热力系统局部非线性模型辨识

• 作者: 徐向东 董均华
• 来源期刊: 热能动力工程
• 学科: 工学
• 关键词: 热力系统 局部模型 非线性 RBF神经网络
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 热力工程
• 页码范围: 88-90,95
• 页数: 4页
• 分类号: TK223.7
• 字数: 2431字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2060.2007.01.022

摘要

在多模型控制中,局部模型大多数是基于线性模型,其数量和精度影响多模型控制的效果.提出一种基于RBF神经网络的非线性模型辨识算法,采用G.B.Sentoni等人提出的非线性模型结构[2～3],利用径向基函数(Radial Basis Function,RBF)神经网络的逼近能力,实现热力系统非线性模型辨识.在RBF神经网络的学习过程中,根据性能函数调节学习率,可以加快学习的收敛过程.最后进行了仿真验证,基于2个局部非线性模型的多模型控制系统与基于5个局部线性模型的多模型控制系统相比,减少了切换时的震荡,控制精度有所提高.试验结果表明,该辨识算法能减少固定模型数量,从而减少模型搜索时间,并且能够提高模型预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐向东	清华大学热能工程系	63	1068	20.0	30.0
2	董均华	清华大学热能工程系	2	31	1.0	2.0