基于支持向量机的木材干燥建模研究

论文摘要

目前,地球森林资源的不断减少与人们对木材持续增长的喜爱与需求构成了一对难以调和的矛盾。木材干燥是改变木材的物理力学性能,保证木制品品质的关键环节之一。然而目前我国大多数木材干燥设备存在自动控制水平低,可靠性差等不足,导致干燥能耗升高,木材降等损失严重等问题。设计木材干燥自动控制系统首先要考虑的就是建立木材干燥系统模型。针对木材干燥过程的强非线性、强耦合、大滞后等特点,建立木材干燥机理模型往往由于带有过多约束条件,导致模型过于复杂而难以实际应用。基于数据的机器学习方法属于实验建模方法,只需要对系统可观测的输入输出数据进行学习,即可建立能反映木材干燥系统宏观特性的模型。此类方法的出现,很好的解决了非线性系统建模的难题。支持向量机是Vapnik及其合作者于上世纪九十年代初提出的,其理论基础是统计学习理论。支持向量机是一种专门针对小样本的学习机器,由于以结构风险最小化原则为基础,克服了神经网络中的过学习等缺点,具有很强的泛化能力。本文针对木材干燥系统强非线性的特点,采用基于支持向量机的机器学习方法建立木材干燥模型。以实际干燥实验过程得到的系统数据作为样本集,分别进行支持向量机及最小二乘支持向量机的建模与仿真实验研究,结果表明基于支持向量机的木材干燥模型能够很好的反映木材干燥过程特性的变化。同时本文分析了不同类型的核函数、不同参数优化方法对木材干燥支持向量机模型性能的影响,以确定适用于木材干燥系统的核函数类型及参数优化方法。木材干燥过程具有一定的复杂性,离线建模方法往往不能很好的反映出木材干燥过程的动态特点。而在线建模方法由于能够在线更新训练样本及模型结构,能够实时反映系统当前状态,具有很好的动态特性,所以本文采用LSSVM方法进行了木材干燥过程的在线建模研究。标准的在线建模方法采用时间窗形式更新模型样本,即每加入一个新采集的样本数据,同时删除一个最早的历史数据进行木材干燥的在线建模。由于LSSVM不具有稀疏性,根据稀疏LSSVM理论,本文也提出了采用删除支持向量系数最小的样本方式在线更新模型样本进行在线建模。两种在线建模方法均取得良好的效果,能够准确的预测干燥过程木材含水率,这将为木材干燥在线控制的实现,提高木材干燥控制水平具有重要的理论和现实意义。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 木材干燥简介
• 1.2.1 木材干燥过程
• 1.2.2 木材干燥工艺
• 1.2.3 木材干燥的发展问题
• 1.3 木材干燥建模
• 1.3.1 常用的建模方法
• 1.3.2 木材干燥建模研究现状
• 1.4 机器学习简介
• 1.4.1 机器学习的发展过程
• 1.4.2 机器学习的基本问题
• 1.4.3 经验风险最小化原则
• 1.5 论文的主要内容
• 2 统计学习理论与支持向量机
• 2.1 引言
• 2.2 统计学习理论的基本原理
• 2.2.1 VC 维
• 2.2.2 推广性的界
• 2.2.3 结构风险最小化原则
• 2.3 支持向量机
• 2.3.1 最优分类超平面
• 2.3.2 推广的最优分类超平面
• 2.3.3 支持向量分类机
• 2.4 支持向量回归机
• 2.4.1 ε不敏感损失函数
• 2.4.2 线性支持向量回归机
• 2.4.3 非线性支持向量回归机
• 2.5 支持向量机研究现状
• 2.5.1 支持向量机算法的改进
• 2.5.2 支持向量机的应用
• 2.6 本章小结
• 3 支持向量机在木材干燥建模中的应用
• 3.1 引言
• 3.2 基于 SVM 的木材干燥建模
• 3.2.1 基于 SVM 的木材干燥模型结构
• 3.2.2 基于 SVM 的木材干燥模型仿真步骤
• 3.2.3 基于 SVM 的阔叶材干燥过程建模与仿真
• 3.2.4 基于 SVM 的针叶材干燥过程建模与仿真
• 3.3 最小二乘支持向量机（LSSVM）及其在木材干燥建模中的应用
• 3.3.1 最小二乘支持向量机
• 3.3.2 基于 LSSVM 的阔叶材干燥过程建模与仿真
• 3.3.3 基于 LSSVM 的针叶材干燥过程建模与仿真
• 3.3.4 基于 LSSVM 的木材干燥模型与 SVM 模型的比较研究
• 3.4 核函数
• 3.4.1 核函数的分类
• 3.4.2 不同核函数对木材干燥模型的影响
• 3.5 支持向量机的参数优化方法
• 3.5.1 改进的穷举法
• 3.5.2 交叉验证法
• 3.6 本章小结
• 4 基于 LSSVM 的木材干燥在线建模研究
• 4.1 引言
• 4.2 基于 LSSVM 的木材干燥在线建模
• 4.2.1 基于 LSSVM 的木材干燥在线建模过程
• 4.2.2 仿真研究
• 4.3 基于稀疏 LSSVM 的木材干燥在线建模研究
• 4.3.1 稀疏 LSSVM
• 4.3.2 基于稀疏 LSSVM 的木材干燥在线建模
• 4.4 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢