10.3969/j.issn.1001-0505.2014.04.016
基于差分进化与 RBF 神经网络的热工过程辨识
针对热工过程的非线性辨识问题,提出了一种基于差分进化算法( DE )的径向基函数神经网络( RBFNN)模型设计方法。该方法将DE算法的种群分解为几组并行的子种群,每组子种群对应于一类隐节点数相同的RBF网络。在RBFNN的学习过程中进行多子种群并行优化,从而实现RBF网络结构与参数的同时调整。算法可以利用热工对象的输入输出数据,自动设计出满足误差精度要求且结构较小的RBFNN模型。然后将该算法应用于热工对象的辨识,对于单输入单输出系统,得到的RBFNN模型只需1个隐节点。对于多输入单输出系统,RBF网络也仅需较少的隐层节点。仿真结果表明,用该方法设计的RBFNN模型结构简单,且辨识误差小,具有较好的泛化能力。
热工过程、系统辨识、径向基函数、差分进化、建模
TP183(自动化基础理论)
国家高技术研究发展计划863计划资助项目2006AA05A113-1.
2014-08-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
769-774