本文關鍵詞：工業(yè)過程多模型建模及辨識方法研究

  更多相關文章： 多工況過程 采樣延時 期望最大化(EM)算法 參數(shù)估計

【摘要】：針對實際的工業(yè)過程建模中存在的多工況和采樣延時這兩大重要數(shù)據(jù)特征,首先利用LPV模型擬合多工況過程,選取線性ARX模型作為LPV的局部模型;同時將采樣延時和數(shù)據(jù)的工況歸屬作為EM算法的隱含變量,然后對極大似然函數(shù)進行求解,辨識出各局部模型的參數(shù);最后采用高斯權重函數(shù)將局部ARX模型融合為整體LPV模型。采用連續(xù)攪拌反應釜和三級高純度精餾塔作為數(shù)據(jù)采樣延時情形下的多工況過程建模仿真實例,在建立過程模型的同時準確地估計數(shù)據(jù)的采樣延時。仿真結果表明該方法具有良好的建模效果,對于處理數(shù)據(jù)采樣延時的多工況工業(yè)過程建模問題具有非常實用的價值。
【作者單位】： 無錫職業(yè)技術學院物聯(lián)網技術學院;江南大學物聯(lián)網工程學院;
【關鍵詞】： 多工況過程 采樣延時 期望最大化(EM)算法 參數(shù)估計
【基金】：國家自然科學基金(No.61502204) 江蘇省產學研聯(lián)合創(chuàng)新資金—前瞻性聯(lián)合研究項目(No.BY2014023-25) 江蘇高校品牌專業(yè)建設工程資助項目(No.PPZY2015C240)
【分類號】：TQ019;TP391.9
【正文快照】： 1引言工業(yè)控制技術的進步,為實際工業(yè)生產過程平穩(wěn)地進行工況調整以滿足不同生產需求提供了便利[1]。工業(yè)過程在不同的工況點之間切換,使得傳統(tǒng)的建模方法在進行多工況建模時面臨著重大挑戰(zhàn)[2-4]。針對這一問題,目前已經出現(xiàn)了一些新的研究思路。李修亮等[5]對過程數(shù)據(jù)進行在

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 聶曉凱;陽春華;柴琴琴;桂衛(wèi)華;;氧化鋁蒸發(fā)的動態(tài)過程建模與仿真[J];化工自動化及儀表;2011年03期

2 ;[J];;年期

，

本文編號：1059379