%0 Journal Article
%T 基于稳定Hammerstein模型的在线软测量建模方法及应用
%A 丛秋梅
%A 苑明哲
%A 王宏
%J 化工学报
%P 1378-1387
%D 2015
%R 10.11949/j.issn.0438-1157.20141210
%X 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。
%K Hammerstein模型
%K 在线建模
%K 软测量
%K 预测
%K 稳定学习
%K 污水处理过程
%K 稳定性
%U http://www.hgxb.com.cn/CN/abstract/abstract16961.shtml