CAJ | 학술논문

复杂化工过程建模对于工艺操作变量优化、指导技术决策具有重要意义,人工神经网络是其广泛采用的建模工具.但化工过程往往是复杂非线性动态系统,而描述其过程的神经网络模型往往是一个静态映射.没有考虑也很难考虑其操作变量与内部状态变量共同对目标性能的影响,从而导致依赖静态模型的技术决策效果不稳定.将静态过程模型看成是复杂非线性动态模型在操作变量子空间上的投影模型,为保证该投影模型实时逼近理想的非线性动态模型的精度,提出用Kalman滤波实时更新神经网络模型的权值,建立基于Kalman滤波神经网络子空间逼近的非线性动态工艺演化建模方法.鉴于扩展Kalman滤波的计算复杂性和精确性,采用无迹卡尔曼滤波刷新神经网络模型的权值.最后,把该方法应用于氢氰酸(HCN)工艺过程的动态演化建模试验,结果表明,该方法高精度地跟踪了非线性动态演化化工过程.因此,基于Kalman滤波神经网络子空间逼近的建模方法适用于非线性动态工艺演化建模.
복잡화공과정건모대우공예조작변량우화、지도기술결책구유중요의의,인공신경망락시기엄범채용적건모공구.단화공과정왕왕시복잡비선성동태계통,이묘술기과정적신경망락모형왕왕시일개정태영사.몰유고필야흔난고필기조작변량여내부상태변량공동대목표성능적영향,종이도치의뢰정태모형적기술결책효과불은정.장정태과정모형간성시복잡비선성동태모형재조작변양자공간상적투영모형,위보증해투영모형실시핍근이상적비선성동태모형적정도,제출용Kalman려파실시경신신경망락모형적권치,건립기우Kalman려파신경망락자공간핍근적비선성동태공예연화건모방법.감우확전Kalman려파적계산복잡성화정학성,채용무적잡이만려파쇄신신경망락모형적권치.최후,파해방법응용우경청산(HCN)공예과정적동태연화건모시험,결과표명,해방법고정도지근종료비선성동태연화화공과정.인차,기우Kalman려파신경망락자공간핍근적건모방법괄용우비선성동태공예연화건모.