第40卷第1期2023年1月控制理论与应用ControlTheory&ApplicationsVol.40No.1Jan.2023基基基于于于非非非负负负绞绞绞杀杀杀与与与长长长短短短期期期记记记忆忆忆神神神经经经网网网络络络的的的动动动态态态软软软测测测量量量算算算法法法孙凯1,隋璘1,张芳芳1,杨根科2,3†(1.齐鲁工业大学(山东省科学院)电气工程与自动化学院,山东济南250353;2.上海交通大学自动化系,上海200240;3.上海交通大学宁波人工智能研究院,浙江宁波315000)摘要:现代工业过程建模中,生产过程的多变量、非线性及动态性会导致模型复杂度增高且建模精度降低.针对这一问题,将非负绞杀算法(NNG)嵌入长短期记忆(LSTM)神经网络,提出一种基于LSTM神经网络及其输入变量选择的动态软测量算法.首先,通过参数优化生成训练好的LSTM神经网络,利用其出色的历史信息记忆能力处理工业过程中的动态、时滞等问题;其次,采用NNG算法对LSTM网络输入权重进行压缩,剔除冗余变量,提高模型精度,并采用网格搜索法与分块交叉验证对其超参数寻优;最后,将算法应用于某火电厂脱硫过程排放烟气SO2浓度软测量建模,并与其它先进算法进行性能比较.实验结果表明所提算法能有效剔除冗余变量,降低模型复杂度并提高其预测性能.关键词:神经网络;软测量;长短期记忆;动态建模;变量选择;模型简化引用格式:孙凯,隋璘,张芳芳,等.基于非负绞杀与长短期记忆神经网络的动态软测量算法.控制理论与应用,2023,40(1):83–93DOI:10.7641/CTA.2021.10529Dynamicsoftsensoralgorithmbasedonnonnegativegarroteandlongshort-termmemoryneuralnetworkSUNKai1,SUILin1,ZHANGFang-fang1,YANGGen-ke2,3†(1.SchoolofElectricalEngineeringandAutomation,QiluUniversityofTechnology(ShandongAcademyofSciences),JinanShandong250353,China;2.DepartmentofAutomation,ShanghaiJiaotongUniversity,Shanghai200240,China;3.NingboInstituteofArtificialIntelligence,ShanghaiJiaotongUniversity,NingboZhejiang315000,China)Abstract:Inmodernindustrialprocessmodeling,themultivariable,nonlinearityanddynamicsoftheproductionpro-cessincreasethemodelcomplexityandreducethemodelaccuracy.Inresponsetothisproblem,adynamicsoft-sensingalgorithmbasedonthelongshort-termmemory(LSTM)neuralnetworkanditsinputvariableselectionisproposedbyembeddingthenonnegativegarrote(NNG)intotheLSTMneuralnetwork.First,awell-trainedLSTMneura...
