化工学报
化工學報
화공학보
JOURNAL OF CHEMICAL INDUSY AND ENGINEERING (CHINA)
2013年
5期
1665-1673
,共9页
过程先验知识%递归神经网络%增广拉格朗日乘子法%粒子群-内点法优化算法%丙烯聚合反应过程
過程先驗知識%遞歸神經網絡%增廣拉格朗日乘子法%粒子群-內點法優化算法%丙烯聚閤反應過程
과정선험지식%체귀신경망락%증엄랍격랑일승자법%입자군-내점법우화산법%병희취합반응과정
大部分化工过程具有非线性特性,一般的线性建模方法难以有效应用.针对非线性化工过程动态建模,提出了一种基于过程先验知识的递归神经网络模型,充分发掘化工过程隐含的先验知识,并将这些先验知识以非线性约束的形式嵌入NARMAX结构的前馈神经网络中,同时基于增广拉格朗日乘子法约束处理机制,用PSO-IPOPT混合优化算法对过程先验知识递归神经网络权值进行优化.该过程先验知识递归神经网络模型对非线性化工过程动态建模,不仅有良好的建模精度和预测外推能力,而且能避免零增益的出现和增益反转,确保网络模型在实际应用中的安全性.文中以环管式丙烯聚合反应过程实际工业数据验证了所提网络模型的有效性.
大部分化工過程具有非線性特性,一般的線性建模方法難以有效應用.針對非線性化工過程動態建模,提齣瞭一種基于過程先驗知識的遞歸神經網絡模型,充分髮掘化工過程隱含的先驗知識,併將這些先驗知識以非線性約束的形式嵌入NARMAX結構的前饋神經網絡中,同時基于增廣拉格朗日乘子法約束處理機製,用PSO-IPOPT混閤優化算法對過程先驗知識遞歸神經網絡權值進行優化.該過程先驗知識遞歸神經網絡模型對非線性化工過程動態建模,不僅有良好的建模精度和預測外推能力,而且能避免零增益的齣現和增益反轉,確保網絡模型在實際應用中的安全性.文中以環管式丙烯聚閤反應過程實際工業數據驗證瞭所提網絡模型的有效性.
대부분화공과정구유비선성특성,일반적선성건모방법난이유효응용.침대비선성화공과정동태건모,제출료일충기우과정선험지식적체귀신경망락모형,충분발굴화공과정은함적선험지식,병장저사선험지식이비선성약속적형식감입NARMAX결구적전궤신경망락중,동시기우증엄랍격랑일승자법약속처리궤제,용PSO-IPOPT혼합우화산법대과정선험지식체귀신경망락권치진행우화.해과정선험지식체귀신경망락모형대비선성화공과정동태건모,불부유량호적건모정도화예측외추능력,이차능피면령증익적출현화증익반전,학보망락모형재실제응용중적안전성.문중이배관식병희취합반응과정실제공업수거험증료소제망락모형적유효성.
