华南理工大学学报(自然科学版)

作者：方港, 袁珑华, 王晓明, 等

单位：1.华南理工大学 自动化科学与工程学院/自主系统与网络控制教育部重点实验室，广东 广州 510640；2.华南理工大学 未来技术学院，广东 广州 511442；3.广州工业智能研究院，广东 广州 511458；4.广西科技大学 广西汽车零部件与整车技术重点实验室，广西 柳州 545036；5.华南理工大学 广东省无人机系统工程技术研究中心，广东 广州 510640

关键词：软测量,集合卡尔曼滤波,Elman神经网络,污水处理

基金：国家自然科学基金资助项目(62273151);广东省基础与应用基础研究基金资助项目(2021B1515420003);广东省国际合作基金资助项目(2020A0505100024)

污水处理系统是一个复杂的非线性、大时延的动态系统，由于工艺的复杂性、检测设备的不完备性以及经济成本的限制，一些重要的出水指标无法实现精准的检测。为解决此问题，文中提出了基于集合卡尔曼-Elman网络的软测量方法。传统动态神经网络具有能够处理时延信息数据的动态记忆能力，可用于基于数据驱动的软测量建模过程。但是，常规训练方法容易使神经网络陷入局部最小值，导致模型预测性能欠佳。鉴于此，文中引入集合卡尔曼滤波技术和对偶有限样本集合卡尔曼技术对典型的动态神经网络——Elman神经网络进行无梯度训练，构建新型软传感器模型，不仅有效提高了传统Elman神经网络的预测能力，而且提供了一种简单、无梯度的神经网络训练方法。将该方法在加州大学欧文分校的污水处理数据（UCI数据）上进行验证，结果表明，文中方法具有较好的预测性能，集合卡尔曼滤波技术可作为一种无梯度的替代方法来训练神经网络。

来源：2023年第8期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2023年第8期