基于差分进化与 RBF 神经网络的热工过程辨识

• 作者: 向文国 吕剑虹 薛晓岑
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 热工过程 系统辨识 径向基函数 差分进化 建模
• 年，卷（期）: 2014,（4）
• 页码范围: 769-774
• 页数: 6页
• 分类号: TP183
• 字数: 4482字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2014.04.016

摘要

针对热工过程的非线性辨识问题，提出了一种基于差分进化算法（ DE ）的径向基函数神经网络（ RBFNN）模型设计方法。该方法将DE算法的种群分解为几组并行的子种群，每组子种群对应于一类隐节点数相同的RBF网络。在RBFNN的学习过程中进行多子种群并行优化，从而实现RBF网络结构与参数的同时调整。算法可以利用热工对象的输入输出数据，自动设计出满足误差精度要求且结构较小的RBFNN模型。然后将该算法应用于热工对象的辨识，对于单输入单输出系统，得到的RBFNN模型只需1个隐节点。对于多输入单输出系统，RBF网络也仅需较少的隐层节点。仿真结果表明，用该方法设计的RBFNN模型结构简单，且辨识误差小，具有较好的泛化能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向文国	东南大学能源与环境学院	79	790	16.0	23.0
2	吕剑虹	东南大学能源与环境学院	92	2074	25.0	43.0
3	薛晓岑	东南大学能源与环境学院	1	15	1.0	1.0