文献类型：期刊文章

作　　者：丛秋梅[1,2] 苑明哲[1] 柴天佑[3,4] 王宏[1,5]

机构地区：[1]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,辽宁沈阳110016 [2]辽宁石油化工大学信息与控制工程学院,辽宁抚顺113001 [3]东北大学自动化研究中心,辽宁沈阳110819 [4]东北大学流程工业综合自动化国家重点实验室,辽宁沈阳110819 [5]沈阳中科博微自动化有限公司,辽宁沈阳110179

出　　处：《控制理论与应用》

基　　金：国家重点基础研究发展计划资助项目(2009CB320601);创新引智计划("111"计划)资助项目(B08015);国家自然科学基金资助项目(61034008;61004051);中国博士后科学基金面上资助项目(2013M530953)

年　　份：2013

卷　　号：30

期　　号：6

起止页码：773-780

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对运行工况频繁波动、单一模型难以描述过程特性的问题,提出了带有工况中心修正的多模型在线建模方案,包括工况识别机制、局部模型、多模型合成机制.工况识别机制根据工况特征变量分析工况范围,由相近度修正工况中心;局部模型采用Hammerstein模型,非线性增益由带有稳定学习算法的小波神经网络建立,线性模型由带控制量的自回归模型(ARX)建立;多模型合成机制采用加权求和方法.在线修正工况中心可反映工况的时间变化特性,参数稳定学习算法改善了模型精度和自适应能力.采用此方法建立污水处理过程化学需氧量(COD)软测量模型,结果表明,模型在工况大范围变化时仍具有满意预测效果.

关 键 词：工况  多模型  建模  稳定学习  污水处理过程

分 类 号：TP273]