Gamma Test噪声估计的Kalman神经网络在动态工业过程建模中的应用.pdfVIP

第 50卷第 18期 机 械 工 程 学 报 VO1．5O NO．18 2014 年 9 月 JOI NALOFMECHANICALENGINEER／NG Sep． 20 14 DoI： l0．3901／JM E．2014．18．029 GammaTest噪声估计的Kalman神经网络在动态 工业过程建模 中的应用冰 李太福 侯 杰2 姚立忠 易 军 辜小花 游勇涛 (1．重庆科技学院电气与信息工程学院 重庆 401331； 2．大连理工大学控制科学与工程学院 大连 116024； 3．重庆大学 自动化学院 重庆 4000441 摘要：Kalman神经网络以其 良好的白适应非线性逼近能力，被广泛用于复杂非线性动态工业过程建模。传统噪声估计方法 难 以得到观测噪声不确定动态工业过程的噪声估计值，因而常将观测噪声估计值置零以进行 Kalman神经网络建模，影响 Kalman神经网络的建模效果，限制了Kalman神经网络在观测噪声不确定动态工业过程建模中的应用 。有效利用观测输入输 出数据，提出样本有效噪声估计(Gammatest，GT)改进的Kalman神经网络建模方法。采用衰减记忆的GT对输入输出数据进 行实时估计，得到准确的观测噪声估计值，再利用Kalman神经网络实现精确建模。验证结果表明，该方法对EKF神经网络 模型和 UKF神经网络模型均有很好的改善作用 ，有效解决观测噪声不确定引起的Kalman神经网络模型发散问题，为采用 Kalman神经网络建立噪声不确定动态工业过程的精确模型提供了一条有效途径。 关键词：卡尔曼滤波；神经网络；观测噪声；动态工业过程建模 中图分类号：TP183 KalmanArtificialNeuralNetworkwithM easurableNoiseEstimationby GammaTestforDynamicIndustrialProcessM odeling LITaifu HOU Jie YAOLizhong YIJun GU Xiaohua YOUYongtao (1．DepartmentofElectricalandInformationEngineering， ChongqingUniversityofScienceandTechnology,Chongqing401331； 2．SchoolofControlScienceandEngineering，DalianUniversiytofTechnology,Dalian116024； 3．CollegeofAutomation，ChongqingUniversiyt,Chongqing400044) Abstract：Kalmanfilterneuralnetwork(KFNN)havebeenwidelyusedinmodelingforcomplexindustrialprocess，becausemey haveabilitiestoadaptiveapproximatethenonlinearanddynamicpropertiesoftheprocess．However,theperformancesofKFNN will divergebecauseitcan’tgetaccuratestatisticsofunmeasurablenoisebytraditionalnoiseestimationmethods．A new KFNN with gammatest(GT)isproposedforindustrialprocessmodelingwiththeunmeasurablenoise．Themovingwindowideaisintroducedto GTalgorithm，andhteimprovedGTisusedtotrackhtechangesofhteobservablenoisecovarianceinrealtimebecauseitCna get