基于改进Kalman滤波算法的多模型融合建模方法

摘要：

针对聚合物生产过程重要质量控制指标或状态变量的软测量问题，提出了一种基于改进Kalman滤波算法的多模型融合建模方法。将混合核函数主元分析（K2PCA）与人工神经网络（ANN）相结合，建立一种基于K2PCA-ANN的数据驱动模型；利用改进Kalman滤波算法实现K2PCA-ANN模型与机理模型融合，构建一种并联结构的混合模型；协调二次滤波（线性滑动平滑）和方差更新对混合模型进行优化处理，使混合模型的估计性能尽可能地达到最优，使混合模型的预测稳定性得到有效改善。将该多模型融合建模方法应用于氯乙烯聚合过程聚合速率软测量中，应用研究结果表明：与单一的机理模型或K2PCA-ANN数据驱动模型的预测性能相比，该建模方法建立的聚合速率模型具有更佳的预测性能。该建模方法的运用为进一步开展聚合物生产过程优化与控制等研究提供基础条件。

关键词：改进Kalman滤波、模型融合、混合建模、主元分析、预测、聚合

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金项目21306171；浙江省自然科学基金项目Z4100743。@@@@supported by the National Natural Science Foundation of China21306171;the Natural Science Foundation of Zhejiang ProvinceZ4100743

在线出版日期：2015-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1388-1394