文献类型：期刊文章

作　　者：李太福[1] 姚立忠[2] 易军[1] 胡文金[1] 苏盈盈[1] 贾威[2]

机构地区：[1]重庆科技学院电气与信息工程学院,重庆401331 [2]西安石油大学电子工程学院,西安710065

出　　处：《自动化学报》

基　　金：国家自然科学基金(51075418;51374268;61174015);重庆市自然科学基金(CSTC2012JJA1475);重庆市教委科学技术研究项目(KJ121410);重庆科技学院校内科研基金(CK2011B04;CK2011Z01)资助~~

年　　份：2014

卷　　号：40

期　　号：3

起止页码：522-530

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD2013_2014、EI(收录号：20141517560340)、IC、INSPEC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：铝电解过程具有多变量、强耦合、强干扰、参数时变等特征,故其模型开发是一个技术难点.根据该过程的特点,本文提出强跟踪平方根无迹Kalman神经网络(Strong tracking square root unscented Kalman filter neural network,STR UKFNN),并用其建立铝电解槽工艺能耗的动态演化模型.该方法利用误差协方差矩阵的平方根代替UKFNN算法中的协方差阵,避免误差协方差矩阵可能出现负定而导致滤波发散,并在UKFNN算法中引入渐消因子和弱化因子,实时调整滤波增益,提高模型收敛速度和其对突变状态的跟踪能力.通过某铝厂170kA预焙槽的日报样本验证表明,该方法提高了能耗模型的精度和对电解槽突变状态的实时跟踪能力,有助于指导铝电解过程操作参数的优化.

关 键 词：铝电解 无迹卡尔曼滤波 神经网络 强跟踪滤波  动态演化建模  

分 类 号：TF821]