采用微分进化算法和径向基函数神经网络的热工过程模型辨识
在热工过程模型辨识中,被控对象动态特性往往表现出非线性、慢时变、大迟延和不确定性等特点,这使得难以对其建立比较精确的模型.为了达到精确建模的目的,提出一种基于微分进化算法和径向基函数神经网络的辨识方法.该方法采用基于能量分布正交最小二乘学习算法的径向基函数(radial basis function,RBF)神经网络,通过改进的微分进化算法,对神经网络辨识系统进行参数优化,使RBF神经网络能够更快、更精确地逼近实际系统的输出,达到精确建模的目的.仿真结果表明,在采用改进的RBF网络对热工复杂对象进行辨识时,通过微分进化算法进一步确定其最佳参数,可以取得更好的辨识效果.
热工过程、系统辨识、微分进化算法、径向基函数神经网络、能量分布正交最小二乘算法
30
TP181;TK229(自动化基础理论)
2010-09-29(万方平台首次上网日期,不代表论文的发表时间)
110-116