论文部分内容阅读
关联向量机(RVM)是在支持向量机基础上结合贝叶斯学习方法发展起来的一种新的机器学习算法，它不仅具有比支持向量机更好的非线性回归性能，同时还具备支持向量机所没有一些特点，如能给出预测的概率信息，无需估计模型参数，核函数条件更宽泛以及模型解更稀疏等。
本文在系统的介绍了关联向量机算法基本原理的基础上，以德士古气化炉为研究对象，提出了基于核主元分析和关联向量机的德士古气化炉炉温软测量模型建模方法。仿真实验表明，该建模方法的学习和泛化性能都比较理想。此外，本文还提出了基于独立分量分析的德士古气化炉炉温软测量系统故障诊断方法，效果良好。
在德士古气化炉炉温测量元件不理想而严重影响生产的背景下，根据对水煤浆气化流程的工艺分析，选择相应的辅助变量来进行数据的采集与预处理，并基于上述关联向量机建模方法，建立了一套炉温软测量软硬件系统。该系统利用Visual Basic计算机语言与工业现场实时数据库相连接，在调用软测量模型得到炉温预测值之后，将预测值实时的送到DCS和实时数据库中，实现了软测量系统的在线运行。由工业现场的实际运行效果可以看出，该系统能够较好的完成对炉温的在线估计