基于支持向量机的电解液成分预测

论文摘要

电解生产过程往往要涉及很多复杂的物理、化学反应,其相互作用和影响使得电解过程呈现出高度的非线性。要想更好的控制电解化学反应过程,就必须获得足够的电解铜生产过程信息；电解生产过程中的热工参数,如温度、压力、流量、液位等都比较容易获得,对它们的控制也易实现。然而对一些决定产品质量的关键参数如电解液中铜、酸离子的浓度等很难实现在线测量。现在这些参数仍然采用实验室采样分析方法进行检测,这往往会产生较大的时间滞后,不能及时反馈数据信息,这就使电解铜生产过程的控制与优化受到了阻碍。软测量技术是解决这一难题的有效途径。它利用过程中的一些相关信息来估计这些不可在线检测的变量,这种技术既容易实现又节约成本,是一种非常可行的办法。本文重点研究了基于支持向量机的软测量建模方法,从支持向量机的理论研究、核函数及其参数的选择方面进行了详细的讨论。对支持向量回归模型参数的选取方法进行了多种方法的比较,找到了一种基于多目标寻优的参数选择方法,从而减小了回归模型的复杂度提高了模型的泛化性能。针对黑箱模型过度依赖训练数据,不具有实际物理意义等问题,本文综合经典的电解化学反应机理知识与支持向量机方法,提出了并行结构的混合模型,它以金属平衡方程、容积平衡方程为基础建立机理模型,利用支持向量机方法来弥补机理建模忽略的因素和生产状况的变化对模型造成的影响,实验表明这种混合模型得出了可靠而且泛化性能更好的结果,并且降低了对训练数据大小的依赖程度。课题主要从软测量模型结构、电解反应过程机理模型的建立、基于支持向量机的建模方法、模型参数的选择四个方面进行了深入的理论研究,并以某冶炼厂的电解车间的电解铜生产为研究背景对软测量系统的实现技术进行了仿真实验研究。从软测量模型预测的逼近效果,均方误差值,可以看出此方法在电解液铜酸成分预测中的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 论文的研究背景
• 1.3 软测量技术的基本原理
• 1.3.1 辅助变量的选择
• 1.3.2 采集数据的处理
• 1.3.3 软测量模型的建立
• 1.3.4 软测量模型的在线校正
• 1.4 软测量的应用现状
• 1.5 本课题的研究意义
• 第二章 ISA电解生产过程分析
• 2.1 电解铜生产概况
• 2.1.1 电解反应机理
• 2.1.2 电解生产工艺
• 2.2 影响电解铜质量的因素
• 2.2.1 铜酸浓度的影响
• 2.2.2 电解液循环速度
• 2.2.3 电解过程电流密度的影响
• 2.2.4 杂质浓度的影响
• 2.2.5 温度的影响
• 2.3 影响铜酸浓度的因素分析
• 2.3.1 电解液循环系统的过程变量
• 2.3.2 阳极铜的作用
• 2.3.3 其它因素的影响
• 2.4 铜酸浓度预测的可行性分析
• 2.5 小结
• 第三章 支持向量机及其参数选择算法的改进
• 3.1 支持向量机的发展
• 3.2 统计学习理论
• 3.2.1 经验风险最小化原则
• 3.2.2 结构风险最小化原则与VC维
• 3.3 支持向量机算法
• 3.3.1 支持向量机分类理论
• 3.3.2 支持向量回归理论
• 3.3.3 核函数
• 3.4 支持向量机训练算法
• 3.4.1 两变量的二次规划子问题
• 3.4.2 二次规划求解后相关变量的更新
• 3.4.3 待优化变量的选择及SMO算法步骤
• 3.5 支持向量机参数及其选择方法
• 3.6 多目标优化算法
• 3.6.1 多目标优化问题的基本概念
• 3.6.2 传统的多目标优化方法
• 3.6.3 非支配排序多目标遗传算法（NSGA-Ⅱ）
• 3.7 基于NSGA-Ⅱ的支持向量机回归模型参数选取
• 3.7.1 目标函数的确定
• 3.7.2 个体的表示和编码方式
• 3.7.3 支持向量回归参数选取
• 3.7.4 决策最优参数
• 3.7.5 仿真结果
• 3.8 本章小结
• 第四章 基于混合策略的电解过程软测量建模
• 4.1 问题的提出
• 4.2 电解液中铜酸成分变化的机理分析
• 4.2.1 铜离子浓度
• 4.2.2 硫酸浓度
• 4.3 铜酸成分软测量混合模型
• 4.3.1 混合模型
• 4.3.2 黑箱模型
• 4.4 软测量模型的建立
• 4.5 仿真结果
• 4.5.1 混合模型与黑箱模型输出的比较
• 4.6 软测量模型的校正
• 4.6.1 短期校正
• 4.6.2 长期校正
• 4.7 本章小结
• 第五章 结论与展望
• 5.1 论文研究总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文