摘要

针对复杂工业过程的指标预报问题,本文提出一种基于数据的非线性系统平滑交替辨识算法.交替辨识算法将系统的输入输出模型在工作点附近展开为线性模型和高阶非线性模型,然后交替更新线性模型参数和非线性模型参数,其中对于线性模型采用最小二乘辨识方法,对于高阶非线性模型采用长短期记忆网络进行建模.所提方法的创新之处在于,对于实际系统中的噪声易导致线性部分辨识参数震荡的问题,引入平滑因子来抑制震荡,提高预测模型的稳定性能;在非线性部分则引入压缩因子来调节在辨识过程中非线性部分的权重,总体上提高了预报的准确性.通过数值仿真验证了所提算法的性能,并与其他方法进行了对比实验,结果表明所提算法能够有效抑制辨识过程中的参数震荡,并且取得更好的辨识精度.

  • 单位
    东北大学; 流程工业综合自动化国家重点实验室