文献类型：期刊文章

作　　者：邱禹[1] 刘乙奇[1,2] 吴菁[1] 黄道平[1]

QIU Yu;LIU Yiqi;WU Jing;HUANG Daoping(School of Automation Science and Engineering,South China University of Technology,Guangzhou 510640,Guangdong,China;Shenyang Institute of Automation,Guangzhou,Chinese Academy of Sciences,Guangzhou 511458,Guangdong,China)

机构地区：[1]华南理工大学自动化科学与工程学院,广东广州510640 [2]广州中国科学院沈阳自动化研究所分所,广东广州511458

出　　处：《化工学报》

基　　金：国家自然科学基金项目(61673181;61533002);广东省自然科学基金项目(2015A030313225);广东省科技计划项目(2016A020221007)~~

年　　份：2018

卷　　号：69

期　　号：7

起止页码：3101-3113

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在污水处理运行过程中,多个重要的难测过程变量的存在,不仅妨碍了生产过程的监控,而且阻碍了过程控制策略的调整或优化。即使软测量模型得到合理的构建,在投入运行后仍然遭受性能的退化和同时带来的高昂的维护成本。此外,合适辅助变量的选取直接影响后续建模的效果。因此,文中提出了一种基于深层神经网络的多输出自适应软测量模型,用于污水处理过程中多个目标变量的同步在线预测。其中,深层神经网络基于一种栈式自编码而构建,在极端复杂场景下具有优异的在线预测性能;并在建模中引入时差建模和变量重要性投影(VIP)这两种算法,以应对性能退化问题和实现辅助变量的精选。最后,通过一个实际案例对所提出模型进行验证。结果表明,所提出的软测量模型不仅具有较好的多输出预测性能,且在单目标预测结果上也有不错的表现。

关 键 词：污水 软测量 神经网络 多输出 预测  时差建模  变量重要性投影  

分 类 号：TP277]