基于SCKF的Elman递归神经网络在软测量建模中的应用

来源：信息与控制杂志2017年第3期北京时间：

作者：李军, 桑桦

摘要：针对具有强非线性、复杂的化工过程软测量建模，提出一种基于平方根容积卡尔曼滤波（SCKF）的递归神经网络方法.基于Elman递归神经网络，首先构建状态空间模型，然后应用SCKF算法进行训练，所有网络的权值将作为系统的状态进行更新.容积卡尔曼滤波（CKF）通过三阶Spherical-Radial容积准则生成容积点，利用容积点逼近状态的后验分布，使得高维非线性滤波中的多变量积分数值求解成为可能.在CKF的基础上，SCKF采用预测及后验误差协方差矩阵的平方根因子进行递推运算，进一步改进了算法的数值稳定性.将该方法应用于脱丁烷塔底部丁烷组分含量以及硫回收装置尾气中SO2和H2S含量的软测量动态建模实例中，在同等条件下，还与基于EKF、SCKF的前馈神经网络，基于EKF的递归神经网络等其它方法对比.结果表明，本文的方法能够获得很好的建模精度，显示出其有效性.

关键词：平方根容积卡尔曼滤波, 递归神经网络, 软测量, 建模