基于平方根无迹卡尔曼神经网络的铝电解工耗模型
铝电解过程中传统机理建模及静态建模等方法难以建立精确过程模型.采用平方根无迹卡尔曼神经网络算法构建铝电解工耗模型.无迹卡尔曼神经网络滤波与平方根滤波理论相结合,改进无迹卡尔曼神经网络滤波算法,利用协方差矩阵的平方根代替无迹卡尔曼算法中的协方差矩阵参与递推运算,解决铝电解建模过程中出现误差协方差矩阵非正定型而导致滤波发散的问题,并且提高了模型的自适应能力和精确度.通过对某铝厂出铝情况的日报样本进行验证,对比神经网络模型和无迹卡尔曼神经网络模型,平方根无迹卡尔曼神经网络提高了铝电解工耗模型精度和可靠性,表明了该方法的有效性、先进性和可靠性.
铝电解 工耗模型 协方差矩阵 神经网络 平方根滤波
石欣 秦鹏杰
重庆大学自动化学院 重庆 400044
国内会议
南京
中文
7-15
2016-10-01（万方平台首次上网日期，不代表论文的发表时间）