神經(jīng)網(wǎng)絡(luò)逆軟測(cè)量模型優(yōu)化方法與應(yīng)用.pdf

1、在各類復(fù)雜非線性系統(tǒng)中通常含有一些難以直接測(cè)量的系統(tǒng)關(guān)鍵變量。神經(jīng)網(wǎng)絡(luò)逆軟測(cè)量方法作為一種新型的狀態(tài)估計(jì)方法，兼具嚴(yán)格的理論基礎(chǔ)和良好的非線性逼近功能，為關(guān)鍵變量不可測(cè)的非線性系統(tǒng)的控制提供了思路。然而在實(shí)際應(yīng)用中，使用該方法建模仍存在一些問題，如當(dāng)系統(tǒng)模型復(fù)雜或未知時(shí)，逆軟測(cè)量模型難以構(gòu)建;以及對(duì)于可測(cè)變量豐富的系統(tǒng)，“內(nèi)含傳感器”逆軟測(cè)量模型不唯一。這些問題直接影響了逆軟測(cè)量方法的檢測(cè)精度和適用范圍。為此本文利用基于平均影響值的神經(jīng)

2、網(wǎng)絡(luò)變量選擇方法(neural network-mean impact value，NN-MIV)以及偏最小二乘法中的變量投影重要性指標(biāo)(partial least squares-variable importance in projection，PLS-VIP)方法對(duì)神經(jīng)網(wǎng)絡(luò)逆軟測(cè)量方法進(jìn)行改進(jìn)和優(yōu)化，并分別應(yīng)用于感應(yīng)電機(jī)、紅霉素發(fā)酵過程以及人體血糖中，具體研究工作如下:
　　1.給出了一種神經(jīng)網(wǎng)絡(luò)逆軟測(cè)量模型的原理和構(gòu)建方法

3、，通過分析模型的可逆性，構(gòu)建其“內(nèi)含傳感器”和“內(nèi)含傳感器”逆的模型，并用神經(jīng)網(wǎng)絡(luò)和微分器實(shí)現(xiàn)“內(nèi)含傳感器”逆。將其應(yīng)用于逆模型唯一的感應(yīng)電機(jī)系統(tǒng)中，仿真結(jié)果驗(yàn)證了該方法的可行性。
　　2.將變量篩選方法與神經(jīng)網(wǎng)絡(luò)逆軟測(cè)量方法相結(jié)合，提出了一種基于NN-MIV變量篩選方法的逆軟測(cè)量模型，篩選出最優(yōu)的輔助變量，構(gòu)建最優(yōu)的軟測(cè)量模型。將其應(yīng)用于逆模型不唯一的紅霉素發(fā)酵過程中，實(shí)驗(yàn)結(jié)果顯示了所提方法的優(yōu)越性。
　　3.針對(duì)一些復(fù)雜