[發(fā)明專利]基于SVM的料堆質(zhì)量估算方法、裝置、電子設(shè)備和介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010549412.6
• 申請(qǐng)日: 2020-06-16
• 公開（公告）號(hào): CN111723858B
• 公開（公告）日: 2023-07-11
• 發(fā)明（設(shè)計(jì)）人: 柴彬;陳耀忠;周曉峰;周俊明;李偉偉;張開友;王建軍;胥菊英
• 申請(qǐng)（專利權(quán)）人: 中冶寶鋼技術(shù)服務(wù)有限公司
• 主分類號(hào): G06F18/2411
• 分類號(hào): G06F18/2411;G06F18/214;G06N20/00;G06Q10/0639
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 周涌賀

1.一種基于SVM的料堆質(zhì)量估算方法，其特征在于，所述方法包括：

獲取料堆的樣本數(shù)據(jù)；通過提取所述樣本數(shù)據(jù)中的料堆質(zhì)量參數(shù)作為所述樣本數(shù)據(jù)的特征參數(shù)，并結(jié)合所述樣本數(shù)據(jù)中的料堆質(zhì)量，建立用于模型訓(xùn)練的樣本數(shù)據(jù)集；所述模型為基于SVM算法，通過選擇核函數(shù)為徑向基核函數(shù)，以及引用松弛參數(shù)，所構(gòu)建的料堆質(zhì)量估算初始模型；

其中，所述料堆質(zhì)量參數(shù)包括料堆體積相關(guān)參數(shù)、料堆密度相關(guān)參數(shù)、料堆含水相關(guān)參數(shù)和時(shí)間相關(guān)參數(shù)；

利用所述樣本數(shù)據(jù)集對(duì)所述質(zhì)量估算初始模型進(jìn)行訓(xùn)練，獲得訓(xùn)練后的質(zhì)量估算模型；利用所述樣本數(shù)據(jù)集，采用交叉驗(yàn)證法對(duì)所述訓(xùn)練后的質(zhì)量估算模型進(jìn)行優(yōu)化，獲得質(zhì)量估算優(yōu)模型；

基于所述質(zhì)量估算優(yōu)化模型，對(duì)待測試料堆進(jìn)行質(zhì)量估算，獲得所述待測試料堆的質(zhì)量。

2.根據(jù)權(quán)利要求1所述的基于SVM的料堆質(zhì)量估算方法，其特征在于，所述通過提取所述樣本數(shù)據(jù)中的料堆質(zhì)量參數(shù)作為所述樣本數(shù)據(jù)的特征參數(shù)，并結(jié)合所述樣本數(shù)據(jù)中的料堆質(zhì)量，建立用于模型訓(xùn)練的樣本數(shù)據(jù)集，包括：

分別于所述料堆體積相關(guān)參數(shù)、所述料堆密度相關(guān)參數(shù)、所述料堆含水相關(guān)參數(shù)和所述時(shí)間相關(guān)參數(shù)中，各提取至少1個(gè)參數(shù)，作為所述樣本數(shù)據(jù)的特征參數(shù)，并結(jié)合所述樣本數(shù)據(jù)中的料堆質(zhì)量，建立樣本數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的基于SVM的料堆質(zhì)量估算方法，其特征在于，所述通過提取所述樣本數(shù)據(jù)中的料堆質(zhì)量參數(shù)作為所述樣本數(shù)據(jù)的特征參數(shù)，并結(jié)合所述樣本數(shù)據(jù)中的料堆質(zhì)量，建立用于模型訓(xùn)練的樣本數(shù)據(jù)集，包括：

提取料堆體積、高度、料堆比重、含水量、空氣濕度、堆放時(shí)間和測量月份作為所述樣本數(shù)據(jù)集中各樣本的特征參數(shù)，并結(jié)合所述樣本數(shù)據(jù)中的料堆質(zhì)量，建立樣本數(shù)據(jù)集。

4.根據(jù)權(quán)利要求2至3中任一所述的基于SVM的料堆質(zhì)量估算方法，其特征在于，所述建立用于模型訓(xùn)練的樣本數(shù)據(jù)集，還包括：對(duì)各樣本數(shù)據(jù)中的各特征參數(shù)進(jìn)行標(biāo)準(zhǔn)化處理。

5.根據(jù)權(quán)利要求1所述的基于SVM的料堆質(zhì)量估算方法，其特征在于，所述基于SVM算法，通過選擇核函數(shù)為徑向基核函數(shù)，以及引用松弛參數(shù)，構(gòu)建料堆的質(zhì)量估算初始模型，包括：

建立SVM模型的超平面函數(shù)：

其中，X為樣本數(shù)據(jù)，為關(guān)于X的非線性函數(shù)，ω為未知的權(quán)值向量，b為未知的常數(shù)；

構(gòu)建目標(biāo)函數(shù)：

其中，C是常數(shù)；N為樣本數(shù)據(jù)個(gè)數(shù)；Lε是不敏感的損失函數(shù)；Y_i為樣本數(shù)據(jù)的料堆質(zhì)量；ε是精度參數(shù)；f(X_i)為單個(gè)樣本點(diǎn)X_i對(duì)應(yīng)的SVM模型值；

于所述目標(biāo)函數(shù)中，引入第一松弛變量ξi和第二松弛變量ξi*，將所述目標(biāo)函數(shù)轉(zhuǎn)換為：

通過將所述目標(biāo)函數(shù)轉(zhuǎn)換為對(duì)應(yīng)的拉格朗日函數(shù)，和將所述拉格朗日函數(shù)轉(zhuǎn)換為對(duì)偶問題，并通過對(duì)所述對(duì)偶問題求解，獲得最優(yōu)的超平面函數(shù)：

其中，K(X_i,X_j)為核函數(shù)；設(shè)置所述核函數(shù)為徑向基函數(shù)核：

其中，σ為徑向基函數(shù)核的帶寬；X_i為一樣本點(diǎn)；X_j為不同于X_i的另一樣本點(diǎn)；

設(shè)置σ為0.1～0.5；設(shè)置ε為0.5～1.0；設(shè)置C為1.0～10。

6.根據(jù)權(quán)利要求1所述的基于SVM的料堆質(zhì)量估算方法，其特征在于，所述方法還包括：存儲(chǔ)所述質(zhì)量估算優(yōu)化模型，當(dāng)所述樣本數(shù)據(jù)集更新后，基于新的樣本數(shù)據(jù)集對(duì)所述質(zhì)量估算優(yōu)化模型進(jìn)行再優(yōu)化，并更新所述質(zhì)量估算優(yōu)化模型。