10.3969/j.issn.1001-9944.2013.06.008
制糖过程中递归模糊神经网络软测量技术
糖厂澄清工段过程包含复杂的物理和化学反应,具有非线性、大滞后和不确定性的特点,难以建立精确的机理模型.常规神经网络建模是静态映射,实际应用中,权值的调节不能充分利用工业生产现场的动态数据信息,效果不理想.为此,提出了含有递归环节的T-S模糊神经网络(TSRFNN)结构,采用混沌BP学习算法引入非线性自反馈项获得复杂系统的动力学特征,通过与常规T-S模糊神经网络(TSFNN)在糖厂澄清工段过程的建模与仿真试验中进行比较,结果表明,在处理这类时变复杂系统建模方面TSRFNN表现出更加优越的性能,获得了非线性系统的全局最优模型.
递归神经网络、T-S模糊模型、非线性系统辨识、无监督聚类算法、混沌BP算法
28
TP13(自动化基础理论)
国家自然科学基金项目60924002
2013-07-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
28-32