论文部分内容阅读
通过传统的即时学习(JITL)方法建立间歇过程复合的线性化模型,利用一个具有5层结构的神经模糊模型(NFM)对局部模型的输出误差特性进行分析,建立模型输入与输出误差之间的非线性映射关系,并通过对模型的预测输出进行误差补偿来提高模型精度.仿真结果表明,所提出的基于JITL的间歇过程复合模型相对于传统JITL模型具有更高的精度和更强的噪声抑制能力.