基于 PSO 优化 LS-SVM 的木材含水率软测量建模

• 作者: 姜滨 孙丽萍 季仲致 曹军
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 支持向量机 最小二乘法 粒子群优化 软测量 建模
• 年，卷（期）: 2016,（1）
• 页码范围: 48-54
• 页数: 7页
• 分类号: TM732
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2016.01.007

摘要

木材含水率是木材干燥过程中重要的技术指标。针对木材干燥过程具有强耦合、大滞后、非线性的特点以及木材含水率检测存在的问题，提出一种软测量方法。利用最小二乘支持向量机（LS-SVM）对非线性系统时间序列数据进行学习，建立被控对象的软测量模型，同时通过粒子群优化（PSO）算法对 LS-SVM 的惩罚因子和核函数参数进行滚动优化，提高软测量模型的预测精度。将木材干燥窑内的温度、湿度以及木材含水率作为样本数据，通过 PSO 优化的 LS-SVM 方法建立木材含水率的软测量模型，进而利用该模型实现对目标检测点木材含水率的软测量。仿真结果表明，PSO-LSSVM 软测量模型预测精度高，泛化能力强，满足木材干燥控制系统的实际测量要求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹军	东北林业大学机电工程学院	133	1090	17.0	23.0
2	孙丽萍	东北林业大学机电工程学院	129	739	13.0	18.0
3	姜滨	东北林业大学机电工程学院	16	71	6.0	7.0
7	季仲致	东北林业大学机电工程学院	6	32	5.0	5.0