基于PSO的RBF神经网络在热工系统辨识中的应用

• 作者: 李岩 王学厚 贾增周 韩璞
• 来源期刊: 华北电力大学学报
• 学科: 工学
• 关键词: 粒子群优化算法 非线性权值递减策略 径向基神经网络 正交最小二乘算法 热工系统辨识
• 年，卷（期）: 2008,（1）
• 页码范围: 52-56
• 页数: 5页
• 分类号: TP273
• 字数: 4134字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2691.2008.01.013

摘要

在神经网络辨识大迟延对象时,模型类中迟延时间多是根据经验估测的,而不同的值对神经网络辨识的精度和效率就会不同.针对上述问题,将基于正交最小二乘(OLS)算法的径向基(RBF)神经网络和粒子群优化(PSO)算法相结合对热工系统的复杂对象进行辨识仿真.通过对电厂一次风量数据和平均床温数据的仿真实验结果表明,在RBF神经网络对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳迟延时间,从而得到更精确的模型并提高辨识效率,可以取得良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩璞	华北电力大学控制科学与工程学院	272	4579	35.0	54.0
2	贾增周	华北电力大学控制科学与工程学院	3	79	3.0	3.0
3	王学厚	华北电力大学控制科学与工程学院	5	114	5.0	5.0
4	李岩	华北电力大学控制科学与工程学院	34	208	9.0	13.0