首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于UKF神经网络子空间逼近的非线性动态过程演化建模
引用本文:李太福,侯杰,易军,辜小花,葛继科.基于UKF神经网络子空间逼近的非线性动态过程演化建模[J].应用基础与工程科学学报,2013,21(1):185-194.
作者姓名:李太福  侯杰  易军  辜小花  葛继科
作者单位:1. 重庆科技学院电气与信息工程学院,重庆,401331
2. 重庆大学自动化学院,重庆,400044
基金项目:国家自然科学基金,重庆市自然科学基金
摘    要:复杂化工过程建模对于工艺操作变量优化、指导技术决策具有重要意义,人工神经网络是其广泛采用的建模工具.但化工过程往往是复杂非线性动态系统,而描述其过程的神经网络模型往往是一个静态映射.没有考虑也很难考虑其操作变量与内部状态变量共同对目标性能的影响,从而导致依赖静态模型的技术决策效果不稳定.将静态过程模型看成是复杂非线性动态模型在操作变量子空间上的投影模型,为保证该投影模型实时逼近理想的非线性动态模型的精度,提出用Kalman滤波实时更新神经网络模型的权值,建立基于Kalman滤波神经网络子空间逼近的非线性动态工艺演化建模方法.鉴于扩展Kalman滤波的计算复杂性和精确性,采用无迹卡尔曼滤波刷新神经网络模型的权值.最后,把该方法应用于氢氰酸(HCN)工艺过程的动态演化建模试验,结果表明,该方法高精度地跟踪了非线性动态演化化工过程.因此,基于Kalman滤波神经网络子空间逼近的建模方法适用于非线性动态工艺演化建模.

关 键 词:工业过程建模  动态演化  子空间逼近  Kalman滤波  神经网络

Evolutional Modeling for Complex Nonlinear Dynamic Process Based on UKF & NN in Subspace Approximation
LI Taifu , HOU Jie , YI Jun , GU Xiaohua , GE Jike.Evolutional Modeling for Complex Nonlinear Dynamic Process Based on UKF & NN in Subspace Approximation[J].Journal of Basic Science and Engineering,2013,21(1):185-194.
Authors:LI Taifu  HOU Jie  YI Jun  GU Xiaohua  GE Jike
Institution:1(1.Department of Electrical and Information Engineering,Chongqing University of Science and Technology,Chongqing 401331,China;2.College of Automation,Chongqing University,Chongqing 400044,China)
Abstract:
Keywords:
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号