針對三種類型化工過程的灰箱建模方法探討.pdf

1、在經(jīng)濟與科技高速發(fā)展的今天，化工行業(yè)對國家的發(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步并且在各行各業(yè)得到了很大的應(yīng)用，但是對存在參數(shù)未知、結(jié)構(gòu)未知及非線性嚴(yán)重且不易實現(xiàn)對象建模的化工過程進行有效的控制仍然是一個難題。因此，為了實現(xiàn)化工過程對象的有效控制，實現(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，首先要解決的問題就是如何合理的建立化工對象的模型。
　　 本文針對三種類型化工對象展開建模，

2、即對象結(jié)構(gòu)已知而部分參數(shù)未知、對象結(jié)構(gòu)和參數(shù)均部分未知、對象結(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)、先驗知識以及根據(jù)物理化學(xué)定律挖掘的反應(yīng)基元等元素進行合理的結(jié)合，進而實現(xiàn)化工對象的灰箱建模。此外，考慮到不同類型對象的特點，又利用了其他灰箱建模方法進行了對象建模的探討。本文主要包含以下幾個方面內(nèi)容:
　　 1、提出了ESN的迭代改進算法。分別將帶遺忘因子的遞推最小二乘(FFRLS)和無先導(dǎo)卡爾曼濾波

3、(UKF)用于ESN的權(quán)值訓(xùn)練。
　　 考慮到ESN是一種新型的動態(tài)神經(jīng)網(wǎng)絡(luò)，具有很強的非線性逼近能力。此外，狀態(tài)池可以根據(jù)實際的需要進行稀疏連接等。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)用此方法進行權(quán)值的訓(xùn)練會受到限制。再次這樣的訓(xùn)練方法不能應(yīng)用于在線建模和辨識的地方，不利于建模方法的擴展

4、。為了能夠很好的將ESN應(yīng)用于后續(xù)化工對象建模當(dāng)中，提高建模的精度和擴展建模方法的應(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。通過對黑箱模型的訓(xùn)練仿真實驗，說明了上述方法對ESN訓(xùn)練不僅提高了建模精度、實現(xiàn)了在線更新，而且優(yōu)于ESN傳統(tǒng)的訓(xùn)練方法。
　　 2、針對結(jié)構(gòu)已知、參數(shù)部分未知的過程對象提出了，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理結(jié)構(gòu)和參數(shù)的情況下，通過NPSO的全局搜索能力對模型的未知參數(shù)進行尋優(yōu)搜索，進而建立對象的灰箱模型。
　　 基于ESN和結(jié)構(gòu)逼近的灰箱建模方法:首先對于未知的參數(shù)進行經(jīng)驗給定。其次充分利用ESN的特點，將對象結(jié)構(gòu)和參數(shù)融入到狀態(tài)池內(nèi)，以實現(xiàn)結(jié)構(gòu)上逼近原型模型。最后通過訓(xùn)練模型的輸出權(quán)，

6、值彌補經(jīng)驗參數(shù)給定造成的建模誤差。本文應(yīng)用上述改進的訓(xùn)練方法完成對權(quán)值的訓(xùn)練。
　　 針對輸入信號超出其范圍，造成模型輸出誤差較大時，本文對已建灰箱模型的可測變量進行實時監(jiān)測，當(dāng)出現(xiàn)較大偏差時，利用黃金分割法對關(guān)鍵參數(shù)進行修正，進而使模型輸出的誤差減小。
　　 3、針對結(jié)構(gòu)和參數(shù)均部分未知的過程對象，提出了基于迭代線性化和結(jié)構(gòu)逼近的灰箱建模方法、基于對數(shù)線性化的結(jié)構(gòu)及參數(shù)辨識的灰箱建模方法。
　　 基于迭代線性化

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