文献类型：期刊文章

作　　者：丛秋梅[1,2,3] 苑明哲[2,3] 王宏[2,3,4]

机构地区：[1]辽宁石油化工大学信息与控制工程学院,辽宁抚顺113001 [2]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 [3]中国科学院院重点实验室网络化控制系统重点实验室,辽宁沈阳110016 [4]沈阳中科博微自动化有限公司,辽宁沈阳110179

出　　处：《化工学报》

基　　金：国家自然科学基金项目(61034008);中国博士后科学基金项目(2013M530953);中国科学院网络化控制系统重点实验室自主课题(WLHKZ2014005)~~

年　　份：2015

卷　　号：66

期　　号：4

起止页码：1380-1387

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号：20151800797562)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

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

分 类 号：TP391.9]