量子遗传算法优化RBF神经网络及其在热工辨识中的应用

• 作者: 董泽 韩璞 黄宇
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 热工过程 系统辨识 径向基函数神经网络 量子遗传算法
• 年，卷（期）: 2008,（17）
• 所属期刊栏目: 热工自动控制
• 页码范围: 99-104
• 页数: 6页
• 分类号: TP181|TK229
• 字数: 3248字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2008.17.018

摘要

量子遗传算法是基于量子计算原理的概率优化方法,在量子门更新过程中,旋转角的大小直接影响优化的结果和进化的速度.文中针对模糊量子遗传算法(FQGA)容易导致系统陷入局部最优的缺点,将量子衍生交叉算法的思想引入FQGA,提出了一种新的量子遗传算法.同时利用该方法构造径向基函数神经网络进行非线性系统辨识.其特点是通过这种新的量子遗传算法,实现对RBF神经网络权值、宽度和中心位置等有关参数的估计.其速度快、精度高.通过RBF神经网络有效地完成了对非线性系统的辨识.对典型非线性函数辨识的测试表明:该方法有效地提高了量子遗传算法的计算精度和收敛速度.同时利用该方法设计了一种通用的热工对象模型辨识神经网络算法,编制了专用的模型识别软件,对某电厂循环流化床锅炉一次风对床温的动态特性进行辨识,结果表明该方法是一种精度比较高的辨识算法.

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	董泽	华北电力大学控制科学与工程学院	94	957	16.0	28.0
3	黄宇	华北电力大学控制科学与工程学院	18	407	9.0	18.0