状态变量部分不可测的间歇反应器的智能建模

提出一种智能化的神经网络建模方法,建立状态变量部分不可测的间歇反应器模型。针对间歇反应是一个非线性、非稳态过程,根据化学反应的非线性分离特性,采用结构逼近式神经网络构建模型的拓扑结构。利用反应的先验知识优化网络结构,赋予网络节点实际的物理意义,并完善网络训练过程,使建模过程灰箱化;通过假想教师-人工免疫训练算法,解决不可测变量影响常规网络训练的问题;通过并行优化假想教师和网络权值,提高建模精度。以实际橡胶硫化促进剂制备的间歇缩合反应过程为实验对象,详细论述了建模和网络训练的过程,证明了方法的有效性。