1、工業(yè)過程往往具有結(jié)構(gòu)復(fù)雜、非線性、時(shí)變、耦合、不確定性、信息量少的特點(diǎn)。隨著生產(chǎn)過程規(guī)模的進(jìn)一步擴(kuò)大和復(fù)雜程度的提高，透徹分析其過程機(jī)理并建立精確數(shù)學(xué)模型已經(jīng)變得越來(lái)越困難，利用可測(cè)量的生產(chǎn)數(shù)據(jù)建立其辨識(shí)模型已成為必然的選擇。自1995年Vapnik等人提出支持向量機(jī)算法以來(lái)，基于核的機(jī)器學(xué)習(xí)方法(簡(jiǎn)稱核方法)取得了迅速的發(fā)展，目前已成為人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)之一，已經(jīng)在模式識(shí)別、系統(tǒng)辨識(shí)等許多領(lǐng)域中得到成功應(yīng)用，因此，本文以

2、一類具有非線性特性的復(fù)雜工業(yè)過程為背景開展研究工作，將核方法應(yīng)用于工業(yè)過程數(shù)據(jù)特征提取、建模和預(yù)報(bào)。 本文提出一種基于核方法和貪婪思想的主元提取模糊神經(jīng)網(wǎng)絡(luò)模型。采用核函數(shù)把輸入變量向高維特征空間映射來(lái)充分挖掘變量的隱藏信息，經(jīng)貪婪算法優(yōu)化選取主元，輸入自適應(yīng)神經(jīng)模糊推理系統(tǒng)后，網(wǎng)絡(luò)以規(guī)則的形式來(lái)反映數(shù)據(jù)間蘊(yùn)含的關(guān)系，避免出現(xiàn)規(guī)則爆炸，為提高模糊神經(jīng)網(wǎng)絡(luò)建模精度提供一個(gè)有效的方法。此外，以統(tǒng)計(jì)回歸方法為基礎(chǔ)，建立一種基于核方法的

3、貝葉斯回歸模型。與傳統(tǒng)人工經(jīng)驗(yàn)控制方法相比，回歸模型能消除隨機(jī)因素的影響，提高動(dòng)態(tài)過程控制精度。在分別采用增量回歸及貝葉斯回歸模型對(duì)工業(yè)過程量建模，并進(jìn)行比較后發(fā)現(xiàn)，基于核方法的貝葉斯模型在保證建模精度的情況下，還能自動(dòng)對(duì)參數(shù)進(jìn)行有效估計(jì)，避免人工干預(yù)的影響。 最后，以轉(zhuǎn)爐煉鋼工業(yè)過程為應(yīng)用實(shí)例，應(yīng)用基于核方法的貝葉斯回歸模型計(jì)算補(bǔ)吹氧量的結(jié)果，結(jié)合三階段梯形脫碳曲線理論建立碳指數(shù)模型，對(duì)熔池碳含量的實(shí)時(shí)變化及終點(diǎn)情況做出指導(dǎo)。