支持向量机软测量模型在线训练系统及方法

1.一种基于嵌入式平台的支持向量机软测量模型在线训练系统，它主要由微控制器、存储器、人机交互接口、通信接口和信号输入输出接口等组成。其中，所述微控制器分别与存储器、人机交互接口、通信接口和信号输入输出接口相连接。
2.根据权利要求1所述基于嵌入式平台的支持向量机软测量模型在线训练系统，其特征在于，所述人机交互接口包括按键与彩屏液晶显示，按键与彩屏液晶显示均与微控制器相连。
3.根据权利要求1所述基于嵌入式平台的支持向量机软测量模型在线训练系统，其特征在于，所述通信接口包括RS232接口、以太网接口和USB接口。所述RS232接口、以太网接口和USB接口分别与微控制器相连。所述存储器包括SDRAM与NANDFlash。所述SDRAM与NAND Flash分别与微控制器相连。
4.根据权利要求1所述基于嵌入式平台的支持向量机软测量模型在线训练系统，其特征在于，所述信号输入输出接口包括AD输入、DA输出与数字量输入输出。所述AD输入、DA输出与数字量输入输出分别与微控制器相连。
5.一种权利要求1所述基于嵌入式平台的支持向量机软测量模型在线训练系统的训练方法，其特征在于，包括以下步骤：
(1)微控制器通过信号输入输出接口或通信接口读取数据。
(2)若数据格式不规范，则进行数据规范化处理，若数据格式规范则省略此步。
(3)数据存储于存储器，并在彩屏液晶显示上动态显示。
(4)若要求手动设置相关参数则跳到第(7)步，否则自动设置参数。
(5)根据支持向量机软测量在线训练规则自动调整相关参数，直到完成训练。
(6)若训练结果的精度与实时性达到要求，则直接跳到第(9)步，否则继续。
(7)手动设置相关参数，直至完成训练。
(8)若训练结果的精度与实时性达到要求，则直接跳到第(9)步，否则回到第(7)步重新设置参数。
(9)把训练结果存储于存储器，并在彩屏液晶显示上动态显示。
(10)若有相关输出操作，通过信号输入输出接口或通信接口输出结果，
否则省略此步。
(11)把训练结果应用于软测量模型，完成根据数据输入，给出预测输出。
6.根据权利要求6所述基于嵌入式平台的支持向量机软测量模型在线训练方法，其特征在于，所述步骤(1)读取的数据包括软测量模型的主导变量与辅助变量。
7.根据权利要求6所述基于嵌入式平台的支持向量机软测量模型在线训练方法，其特征在于，所述步骤(2)数据规范化指包含样本维数、训练样本数、测试样本数等信息，且格式上每行一组训练或测试数据，并且预测真值(主导变量)在前，范围0.1～0.9，样本的属性(辅助变量)在后，范围-1～+1，并且按照一定规律排列。
8.根据权利要求6所述基于嵌入式平台的支持向量机软测量模型在线训练方法，其特征在于，所述步骤(4)(5)(7)提到的相关参数包含支持向量机的惩罚因子、径向基函数的gamma参数、不敏感区域(容忍经验风险)、训练中止误差等。
9.根据权利要求6所述基于嵌入式平台的支持向量机软测量模型在线训练方法，其特征在于，所述步骤(5)提到的支持向量机软测量在线训练规则及自动调整的相关参数，包括以下几要点：
①采用epsilon-SVR(support vector regressor)。
②核函数选用径向基函数，其gamma参数＝1/样本的维数。
③惩罚因子固定选取1。
④容忍经验风险(不敏感区域)ε可自动根据需要调整。针对高实时性情况选择0.01；若要求高精度，适当放弃实时性，ε根据需要选择0.05，0.001等值。
⑤训练中止规则。系统自动识别测试误差变化规律，且满足如下规则中任一条，即表示训练完成。规则1：“测试误差变化稳定(无明显振荡特征)，且当前测试误差大于1.2*最小测试误差”；或规则2：“迭代次数大于阈值(如100次)且连续3次测试误差变化率小于5％”。
10.根据权利要求6所述基于嵌入式平台的支持向量机软测量模型在线训练方法，其特征在于，所述步骤(11)提到的数据输入指新的样本属性(辅助变量)，预测输出指主导变量。

暂无