论文部分内容阅读
针对机理不清且具有复杂非线性关系的过程对象，提出一种基于混合智能的递归神经网络的数据驱动软测量建模方法。利用主元分析处理输入变量之间的共线性问题，设计了Hammerstein模型与递归神经网络的混合结构，用于描述过程对象的非线性和动态关系。为了使模型参数估计达到全局最优，提出了基于收缩粒子群优化算法的参数学习算法，不仅能够实现模型参数的更新，而且能够保证建模误差最小化。通过某氧化铝氯酸钠溶液组分浓度软测量问题中的实际应用表明：混合智能方法有效。