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

【摘要】：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. 【作者单位】： 江苏大学电气信息工程学院;
【关键词】： 秸秆 果蝇优化算法 最小二乘支持向量机(LSSVM) 乙醇质量浓度
【基金】：吉林省重大科技攻关专项(20140203005SF) 江苏省科技支撑项目(BE2010354)
【分类号】：TP18;S216.2
【正文快照】： 由于秸秆发酵制取燃料乙醇过程的机理复杂性和高度非线性,利用常规方法建立发酵过程的精确机理模型难度很大.菌体质量浓度、可发酵糖质量浓度以及乙醇质量浓度是反映秸秆发酵进程的关键参数,但实际中没有直接的在线实时测量器材[1],因此建立这些参数的软测量模型十分必要.通常

您可以在本站搜索以下学术论文文献来了解更多相关内容