混合智能在递归神经网络软测量中的应用
针对机理不清且具有复杂非线性关系的过程对象,提出一种基于混合智能的递归神经网络的数据驱动软测量建模方法.利用主元分析处理输入变量之间的共线性问题,设计了Hammerstein模型与递归神经网络的混合结构,用于描述过程对象的非线性和动态关系.为了使模型参数估计达到全局最优,提出了基于收缩粒子群优化算法的参数学习算法,不仅能够实现模型参数的更新,而且能够保证建模误差最小化.通过某氧化铝氯酸钠溶液组分浓度软测量问题中的实际应用表明:混合智能方法有效.
混合智能、数据驱动、递归神经网络、粒子群优化算法
28
TP18(自动化基础理论)
安徽省质量工程示范实验实训中心项目20101233
2015-06-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
52-56