【技術實現步驟摘要】
本專利技術涉及化學生物工程領域，具體涉及一種基于固定結構參數化決策的自適應狀態估計方法。
技術介紹
1、近年來，隨著我國制造業規模的不斷擴大，生產流程和環節日趨復雜，如何應對生產過程的復雜動態成了越來越迫切需要解決的問題。相比于一般機械制造過程而言，化學生物過程牽涉到第一性原理層面上更為復雜的物態變化，其自動化最基本所需的觀測、控制的難度都更高，尤其目前產品種類更多、周期更短、成本更低的迫切需求，為其帶來了高度彈性、靈活多變的特性，給化學生物過程的自動化帶來了更大的挑戰。作為生產過程自動化中的典型命題之一，狀態估計問題一直以來都是化學生物工程領域的熱門研究領域。狀態估計問題是研究根據可獲取的量測數據估算動態系統內部狀態的方法。對過程的輸入和輸出進行測量而得到的數據只能反映系統的外部特性，而過程的動態規律需要用內部狀態變量來描述。由于化學生物過程的復雜性所帶來的觀測難度，使得其內部狀態變量通常無法被直接測量，且過程的動態規律自身的第一性原理建模十分困難，存在較大的過程不確定性。這些都使得對化學生物過程的狀態估計問題至今仍是生產過程自動化領域中的難點之一。
2、針對化學生物過程的狀態估計問題已經有了諸多研究，基于貝葉斯濾波理論的設計方法仍是主流思路。這一設計思路下的代表性的算法有傳統的卡爾曼濾波法(kf)、擴展卡爾曼濾波法(ekf)、無跡卡爾曼濾波法(ukf)、容積卡爾曼濾波法(ckf)、求積卡爾曼濾波(qkf)、中心差分卡爾曼濾波(cdkf)、高斯混合濾波(gsf)、強跟蹤濾波(stf)、粒子濾波(pf)等。這些方法基
3、現有化學生物過程的自適應狀態估計的難點在于如下三個方面：
4、(1)過程復雜，非線性較強，傳統狀態估計方法在所基于的給定模型完全準確的情況下，仍需要在較強的假設下進行數值近似，極大影響了估計精確性。
5、(2)過程第一性原理建模難度高，引起的模型失配導致不確定性大，即上述“給定模型”的準確度也較差，這進一步惡化了估計精確性，并容易使狀態估計進程不穩定。
6、(3)傳統的自適應方法的設計需要基于過程狀態變量對過程不確定性進行在線辨識，而在狀態估計問題中，過程狀態變量并不完全可知，也是待在線辨識的變量，使得傳統的自適應狀態估計方法設計非常困難。
技術實現思路
1、本專利技術的目的是針對化學生物過程狀態估計問題的復雜性，提供一種基于固定結構參數化決策的自適應狀態估計方法，以保證狀態變量估計值最終收斂至真實值附近的滿意范圍。
2、為實現上述目的，本專利技術的技術方案是：
3、一種基于固定結構參數化決策的自適應狀態估計方法，包括：
4、將化學生物過程的不確定性在線自適應克服與在線狀態估計同時進行的問題，轉化為固定結構參數化的在線設計問題；
5、通過單層神經網絡的運用，對固定結構參數化狀態估計器的理想設計進行近似，得到單層神經網絡近似的理想估計器參數；
6、使用梯度下降法更新單層神經網絡近似的理想估計器參數。
7、本專利技術與現有技術相比，其有益效果在于：
8、本專利技術針對化學生物過程狀態估計問題的復雜性，利用固定結構參數化(fsp)決策的思想，通過單層神經網絡直接對狀態估計器的理想設計進行近似，將問題轉化為較為簡潔的在線參數辨識問題，并采用能確保收斂的梯度下降法，從而間接實現對過程不確定性的在線克服和狀態變量進行在線估計的目的，保證狀態變量估計值最終收斂至真實值附近的滿意范圍。
本文檔來自技高網...【技術保護點】
1.一種基于固定結構參數化決策的自適應狀態估計方法，其特征在于，包括：
2.如權利要求1所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，所述將化學生物過程的不確定性在線自適應克服與在線狀態估計同時進行的問題，轉化為固定結構參數化的在線設計問題，包括：
3.如權利要求2所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，令即：
4.如權利要求3所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，所述通過單層神經網絡的運用，對固定結構參數化狀態估計器的理想設計進行近似，得到單層神經網絡近似的理想估計器參數，包括：
5.如權利要求4所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，將定常權重向量W的估計值表示為則相應地對真實狀態x(t+1)的估計被表述為：
6.如權利要求5所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，最小化問題Σ被轉化為：
7.如權利要求6所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，基于可直接觀測的輸出y(t+1)，將
8.如權利要求7所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，所述使用梯度下降法更新單層神經網絡近似的理想估計器參數，包括：
9.如權利要求8所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，η為可時變學習率，且滿足：
10.如權利要求9所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，根據更新的可計算出下一個時刻的狀態估計
...【技術特征摘要】
1.一種基于固定結構參數化決策的自適應狀態估計方法，其特征在于，包括：
2.如權利要求1所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，所述將化學生物過程的不確定性在線自適應克服與在線狀態估計同時進行的問題，轉化為固定結構參數化的在線設計問題，包括：
3.如權利要求2所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，令即：
4.如權利要求3所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，所述通過單層神經網絡的運用，對固定結構參數化狀態估計器的理想設計進行近似，得到單層神經網絡近似的理想估計器參數，包括：
5.如權利要求4所述的基于固定結構參數化決策的自適應狀態估計方法，其特征在于，將定常權重向量w的估計值表示為則相應地對...
【專利技術屬性】
技術研發人員：瞿弘毅，廖昭洋，徐智浩，周雪峰，
申請(專利權)人：廣東省科學院智能制造研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。