基于稳定Hammerstein模型的在线软测量建模方法及应用

• 作者: 丛秋梅 王宏 苑明哲
• 来源期刊: 化工学报
• 关键词: Hammerstein模型 在线建模 软测量 预测 稳定学习 污水处理过程 稳定性
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 过程系统工程
• 页码范围: 1380-1387
• 页数: 8页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20141210

摘要

针对复杂工业过程中由于存在未建模动态和不确定干扰，导致关键变量的软测量精度下降的问题，提出了一种基于稳定Hammerstein模型(H模型)的在线软测量建模方法。H模型的非线性增益采用带有时变稳定学习算法的小波神经网络模型，线性系统部分采用基于递推最小二乘的 ARX 模型，基于输入到状态稳定性理论证明了 H模型辨识误差的有界性。其中小波神经网络具有表征强非线性的特性，稳定学习算法可抑制未建模动态和不确定干扰的影响，改善了模型的预测精度和自适应能力。以典型非线性系统和实际污水处理过程为例进行了仿真研究，结果表明，基于稳定H模型的软测量方法具有较高的在线软测量精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苑明哲	中国科学院沈阳自动化研究所信息服务与智能控制技术研究室	60	782	16.0	25.0
5	丛秋梅	辽宁石油化工大学信息与控制工程学院	10	44	4.0	6.0