基于即时学习的间歇过程复合模型  

Complex Model for Batch Process Based on Just-in-Time Learning

作　　者：付钊[1] 贾立[1] 

机构地区：[1]上海大学机电工程与自动化学院,上海市电站自动化重点实验室,上海200072

出　　处：《上海交通大学学报》2016年第6期937-942,948,共7页Journal of Shanghai Jiaotong University

基　　金：国家自然科学基金项目(61374044);上海市科委国际合作项目(12510709400);上海市教委创新重点项目(14ZZ088);2013年度上海市人才发展基金项目(201310)资助

摘　　要：通过传统的即时学习(JITL)方法建立间歇过程复合的线性化模型,利用一个具有5层结构的神经模糊模型(NFM)对局部模型的输出误差特性进行分析,建立模型输入与输出误差之间的非线性映射关系,并通过对模型的预测输出进行误差补偿来提高模型精度.仿真结果表明,所提出的基于JITL的间歇过程复合模型相对于传统JITL模型具有更高的精度和更强的噪声抑制能力.A local model was built based on just-in-time learning（JITL）to get a raw predict of the process.A neuro-fuzzy model（NFM）system was built to learn the characteristics of prediction error of JITL.With the error compensation of the NFM,JITL can get a higher modeling accuracy.Simulation results demonstrate that the proposed complex model for batch process has a better modeling precision and noise suppression ability.

关 键 词：间歇过程 即时学习 神经模糊模型 误差补偿 线性化 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]