控制与决策

作者：熊伟丽,孙文心,马君霞

单位：江南大学轻工过程先进控制教育部重点实验室，江苏无锡214122;江南大学物联网工程学院，江苏无锡214122,,江南大学物联网工程学院，江苏无锡214122,,江南大学物联网工程学院，江苏无锡214122,

关键词：动态软测量建模;神经网络;NARX模型;多步预测

基金：国家自然科学基金项目(61773182, 61702228)；国家重点研发计划子课题(2018YFC1603705-03).

非线性带外输入自回归模型(NARX)在进行预测估计时依赖于主导变量的实时测量,因此在实际工业过程中存在一定的实施难度.针对该问题,利用神经网络构造一种新型NARX动态软测量模型,当工业过程无法及时提供上时刻主导变量测量值时,能通过多步预测方法来确保主导变量的实时预测,通过设计模型结构来降低预测序列的自相关性,从而抑制由多步估计造成的累积误差,以适当降低单步预测精度为代价,使模型在主导变量检测时间长、采样周期长、测量存在噪声的工业场合下得到更好的预测效果.通过数学分析和脱丁烷塔数据仿真实验验证了所构建模型的有效性.

来源：2020年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2020年第4期