时变过程在线辨识的即时递推核学习方法研究

作     者：刘毅 金福江 高增梁 

作者机构：浙江工业大学化工机械设计研究所杭州310032 华侨大学信息科学与工程学院厦门361021 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2013年第39卷第5期

页      面：602-609页

核心收录：

学科分类：081704[工学-应用化学] 07[理学] 08[工学] 071102[理学-系统分析与集成] 0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 0711[理学-系统科学] 0817[工学-化学工程与技术] 081701[工学-化学工程] 0835[工学-软件工程] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 081103[工学-系统工程] 

基　　金：国家自然科学基金(61004136 61143005 61273069)资助~~ 

主　　题：过程辨识 即时学习 核学习 最小二乘支持向量回归 递推辨识 

摘      要：为了及时跟踪非线性化工过程的时变特性,提出即时递推核学习(Kernel learning,KL)的在线辨识方法.针对待预测的新样本点,采用即时学习(Just-in-time kernel learning,JITL)策略,通过构造累积相似度因子,选择与其相似的样本集建立核学习辨识模型.为避免传统即时学习对每个待预测点都重新建模的繁琐,利用两个临近时刻相似样本集的异同点,采用递推方法有效添加新样本,并删减旧模型的样本,以快速建立新即时模型.通过一时变连续搅拌釜式反应过程的在线辨识,表明了所提出方法在保证计算效率的同时,较传统递推核学习方法提高了辨识的准确程度,能更好地辨识时变过程.