时变过程在线辨识的即时递推核学习方法研究

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.