基于径向基函数神经网络的热工过程模型辨识
为了准确反映热工过程动态特性,实现热工过程整体优化控制,提出了一类新的径向基函数神经网络(RBF-NN)的建模方法:采用熵方法和竞争学习算法,结合非线性自回归滑动平均(NARMA)模型的输入/输出结构实现RBF-NN的优化,辨识RBF-NN结构,并用最小二乘算法(LS)确定权向量,实现了典型的非线性热工过程建模.通过两个实例验证:基于NARMA结构的RBF-NN建模,具有较高的辨识精度和较少的隐层节点.
自动控制、热工过程、非线性、NARMA模型、径向基函数神经网络、最小二乘算法
32
TP273(自动化技术及设备)
国家自然科学基金50576106;50876117
2009-11-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
1032-1036