%0 Journal Article
%T 带有稳定学习的递归神经网络动态偏最小二乘建模
%A 王魏
%A 柴天佑
%A 赵立杰
%J 控制理论与应用
%D 2012
%R 10.7641/j.issn.1000-8152.2012.3.CCTA101170
%X 针对目前非线性动态偏最小二乘(PLS)建模方法在拟合较强非线性化工过程时存在的问题,提出一种基于稳定学习的递归神经网络动态PLS建模方法.该算法将递归神经网络与Hammerstein模型相结合,对外部PLS提取的特征向量进行内部建模,具有逼近较强非线性化工过程的能力,改善了模型的适用范围.此外,采用带有稳定学习的参数更新算法对模型参数进行在线修正,改善了模型的预测精度和自适应能力.将此方法应用于氧化铝生产过程铝酸钠溶液组分浓度建模实验,仿真结果表明,本方法是可行有效的.
%K 偏最小二乘
%K 递归神经网络
%K Hammerstein模型
%K 软测量
%U http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA101170&flag=1