基于KELM的连续搅拌反应釜模型辨识

• 作者: 李军 石青
• 来源期刊: 控制工程
• 学科: 经济
• 关键词: 核极限学习机 单隐层前馈神经网络 连续搅拌反应釜 NARX模型 辨识
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 建模与仿真系统
• 页码范围: 2137-2143
• 页数: 7页
• 分类号: FP183
• 字数: 5624字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.150765

摘要

极限学习机(Extreme learning machine,ELM)是一种单隐层前馈神经网络(SLFNs),它随机选择网络的隐含层节点及其参数,训练时仅需调节输出层权值,因此ELM以极快的学习速度获得良好的推广性.考虑到ELM的特征映射函数未知时,可以将核矩阵引入到ELM中.针对模型未知的强非线性连续搅拌反应釜(Continuous Stirred Tank Reactor,CSTR),提出一种基于核极限学习机(Extreme Learning Machine with Kernels,KELM)的NARX模型辨识方法.以仿真的CSTR过程实例进行辨识实验,建立基于NARX-KELM的辨识模型.实验结果表明,在相同条件下,与带动量因子的BP神经网络、模糊神经网络(FNN)、GAP-RBF、MGAP-RBF神经网络、回声状态网络(ESN)、ELM等方法相比,KELM能够有效地改进辨识精度,而且性能更好,这表明了所提方法的有效性和应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	兰州交通大学自动化与电气工程学院	70	490	13.0	19.0
2	石青	兰州交通大学自动化与电气工程学院	3	14	2.0	3.0