论文部分内容阅读
针对目前聚乙烯醇生产过程中醋酸乙烯(VAC)聚合率难以用常规的传感器在线测量的情况,本文在分析了量子粒子群(QPSO)和最小二乘支持回归机(LS-SVM)原理的基础上,提出了利用QPSO和LS-SVM相结合的方法建立醋酸乙烯聚合率软测量模型,利用量子粒子群的全局搜索能力来对最小二乘支持向量机在建模过程中重要的参数进行优化。仿真结果表明:所建立的软测量模型泛化能力强,精度高,比已有的神经网络和支持向量机软测量模型能更好的实现醋酸乙烯聚合率的在线估计。