]徐敏，俞金寿.软测量技术[J].石油化工自动化， 软测量模型测试样本， 1998,2:1-3. 90 XU Min,YU Jinshou.Soft-sensing technique[J].Automa- 85 …+…样水值 tion in Petro-Chemical Industry,1998,2:1-3. 80 产软测量值 [2]GONZALEZ G D.Soft sensors for processing plants[C]// 75 Proceedings of the Second International Conference on Intel- 70 65 ligent Processing and Manufacturing of Materials.Honolulu, 60 Hawaii,USA,1999:5969. 55 [3]VAPNIK V N.The nature of statistical leaming theory 5065101520253035404550 [M].New York:Springer-Verlag,1995:123-180. 样本个数 [4]张莉，席裕庚.基于支持向量机的可分离非线性动态 系统辨识[J].自动化学报，2005,31(6)：965-969. 图2组分含量样本值和软测量值 Fig.2 Measurement value and true value of component ZHANG Li,XI Yugeng.Identification of separable variable nonlinear dynamical system based on SVMs[J].Acta Auto- content 对于训练样本数据，采用基于QPS0的LS-SVM matica Sinica,2005,31(6):965-969. [5]SUYKENS J A K.Nonlinear modeling and support vector 软测量建模方法建立了钇含量的软测量模型.组分 machines[C]//Proceedings of Technology of the 18th IEEE 含量样本测量值和软测量模型输出值比较曲线见图 Instrumentation and Measurement Conference.Budapest, 2.其中测试样本的均方根误差0g=1.7858,最大 Hungary,2001,1:287-294. 绝对误差0ma=3.17.图2表明用所提出的软测量 [6]陈念贻，陆文聪.支持向量机算法在化学化工中的应用