文献

J-GLOBAL ID：201702250390705635   整理番号：17A0207383

スパースロバストLS-SVRと多目的最適化に基づくシリコンのソフト測定モデルを構築した。【JST・京大機械翻訳】

Soft-sensor modeling of silicon content in hot metal based on sparse robust LS-SVR and multi-objective optimization

著者 (2件)： Guo Dongwei (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, State Key Laboratory of Process Automation in Mining &Metallurgy) ,  Zhou Ping (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, State Key Laboratory of Process Automation in Mining & Metallurgy)
資料名： Gongcheng Kexue Xuebao  (Gongcheng Kexue Xuebao)
巻： 38  号： 9  ページ： 1233-1241  発行年： 2016年 
JST資料番号： C2905A  ISSN： 2095-9389  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 高炉製鉄プロセスの重要技術指標である-含有量[SI]は直接にオンラインで検出することができず、試験過程の遅れの問題を解決することが難しい。本論文は,ロバスト性最小二乗サポートベクトルマシン(S-LS-SVR)と多目的遺伝的パラメータ最適化に基づく金属(SI)のための動的ソフトセンサモデリング法を提案した。まず第一に,標準最小二乗サポートベクトルマシン(LS-SVR)におけるラグランジュ乗数と誤差の比率によって引き起こされる最終的解のスパース性の問題を解決するために,訓練サンプル集合のスパース性を抽出して,モデルの計算複雑性を減少させるためにサンプルデータを抽出する。第二に,標準最小二乗サポートベクトルマシン(LS-SVM)の目的関数のロバスト性の問題を解決するために,ロバスト性を改善するために,ロバスト性の強いロバスト最小二乗サポートベクトルマシン(LS-SVM)モデルを提案した。最後に,従来の二乗平均平方根誤差評価モデルの性能を改善するために,モデル化誤差と推定傾向からモデル化性能を評価するための多目的評価指数を提案した。これに基づき、非支配ソーティングのエリート戦略を持つ多目的遺伝アルゴリズムを用いて、モデルパラメータを最適化し、最適パラメータを持つ金属[SI]オンラインソフトセンサーモデルを獲得した。工業実験と比較分析により、提案方法の有効性と先進性を検証した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 計算量 ,  モデリング ,  目的関数 ,  ロバスト性 ,  性能指数 ,  Lagrange乗数法 ,  *最適化 ,  *ケイ素
準シソーラス用語： モデルパラメータ ,  多目的遺伝的アルゴリズム ,  評価モデル ,  スパース性 ,  最小二乗-サポートベクトルマシン ,  オンライン ,  *多目的最適化 , 【Automatic Indexing@JST】

著者キーワード (6件)： ironmaking ,  silicon content ,  modeling ,  least squares methods ,  support vector machines ,  multi-objective optimization

分類 (2件)： 工業・技術設計  (HA05000Q) ,  数理計画法  (KA03030M)

タイトルに関連する用語 (5件)： 多目的最適化 ,  シリコン ,  ソフト ,  測定モデル ,  構築