文献类型：期刊文章

作　　者：丁伟[1] 姚立忠[2,1] 龙伟[1] 李炎炎[1]

DING Wei;YAO Li-Zhong;LONG Wei;LI Yan-Yan(School of Mechanical Engineering,Sichuan University,Chengdu 610065,China;School of Electrical Engineering,Chongqing University of Science&Technology,Chongqing 401331,China)

机构地区：[1]四川大学机械工程学院,成都610065 [2]重庆科技学院电气工程学院,重庆401331

出　　处：《四川大学学报（自然科学版）》

基　　金：国家自然科学基金(51805059);重庆市基础研究与前沿探索项目(cstc2018jcyjAX0350)。

年　　份：2021

卷　　号：58

期　　号：3

起止页码：98-104

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对铝电解过程中噪声密集、分布类型未知且参数特征高维而导致建模精度不佳的问题,提出一种基于自适应MCMC采样的新型无迹粒子滤波神经网络(AMCMC-UPFNN)建模方法.该方法首先利用无迹变换(UT)中κ参数的平方项代替UPFNN算法中对应的常规项,避免因维数过高而导致UT矩阵出现非正定情况,保证UPFNN中Sigma点采样的合理性;然后,在传统MCMC方法基础上引入自适应采样策略来保持粒子的多样性,使所建立概率密度分布更接近真实分布;最后,与相关建模方法开展铝电解工业应用验证实验.结果表明,AMCMC-UPFNN模型预测精度的相对误差百分比不超过1%,取得了比PFNN、UPFNN和MCMC-UPFNN更优的性能指标.

关 键 词：马尔科夫链蒙特卡洛  无迹粒子滤波  铝电解 神经网络  能耗建模

分 类 号：N945.12]