基于KRLS的pH中和过程建模

基于KRLS的pH中和过程建模

论文摘要

针对典型的pH酸碱中和过程,提出基于核递推最小二乘(KRLS)的核学习动态模型。KRLS方法采用基于近似线性依赖技术的稀疏化算法,降低了计算复杂度及存储量,能适用于较大规模数据集的训练以及动态时变过程的建模。将所提方法应用到具有缓冲流的双输出中和过程实例中,为验证其有效性,在同等条件下,还与核偏最小二乘(KPLS)、核主成分分析—支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、支持向量机(SVM)等方法进行比较。实验结果表明:作为一种在线自适应方法,KRLS方法具有很高的动态建模精度,为研究pH中和过程的控制奠定了基础。

论文目录

  • 0 引言
  • 1 KRLS方法
  •   1.1 基于ALD条件的稀疏化
  •   1.2 ALD-KRLS方法
  • 2 p H中和过程实验应用
  • 3 结束语
  • 文章来源

    类型: 期刊论文

    作者: 朱瑞鹤,李军

    关键词: 中和过程,核递推最小二乘,非线性系统,动态建模,稀疏化

    来源: 传感器与微系统 2019年01期

    年度: 2019

    分类: 信息科技,工程科技Ⅰ辑

    专业: 化学,自动化技术

    单位: 兰州交通大学自动化与电气工程学院

    基金: 国家自然科学基金资助项目(51467008)

    分类号: O646.14;TP181

    DOI: 10.13873/J.1000-9787(2019)01-0048-04

    页码: 48-51

    总页数: 4

    文件大小: 722K

    下载量: 54

    相关论文文献

    • [1].基于动态指导的深度学习模型稀疏化执行方法[J]. 南京师大学报(自然科学版) 2019(03)
    • [2].图稀疏化:加速图聚类的有效方法[J]. 计算机工程与设计 2013(11)
    • [3].稀疏化:神经网络计算新范式[J]. 人工智能 2018(02)
    • [4].两两关系马尔科夫网的自适应组稀疏化学习[J]. 自动化学报 2015(08)
    • [5].基于训练字典的压缩感知光谱稀疏化方法[J]. 遥感技术与应用 2013(06)
    • [6].基于稀疏化图结构的转导多标注视频概念检测算法[J]. 模式识别与人工智能 2011(06)
    • [7].利用稀疏化生物视觉特征的多类多视角目标检测方法[J]. 红外与激光工程 2012(01)
    • [8].基于样本稀疏化高斯过程的发酵过程软测量建模方法[J]. 北京化工大学学报(自然科学版) 2014(03)
    • [9].大型风机环境噪声稀疏化测量方法研究[J]. 机械设计与制造 2019(12)
    • [10].图像处理中拉普拉斯矩阵的稀疏化处理[J]. 机电工程技术 2018(09)
    • [11].基于全局代表指标的LSSVM最优稀疏化算法[J]. 三峡大学学报(自然科学版) 2020(02)
    • [12].L波段探空秒级资料稀疏化方案及检验方法[J]. 气象科技进展 2018(01)
    • [13].基于压缩感知的DOA估计稀疏化模型与性能分析[J]. 电子与信息学报 2014(03)
    • [14].稀疏化动态模态分解算法在发动机缸内流场研究中的应用[J]. 内燃机学报 2020(05)
    • [15].基于PSO的最小二乘支持向量机稀疏化算法[J]. 武汉大学学报(工学版) 2016(06)
    • [16].适应数值模式垂直坐标的GPS掩星反演资料稀疏化方案[J]. 大气科学学报 2019(03)
    • [17].基于并行计算的高效图稀疏化处理算法[J]. 四川理工学院学报(自然科学版) 2015(02)
    • [18].稳健最小二乘单类支持向量机及其稀疏化方法[J]. 计算机工程与设计 2018(06)
    • [19].人口稀疏化乡村的民俗文化传承危机及其对策——以爱知县“花祭”为例[J]. 民俗研究 2012(05)
    • [20].基于QPSO稀疏化LSSVM的压力传感器温度补偿研究[J]. 传感技术学报 2020(02)
    • [21].任意前馈神经网络的稀疏化算法[J]. 广西师范大学学报(自然科学版) 2008(01)
    • [22].结构稀疏模型[J]. 计算机学报 2017(06)
    • [23].草地植被低矮稀疏化对土壤温度的影响[J]. 大连民族大学学报 2016(01)
    • [24].图像恢复问题的梯度稀疏化正则方法[J]. 系统工程与电子技术 2017(10)
    • [25].MR-GSpar:一种基于MapReduce的大图稀疏化算法[J]. 计算机科学 2013(10)
    • [26].稀疏化的基于核密度估计的向量机[J]. 信息与电脑(理论版) 2011(18)
    • [27].基于稀疏化神经网络在微控制器芯片上的应用[J]. 现代电子技术 2020(23)
    • [28].基于Schmidt正交单位化的稀疏化定位算法[J]. 哈尔滨工程大学学报 2014(06)
    • [29].高血压与微循环的“稀疏化”[J]. 中华高血压杂志 2008(10)
    • [30].基于Capped L1罚函数的组稀疏模型[J]. 现代计算机(专业版) 2018(32)

    标签:;  ;  ;  ;  ;  

    基于KRLS的pH中和过程建模
    下载Doc文档

    猜你喜欢