论文总字数：22052字

摘 要

伴随这人工智能领域相关技术的飞速发展，更多的“黑科技”被应用到工业生产当中，本文紧跟时代的热点话题进行深入研究，以调节阀为具体研究对象，通过DCS系统分采集调节阀的大量数据为基础数据，依据最小二乘支持向量回归算法为核心，建立调节阀的数学模型紧接着对模型进行大批量数据训练，最终可以在计算机上模拟出调节阀的相关性能指标进行参数在线预测，对后期的故障诊断和预测控制提供一条新途径。

以SQL Server数据库作为数据仓储，利用计算机通讯手段即ODBC协议，将大量数据读入Matlab环境当中，通过最小二乘向量回归算法将数据进行分类、拟合等操作，最终的界面显示由Matlab中GUI实现，主要画面有真实数据和预测数据的比较图和具体偏差图。

本文的研究内容分为三个部分：Matlab与SQL Server的通讯如何让实现；最小二乘支持向量回归算法如何在Matlab环境中实现；Matlab中GUI界面如何设计实现。

关键词：Matalb；SQL Server；最小二乘支持向量回归；调节阀

Abstract

Along with the rapid development of related technologies in the field of artificial intelligence, more "black technology" has been applied to industrial production. This article follows in-depth research on hot topics of the times, with regulating valves as specific research objects, and collecting and adjusting through DCS systems. The large amount of data of the valve is the basic data. According to the least squares support vector regression algorithm as the core, the mathematical model of the regulating valve is established, followed by the large-volume data training of the model. Finally, the relevant performance indicators of the regulating valve can be simulated on the computer. Online forecasting provides a new approach to late troubleshooting and predictive control.

Using SQL Server database as data warehousing, using computer communication means ODBC protocol, a large amount of data is read into Matlab environment, and the data is classified and fitted by least squares vector regression algorithm. The final interface is displayed by GUI in Matlab. Realization, the main picture has a comparison chart of real data and predicted data and a specific deviation map.

The research content of this paper is divided into three parts: how to communicate with Matlab and SQL Server; how to implement least squares support vector regression algorithm in Matlab environment; how to design and implement GUI interface in Matlab.

Key words: Matlab; SQL Server; LS-SVR; Valve

目 录

摘要 I

Abstract II

第一章. 绪论 1

1.1课题研究的背景与意义 1

1.2 人工智能的发展现状 2

1.3 数据挖掘技术简介 3

1.4最小二乘支持向量回归算法简介 4

1.5本论文的主要工作 5

第二章. 系统总体设计方案 7

2.1 方案设计 7

2.2 总体架构介绍 8

2.3系统气路设计 8

2.4 数据库架构设计 9

2.5本章小结 11

第三章. 最小二乘向量回归算法实现 12

3.1 支持向量机理论 12

3.1.1机器学习的基本知识 12

3.1.2最优分类超平面 13

3.1.3支持向量机回归 14

3.1.4支持向量机分类 15

3.1.5核函数 16

3.2 在线函数拟合实现 17

3.2.1 LS-SVMlab工具箱介绍 17

3.2.2预测模型训练与实现 18

3.3本章小结 20

第四章. GUI界面设计及程序设计 21

4.1 应用软件概述 21

4.1.1 SQL Server软件简介 21

4.1.2 Matlab软件简介 21

4.2 Matlab与SQL Server之间的通讯设计 22

4.4 界面及功能设计 28

4.5生成可执行文件 31

4.6本章小结 31

第五章. 校验系统性能与分析 32

5.1 试验比对 32

5.2 试验分析 34

第六章. 总结与展望 35

6.1研究总结 35

6.2研究展望 35

参考文献 36

致谢 38

第一章. 绪论

1.1课题研究的背景与意义

人工智能无疑是当今社会最热门的话题之一，它是指通过计算机模拟出人的某些动作或者是思考问题的方式方法。人工智能领域包括多个方面：人语识别、大数据、图像处理、数据挖掘等。在科技日益发达的今天诸多智能产品包括计算机、机器人、手机等普及率的大幅度提升，我们的生活已经离不开人工智能的帮助。最广为人知的，当属谷歌的AlphaGo击败围棋名将李世石的新闻，人工智能在世界范围内获得了广泛的认可。越来越多的学者投入到人工智能的研究中去。

数据挖掘技术是人工智能领域的一个重要分支，当今人类在生活或是生产中的任何一个动作都会伴随着产生出大量的数据信息，通过对这些数据的挖掘分析运用建立每个事件的数学模型，可以更好的了解事物存在的特性，获得一定的规律变化。例如：通过对个人手机上网浏览的内容的数据分析，淘宝APP可以推荐出大量你所喜爱的商品，在这个过程当中人相当于一个独立的个体，这个独立的个体是由大量的数据堆积起来，由此商家可以更能看到顾客的消费心理，打破了传统的营销模式。未来的世界，数据将会起到重要的作用，越来越多的科技权威型企业将大数据、人工智能等新一代技术运用到她们的产品当中，如苹果公司的siri、小米公司的小米精灵、百度公司的百度大脑等，这些科技巨头利用自身的优势在悄无声息的推动着人类文明的发展[1]。

请支付后下载全文，论文总字数：22052字