基于POD模型降阶与神经网络近似的碳捕集过程状态估计
系统与控制
2023-04-13 v1 系统与控制
动力系统
摘要
本文提出一种利用降阶神经网络模型对燃烧后CO2捕集装置(PCCPs)进行状态估计的高效方法。该方法从PCCP的高维运行数据中提取低维特征向量，并使用本征正交分解(POD)构建降阶过程模型。多层感知机(MLP)神经网络捕捉过程的主导动态，并利用开环仿真获得的低维数据训练网络参数。所提出的POD-MLP模型可作为以显著降低计算成本估计PCCP状态的基础。对于状态估计，基于POD-MLP模型开发了降阶扩展卡尔曼滤波(EKF)方案。我们的仿真表明，相较于针对非线性系统的纯POD模型，所提出的POD-MLP建模方法降低了计算复杂度。此外，POD-MLP-EKF算法能够准确重构PCCP的完整状态信息，同时相较于基于原始PCCP模型的EKF显著提高了计算效率。
引用
@article{arxiv.2304.05514,
title = {State estimation of a carbon capture process through POD model reduction and neural network approximation},
author = {Siyu Liu and Xunyuan Yin and Jinfeng Liu},
journal= {arXiv preprint arXiv:2304.05514},
year = {2023}
}