.png){kind=icon}
返回
Machine learning-based online parameter estimation for noise-resilient process measurements using state-dependent models
.png){kind=icon}
PRE
AI
DOI：10.1016/j.measurement.2025.119222.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 针对自适应过程滤波，提出了一种基于状态依赖参数（SDP）的降噪框架。
• 该框架能够利用协调的历史数据实现在线参数估计，在动态条件下增强滤波器的鲁棒性。
• 所提出的方法所需的输入变量少于RIV和ARMA模型，同时实现了更高的预测精度。
• 在工业脱丁烷塔案例中，执行器波动降低了最高达54%，改善了控制性能。
• 在苯-甲苯精馏塔中，该框架实现了50%的噪声降低和17%的组成均匀性提升。
