基于PSO 的RBF 神经网络在热工系统辨识中的应用.pdfVIP

第 35 卷第 1 期 华 北 电 力 大 学 学 报 Vol 35 , No1 2008 年 1 月 Journal of North China Electric Power University Jan , 2008 基于 PSO 的 RBF 神经网络在热工系统辨识中的应用 王学厚 , 韩 　璞 , 李 　岩 , 贾增周 华北电力大学 控制科学与工程学院 , 河北 保定 071003 摘要 : 在神经网络辨识大迟延对象时 , 模型类中迟延时间多是根据经验估测的 , 而不同的值对神经网络辨识 的精度和效率就会不同。针对上述问题 , 将基于正交最小二乘 OL S 算法的径向基 RBF 神经网络和粒 子群优化 PSO 算法相结合对热工系统的复杂对象进行辨识仿真。通过对电厂一次风量数据和平均床温数 据的仿真实验结果表明 , 在 RBF 神经网络对大迟延对象进行辨识时 , 通过 PSO 算法进一步确定其最佳迟延 时间 , 从而得到更精确的模型并提高辨识效率 , 可以取得良好的效果。 关键词 : 粒子群优化算法 ; 非线性权值递减策略 ; 径向基神经网络 ; 正交最小二乘算法 ; 热工系统辨识 中图分类号: TP273 　　　文献标识码 : A 　　　文章编号 : 1007 - 2691 2008 01 - 0052 - 05 PSO algorithm based RBF neural network and its application in thermal system identification WAN G Xuehou , HAN Pu , L I Yan , J IA Zengzhou School of Control Science and Engineering , North China Electric Power University , Baoding 071003 , China Abstract : The delay time of model category is always estimated based on the experience when neural network is used to identify the object with lar ge delay time. The accuracy and efficiency of neural network identification will be differ ent when the delay time is given different values. Against the above problem , we proposed a method which combined Radial Basis Function RBF neural network based on orthogonal least squares algorithm and Particle Swarm Opti mization PSO algorithm when identified the complex objects in thermal process. Through the simulation to the first wind data and the average bed temperature data , the experimental result shows that it will achieve good results , get more accurate model and