控制理论与应用

作者：孙凯,隋璘,张芳芳,杨根科

单位：齐鲁工业大学(山东省科学院）,齐鲁工业大学(山东省科学院）,齐鲁工业大学(山东省科学院）,上海交通大学

关键词：神经网络; 软测量; 长短期记忆; 动态建模; 变量选择; 模型简化

基金：山东省自然科学基金项目(ZR2021MF022), 国家重点研发计划项目(2019YFB1705702, 2020YFB1711204), 山东省重点研发计划项目(公益类专 项)(2019GGX104037)资助.

现代工业过程建模中, 生产过程的多变量、非线性及动态性会导致模型复杂度增高且建模精度降低. 针对这一问题, 将非负绞杀算法(NNG)嵌入长短期记忆(LSTM)神经网络, 提出一种基于LSTM神经网络及其输入变量选择的动态软测量算法. 首先, 通过参数优化生成训练好的LSTM神经网络, 利用其出色的历史信息记忆能力处理工业过程中的动态、时滞等问题; 其次, 采用NNG算法对LSTM网络输入权重进行压缩, 剔除冗余变量, 提高模型精度,并采用网格搜索法与分块交叉验证对其超参数寻优; 最后, 将算法应用于某火电厂脱硫过程排放烟气SO2浓度软测量建模, 并与其它先进算法进行性能比较. 实验结果表明所提算法能有效剔除冗余变量, 降低模型复杂度并提高其预测性能.

来源：2023年第1期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2023年第1期