稳定RBF神经网络的在线软测量建模方法

• 作者: 丛秋梅 王艳 赵宇 邓淑贤
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 径向基函数 软测量 建模 稳定学习算法 输入到状态稳定性
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 建模与仿真
• 页码范围: 823-828
• 页数: 6页
• 分类号: TP391.9
• 字数: 5555字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.170913

摘要

针对RBF(Radial Basis Function)神经网络在存在未建模动态或不确定干扰时,采用梯度下降法建模出现不稳定、实时性和鲁棒性较差的问题,提出了带有稳定学习算法的RBF神经网络在线软测量建模方法.以隐含层径向基函数为Gaussian函数的RBF神经网络为例,通过分析ISS(Input-to-State Stability,输入到状态稳定性)-Lyapunov函数,得到网络权值和径向基函数参数的稳定学习算法,并证明RBF神经网络辨识误差的有界性.稳定学习算法可抑制过程未建模动态和不确定干扰的影响,使软测量模型具有较高的预测精度和自适应能力.以非线性对象和实际污水处理过程为例进行了仿真,结果表明,以稳定RBF神经网络建立的软测量模型具有较好的鲁棒性和在线软测量性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王艳	辽宁石油化工大学信息与控制工程学院	17	52	4.0	6.0
2	邓淑贤	辽宁石油化工大学信息与控制工程学院	11	42	3.0	6.0
3	赵宇	辽宁石油化工大学信息与控制工程学院	12	34	3.0	5.0
4	丛秋梅	辽宁石油化工大学信息与控制工程学院	10	44	4.0	6.0