基于混沌果蝇优化最小二乘支持向量机的秸秆发酵过程软测量建模
针对秸秆发酵制取燃料乙醇过程的关键参量乙醇质量浓度难以用传统物理传感器实时在线测量,给发酵过程的监测与控制带来困难这一难题,采用混沌果蝇优化算法( chaos fruit fly optimization algorithm,CFOA)优化最小二乘支持向量机( least square support vector machine,LSSVM)的关键参数,避免了普通交叉验证法选取参数的耗时性和盲目性,建立混沌果蝇最小二乘支持向量机软测量模型,实现乙醇质量浓度的在线实时测量.实验仿真表明:基于CFOA的LSSVM模型平均误差为4.55%,明显优于LSSVM模型,表明该软测量建模方法预测能力强,测量精度高.
秸秆、果蝇优化算法、最小二乘支持向量机(LSSVM)、乙醇质量浓度
42
TP183(自动化基础理论)
吉林省重大科技攻关专项20140203005SF;江苏省科技支撑项目BE2010354
2016-11-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
28-34