| 在线高时效的热力系统二次辨识方法 |
| |
| 引用本文： | 蒋方帅,徐向东.在线高时效的热力系统二次辨识方法[J].清华大学学报(自然科学版),2003,43(12):1661-1663. |
| |
| 作者姓名： | 蒋方帅 徐向东 |
| |
| 作者单位： | 清华大学,热能工程系,北京,100084 |
| |
| 摘 要： | 为满足热力系统的自动控制系统中被控对象在线辨识的要求,通过对常用辨识方法的比较,提出了二次辨识的辨识思路。把系统的辨识分为一次辨识和二次辨识:根据一次辨识,辨识出系统的一次粗糙模型,利用二次辨识对一次辨识的结果进行补偿辨识。针对控制模型的特点,利用最小二乘法和RBF神经网络构造了二次辨识的在线辨识算法。仿真试验的结果表明:通过该方法在线建立的模型具有良好的模外动态特性,即使在偏离的情况下,也能使相对误差保持在5%以内。
|
| 关 键 词： | 自动控制应用 热力系统 二次在线辨识 RBF神经网络 |
| 文章编号： | 1000-0054(2003)12-1661-03 |
| 修稿时间： | 2003年4月7日 |
Twin-layer online identification of thermal systems |
| |
| JIANG Fangshuai,XU Xiangdong.Twin-layer online identification of thermal systems[J].Journal of Tsinghua University(Science and Technology),2003,43(12):1661-1663. |
| |
| Authors: | JIANG Fangshuai XU Xiangdong |
| |
| Abstract: | The objective model plays an important role in the automatic control of thermal systems. A twin-layer online identification system was developed for thermal system identification from common identification methods. The first identification layer gives a rough model, while the second layer compensates for the first layer. An online identification algorithm was constructed using the least squares method and an RBF neuro network. Simulations showed that the model was accurate and robust for online, adaptive control. |
| |
| Keywords: | automatic controls thermal systems twin-layer online identification RBF neuro network |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
