基于混沌果蠅優(yōu)化最小二乘支持向量機的秸稈發(fā)酵過程軟測量建模

【摘要】：針對秸稈發(fā)酵制取燃料乙醇過程的關(guān)鍵參量乙醇質(zhì)量濃度難以用傳統(tǒng)物理傳感器實時在線測量,給發(fā)酵過程的監(jiān)測與控制帶來困難這一難題,采用混沌果蠅優(yōu)化算法(chaos fruit fly optimization algorithm,CFOA)優(yōu)化最小二乘支持向量機(least square support vector machine,LSSVM)的關(guān)鍵參數(shù),避免了普通交叉驗證法選取參數(shù)的耗時性和盲目性,建立混沌果蠅最小二乘支持向量機軟測量模型,實現(xiàn)乙醇質(zhì)量濃度的在線實時測量.實驗仿真表明:基于CFOA的LSSVM模型平均誤差為4.55%,明顯優(yōu)于LSSVM模型,表明該軟測量建模方法預(yù)測能力強,測量精度高. 【作者單位】： 江蘇大學(xué)電氣信息工程學(xué)院;
【關(guān)鍵詞】： 秸稈 果蠅優(yōu)化算法 最小二乘支持向量機(LSSVM) 乙醇質(zhì)量濃度
【基金】：吉林省重大科技攻關(guān)專項(20140203005SF) 江蘇省科技支撐項目(BE2010354)
【分類號】：TP18;S216.2
【正文快照】： 由于秸稈發(fā)酵制取燃料乙醇過程的機理復(fù)雜性和高度非線性,利用常規(guī)方法建立發(fā)酵過程的精確機理模型難度很大.菌體質(zhì)量濃度、可發(fā)酵糖質(zhì)量濃度以及乙醇質(zhì)量濃度是反映秸稈發(fā)酵進程的關(guān)鍵參數(shù),但實際中沒有直接的在線實時測量器材[1],因此建立這些參數(shù)的軟測量模型十分必要.通常

您可以在本站搜索以下學(xué)術(shù)論文文獻來了解更多相關(guān)內(nèi)容