基于虚拟进样促进前馈神经网络的色谱吸附等温线参数估计
信号处理
2021-02-03 v1 最优化与控制
摘要
获取吸附等温线的方法是竞争色谱中一个根本性的开放问题。估计吸附等温线的一种现代技术是解决一个反问题，使得模拟的批次分离与实际实验结果一致。然而，该辨识过程通常是不适定的，即测量响应中的小噪声可能导致吸附等温线估计量的大幅波动。解决该问题的常规数学方法是变分正则化，其被表述为带有正则化目标泛函的非凸最小化问题。然而，在该方法中，正则化参数的选择以及收敛求解算法的设计在实践中相当困难。此外，由于实验中进样谱形的数量受限，测量数据的类型极为有限，可能导致有偏估计。为克服这些困难，本文开发了一种新的反演方法——虚拟进样促进前馈神经网络（VIP-FNN）。在该方法中，训练数据包含由常规物理模型——一个时间相关的对流-扩散系统——生成的各类人工进样和出口处的合成含噪测量。利用实验室实验的人工与真实数据进行的数值实验表明，所提出的 VIP-FNN 是一种高效且鲁棒的算法。
引用
@article{arxiv.2102.00389,
title = {Estimating Adsorption Isotherm Parameters in Chromatography via a Virtual Injection Promoting Feed-forward Neural Network},
author = {Chen Xu and Ye Zhang},
journal= {arXiv preprint arXiv:2102.00389},
year = {2021}
}