針對(duì)三種類型化工過(guò)程的灰箱建模方法探討.pdf

1、在經(jīng)濟(jì)與科技高速發(fā)展的今天，化工行業(yè)對(duì)國(guó)家的發(fā)展仍然起著舉足輕重的作用。雖然自控技術(shù)在近幾十年取得了顯著的進(jìn)步并且在各行各業(yè)得到了很大的應(yīng)用，但是對(duì)存在參數(shù)未知、結(jié)構(gòu)未知及非線性嚴(yán)重且不易實(shí)現(xiàn)對(duì)象建模的化工過(guò)程進(jìn)行有效的控制仍然是一個(gè)難題。因此，為了實(shí)現(xiàn)化工過(guò)程對(duì)象的有效控制，實(shí)現(xiàn)生產(chǎn)效率的提高以及達(dá)到節(jié)能減排和資源有效利用等的生產(chǎn)要求，首先要解決的問(wèn)題就是如何合理的建立化工對(duì)象的模型。
　　 本文針對(duì)三種類型化工對(duì)象展開(kāi)建模，

2、即對(duì)象結(jié)構(gòu)已知而部分參數(shù)未知、對(duì)象結(jié)構(gòu)和參數(shù)均部分未知、對(duì)象結(jié)構(gòu)和參數(shù)均未知的情況。主要的灰箱建模思想是將回聲狀態(tài)網(wǎng)絡(luò)(ESN)、先驗(yàn)知識(shí)以及根據(jù)物理化學(xué)定律挖掘的反應(yīng)基元等元素進(jìn)行合理的結(jié)合，進(jìn)而實(shí)現(xiàn)化工對(duì)象的灰箱建模。此外，考慮到不同類型對(duì)象的特點(diǎn)，又利用了其他灰箱建模方法進(jìn)行了對(duì)象建模的探討。本文主要包含以下幾個(gè)方面內(nèi)容:
　　 1、提出了ESN的迭代改進(jìn)算法。分別將帶遺忘因子的遞推最小二乘(FFRLS)和無(wú)先導(dǎo)卡爾曼濾波

3、(UKF)用于ESN的權(quán)值訓(xùn)練。
　　 考慮到ESN是一種新型的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，具有很強(qiáng)的非線性逼近能力。此外，狀態(tài)池可以根據(jù)實(shí)際的需要進(jìn)行稀疏連接等。因此將ESN用于本文的灰箱建模當(dāng)中。但是ESN的傳統(tǒng)訓(xùn)練方法存在以下不足之處:首先所需訓(xùn)練樣本數(shù)據(jù)較大。其次由于訓(xùn)練是通過(guò)一次求逆得到的，所以在數(shù)據(jù)所構(gòu)成矩陣不可求逆等情況下，應(yīng)用此方法進(jìn)行權(quán)值的訓(xùn)練會(huì)受到限制。再次這樣的訓(xùn)練方法不能應(yīng)用于在線建模和辨識(shí)的地方，不利于建模方法的擴(kuò)展

4、。為了能夠很好的將ESN應(yīng)用于后續(xù)化工對(duì)象建模當(dāng)中，提高建模的精度和擴(kuò)展建模方法的應(yīng)用范圍。本文將FFRLS和UKF分別應(yīng)用于ESN輸出神經(jīng)元為線性和非線性函數(shù)的權(quán)值的訓(xùn)練中。通過(guò)對(duì)黑箱模型的訓(xùn)練仿真實(shí)驗(yàn)，說(shuō)明了上述方法對(duì)ESN訓(xùn)練不僅提高了建模精度、實(shí)現(xiàn)了在線更新，而且優(yōu)于ESN傳統(tǒng)的訓(xùn)練方法。
　　 2、針對(duì)結(jié)構(gòu)已知、參數(shù)部分未知的過(guò)程對(duì)象提出了，基于結(jié)構(gòu)和參數(shù)尋優(yōu)的灰箱建模方法、基于ESN和結(jié)構(gòu)逼近的灰箱建模方法以及基于黃

5、金分割的在線修正算法。
　　 基于結(jié)構(gòu)和參數(shù)尋優(yōu)的灰箱建模方法是一種利用NPSO算法和對(duì)象結(jié)構(gòu)相結(jié)合的灰箱建模方法。此方法在保持已知的機(jī)理結(jié)構(gòu)和參數(shù)的情況下，通過(guò)NPSO的全局搜索能力對(duì)模型的未知參數(shù)進(jìn)行尋優(yōu)搜索，進(jìn)而建立對(duì)象的灰箱模型。
　　 基于ESN和結(jié)構(gòu)逼近的灰箱建模方法:首先對(duì)于未知的參數(shù)進(jìn)行經(jīng)驗(yàn)給定。其次充分利用ESN的特點(diǎn)，將對(duì)象結(jié)構(gòu)和參數(shù)融入到狀態(tài)池內(nèi)，以實(shí)現(xiàn)結(jié)構(gòu)上逼近原型模型。最后通過(guò)訓(xùn)練模型的輸出權(quán)，

6、值彌補(bǔ)經(jīng)驗(yàn)參數(shù)給定造成的建模誤差。本文應(yīng)用上述改進(jìn)的訓(xùn)練方法完成對(duì)權(quán)值的訓(xùn)練。
　　 針對(duì)輸入信號(hào)超出其范圍，造成模型輸出誤差較大時(shí)，本文對(duì)已建灰箱模型的可測(cè)變量進(jìn)行實(shí)時(shí)監(jiān)測(cè)，當(dāng)出現(xiàn)較大偏差時(shí)，利用黃金分割法對(duì)關(guān)鍵參數(shù)進(jìn)行修正，進(jìn)而使模型輸出的誤差減小。
　　 3、針對(duì)結(jié)構(gòu)和參數(shù)均部分未知的過(guò)程對(duì)象，提出了基于迭代線性化和結(jié)構(gòu)逼近的灰箱建模方法、基于對(duì)數(shù)線性化的結(jié)構(gòu)及參數(shù)辨識(shí)的灰箱建模方法。
　　 基于迭代線性化

7、和結(jié)構(gòu)逼近的灰箱建模方法:首先通過(guò)迭代線性化的方法對(duì)對(duì)象的未知結(jié)構(gòu)部分進(jìn)行處理。其次將對(duì)象的已知結(jié)構(gòu)和處理過(guò)的部分融入到ESN的狀態(tài)池內(nèi)。最后利用FFRLS算法對(duì)ESN的狀態(tài)池內(nèi)權(quán)值進(jìn)行訓(xùn)練，進(jìn)而實(shí)現(xiàn)灰箱建模。
　　 基于對(duì)數(shù)線性化的結(jié)構(gòu)及參數(shù)辨識(shí)的灰箱建模方法:首先保留已知的結(jié)構(gòu)部分，對(duì)于未知的部分進(jìn)行對(duì)數(shù)線性化處理。其次利用FFRLS算法對(duì)結(jié)構(gòu)未知部分進(jìn)行辨識(shí)。最后利用FFRLS算法對(duì)于參數(shù)未知部分進(jìn)行辨識(shí)，進(jìn)而實(shí)現(xiàn)對(duì)象的灰