多时间尺度下依据深度学习的前馈扰动预测

• 作者: 宋震 李俊良 周萌 刘贵强
• 来源期刊: 机械科学与技术
• 关键词: 过程控制 前馈系统扰动预测 LSTM 多时间尺度 峭度
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 598-603
• 页数: 6页
• 分类号: TQ056.8
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20200095

摘要

为加强过程自动化控制中前馈控制系统的稳定性与可靠性,降低控制过程中时滞的影响.提出一种基于LSTM深度学习网络组合多时间尺度对扰动信号进行预测的方法,在考虑精度的同时也注重预测误差波动对系统产生的冲击.预测结果显示均方根误差(RMSE)在0.001 3 ～ 0.0074之间,满足的工程实际要求.其次使用峭度来评定预测误差序列在各时刻的变化波动.最后保证预测精度满足工程要求的同时,通过组合时间尺度的方法来调整预测误差序列在各阶段冲击波动变化,使其在具体的工程应用中达到更优的控制效率与更低的风险.