一般化学习网络及其对化学反应器的建模应用

摘要：

本文研究了一般化学习网络(Universal Learning Network)在多变量连续釜式反应器(CSTR)系统的建模应用.一般化学习网络具有节点之间有多重分支、任意2个节点互连且节点之间可具有任意的时间延迟的特点,因此能够应用在高度非线性复杂系统的辨识中.分别用一般化学习网络和常规的递归神经网络对多变量连续釜式反应器(CSTR)进行系统辨识比较,仿真结果验证了一般化学习网络结构比递归神经网络Elman的辨识精度更高,且网络结构更简洁紧凑的特点.

关键词：递归神经网络、一般化学习网络、系统辨识、连续搅拌釜式反应器(CSTR)

所属期刊栏目：25

分类号：TP273(自动化技术及设备)

资助基金：Scientific Research Starting Foundation for Returned Overseas Chinese Scholars,Ministry of Education and China and National Science Foundation of Beijing University of Cbemical Technology for Young Teachers QN0625

在线出版日期：2008-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：645-648