基于SCKF的Elman递归神经网络在软测量建模中的应用

被引：19

作者：

李军

桑桦

机构：

[1] 兰州交通大学自动化与电气工程学院

来源：

信息与控制 | 2017年 / 46卷 / 03期

关键词：

平方根容积卡尔曼滤波; 递归神经网络; 软测量; 建模;

D O I：

10.13976/j.cnki.xk.2017.0342

中图分类号：

TP183 [人工神经网络与计算]; TQ02 [化工过程（物理过程及物理化学过程）];

学科分类号：

080706 [化工过程机械]; 140502 [人工智能];

摘要：

针对具有强非线性、复杂的化工过程软测量建模,提出一种基于平方根容积卡尔曼滤波(SCKF)的递归神经网络方法.基于Elman递归神经网络,首先构建状态空间模型,然后应用SCKF算法进行训练,所有网络的权值将作为系统的状态进行更新.容积卡尔曼滤波(CKF)通过三阶Spherical-Radial容积准则生成容积点,利用容积点逼近状态的后验分布,使得高维非线性滤波中的多变量积分数值求解成为可能.在CKF的基础上,SCKF采用预测及后验误差协方差矩阵的平方根因子进行递推运算,进一步改进了算法的数值稳定性.将该方法应用于脱丁烷塔底部丁烷组分含量以及硫回收装置尾气中SO2和H2S含量的软测量动态建模实例中,在同等条件下,还与基于EKF、SCKF的前馈神经网络,基于EKF的递归神经网络等其它方法对比.结果表明,本文的方法能够获得很好的建模精度,显示出其有效性.

引用

页码：342 / 349+357 +357

页数：9

共 12 条

[1]

一种基于EGMM的高斯过程回归软测量建模 [J].

熊伟丽 ;

张伟 ;

徐保国 .

信息与控制, 2016, 45 (01) :14-19

[2]

基于容积卡尔曼滤波的神经网络训练算法 [J].

胡振涛 ;

袁光耀 ;

胡玉梅 ;

刘先省 .

控制与决策, 2016, 31 (02) :355-360

[3]

局部加权混合核偏最小二乘算法及其在软测量中的应用 [J].

孙茂伟 ;

杨慧中 .

信息与控制, 2015, 44 (04) :481-486

[4]

基于泄漏积分型回声状态网络的软测量动态建模方法及应用 [J].

李军 ;

岳文琦 .

化工学报, 2014, 65 (10) :4004-4014

[5]

带有稳定学习的递归神经网络动态偏最小二乘建模 [J].

王魏 ;

柴天佑 ;

赵立杰 .

控制理论与应用, 2012, 29 (03) :337-341

[6]

基于贝叶斯网络的软测量建模方法 [J].

李雅芹 ;

周开武 ;

杨慧中 .

计算机与应用化学, 2010, 27 (10) :1391-1394

[7]

Online soft sensor design using local partial least squares models with adaptive process state partition.[J].Weiming Shao;Xuemin Tian;Ping Wang;Xiaogang Deng;Sheng Chen.Chemometrics and Intelligent Laboratory Systems.2015,

[8]

Novel cubature Kalman filtering for systems involving nonlinear states and linear measurements [J].

Wang, Shiyuan ;

Feng, Jiuchao ;

Tse, Chi K. .

AEU-INTERNATIONAL JOURNAL OF ELECTRONICS AND COMMUNICATIONS, 2015, 69 (01) :314-320

[9]

Review of adaptation mechanisms for data-driven soft sensors.[J]..Computers and Chemical Engineering.2010, 1

[10]

A systematic approach for soft sensor development.[J]..Computers and Chemical Engineering.2006, 5

← 1 2 →