改进RELM在多变量解耦控制中的应用

• 作者: 丁金林 刘国海 孙洪 王峰
• 来源期刊: 微电子学与计算机
• 关键词: 神经网络 非线性 正则极限学习机 乔累斯基分解 逆系统 解耦控制
• 年，卷（期）: 2012,（11）
• 页码范围: 70-73
• 分类号: TP391
• 语种: 中文

摘要

针对神经网络逆系统方法实现复杂非线性系统解耦存在训练时间长、实时控制较差的缺陷,提出一种改进的RELM（正则极限学习机）训练算法,根据输出权值的特点,采用不带平方根的乔累斯基分解,提高了计算效率,减少了训练时间,具有较高的学习精度及更好的泛化能力;进一步将此神经网络应用到3输入3输出多变量离散系统的解耦控制,仿真实验结果表明,所提出的方法具有较快的实时控制速度,具有较高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘国海	江苏大学电气信息工程学院	263	3146	27.0	43.0
2	丁金林	苏州市职业大学电子工程系	17	48	4.0	6.0
3	孙洪	苏州市职业大学电子工程系	6	18	2.0	4.0