随着我国社会主义事业迅速发展,铝电解工业在国民经济中发挥着重要作用。在铝电解控制过程中,铝电解槽温起着控制中心的作用,是影响铝电解电流效率重要的参数变量之一。然而铝电解过程具有高温、强腐蚀性、非线性、时滞性等特点,导致铝电解槽温难以测量。因此有效地对铝电解槽温测量是铝电解稳定生产的重要控制目标。本论文采用软测量技术来对铝电解槽温测量。目前在铝电解槽温软测量建模方法中,支持向量回归算法是推广性最好的方法之一,唯一不足的是模型训练时间较长。本文在支持向量回归算法的基础上,引入双支持向量回归算法。双支持向量回归算法较支持向量回归算法优势明显,表现在时间复杂度低,泛化能力强。本论文主要工作以双支持向量回归算法为基础,对铝电解槽温软测量建模及校正,具体研究如下:1.改进双支持向量回归(Improved Twin Support Vector Regression,ITSVR)在铝电解槽温软测量的应用。双支持向量回归算法在最优化求解问题上只需求解两组较小的二次规划问题,模型训练时间仅为支持向量回归算法的四分之一。但双支持向量回归算法未采用结构风险最小化原则,为降低过拟合风险,在双支持向量回归算法中引入L2范数正则项,限制模型的上下边界,实现结构风险最小化原则。接着用改进双支持向量回归算法对铝电解槽温软测量建模,在模型输入变量中采用主成分分析法对辅助变量降维,简化模型输入。最后用MATLAB仿真实验证明了改进双支持向量回归算法泛化精度高,时间复杂度低;同时建立的铝电解槽温软测量模型也能有效地预测温度。2.增量ITSVR在铝电解槽温软测量模型的应用。软测量模型预测精度由于铝电解生产状态变化可能下降,因此需对铝电解槽温软测量模型校正。在建模过程中,采用增量学习算法对模型动态更新。考虑到传统增量学习算法容易忽略掉可能转为支持向量的非支持向量,在更新的过程中,定义了边界域向量,利用边界域向量更好地保留有用的非支持向量。最后MATLAB仿真实验证明了增量ITSVR能有效地对铝电解槽温软测量模型校正,而边界域向量也能提高增量学习的泛化精度。