基于差分进化与RBF神经网络的热工过程辨识 |
| |
引用本文: | 薛晓岑,向文国,吕剑虹.基于差分进化与RBF神经网络的热工过程辨识[J].东南大学学报(自然科学版),2014(4):769-774. |
| |
作者姓名: | 薛晓岑 向文国 吕剑虹 |
| |
作者单位: | 东南大学能源与环境学院 |
| |
基金项目: | 国家高技术研究发展计划(863计划)资助项目(2006AA05A113-1) |
| |
摘 要: | 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.
|
关 键 词: | 热工过程 系统辨识 径向基函数 差分进化 建模 |
本文献已被 CNKI 等数据库收录! |
|