基于CCA-LSSVM在线检测流化床平均粒径

• 作者: 李宇龙 陈德钊
• 来源期刊: 科技与创新
• 关键词: 平均粒径 声波信号 多尺度分析 能量模式 分类相关成分分析 最小二乘支持向量机
• 年，卷（期）: 2008,（10）
• 所属期刊栏目: 软件天地
• 页码范围: 266-268
• 页数: 3页
• 分类号: TP274+.5
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2008.10.112

摘要

平均粒径是气固流化床聚合工艺的重要参数,传统的方法难以在线取样和检测.流化床声波信号易于采集,在线检测优势明显.本文基于小波包分析,从声波信号中导出与粒径相关的尺度和频率分量,构成能量模式,并以分类相关成分分析从中提取分类能力很强的特征,并排除复共线性,由此构建最小二乘支持向量机分类器用于粒径识别,其拟合和预测性能良好.应用于聚乙烯流化床实例,效果令人满意,其中半对半策略效率更高,值得推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德钊	浙江大学化学工程与生物工程学系	112	1957	24.0	38.0
2	李宇龙	浙江大学化学工程与生物工程学系	2	5	1.0	2.0