基于即时学习的间歇过程复合模型

付钊; 贾立

doi:10.16183/j.cnki.jsjtu.2016.06.020

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.

关键词： 间歇过程, 即时学习, 神经模糊模型, 误差补偿, 线性化

本文引用格式

付钊 , 贾立 . 基于即时学习的间歇过程复合模型[J]. 上海交通大学学报, 2016 , 50(6) : 937 -942 . DOI: 10.16183/j.cnki.jsjtu.2016.06.020

Abstract

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.

Key words： 间歇过程, 即时学习, 神经模糊模型, 误差补偿, 线性化

模态框（Modal）标题

摘要

本文引用格式

Abstract