一种新的RBF神经网络非线性动态系统建模方法.pdfVIP

　2001 年 3 月 系统工程理论与实践 第 3 期　 文章编号:(2001) 一种新的RBF 神经网络非线性动态系统建模方法 1 1 2 李艳君 , 吴铁军 , 赵明旺 ( 1. 浙江大学工业控制技术重点实验室, 浙江 杭州 310027; 2. 武汉科技大学自动化系, 湖北 武汉 430081) 摘要: 　将遗传算法与正交优选法结合, 用来训练径向基函数(RBF ) 神经网络, 并对基函数宽度进行 自动地调整, 得到了一种训练RBF 神经网络的新方法 将其应用于连续流体搅拌反应槽(CFSTR ) 生 化反应器的建模中, 得到了令人满意的结果 该算法提高了径向基函数神经网络的泛化能力和鲁棒 性, 研究表明是一种有效的“黑箱”动态建模方法 关键词: 　遗传算法; 径向基函数神经网络; 正交优选法; CFSTR 系统 中图分类号: 　 18　　　　　文献标识码: 　 　　　　 T P A A N ovel N on linear D ynam ic System M odeling A pp roach U sing R adial Basis Function N eu ral N etw o rk s 1 1 2 , , L I Yan jun W U T ie jun ZHAO M ing w ang ( 1. N ational L abo rato ry fo r Industrial Contro l T echno logy, Zhejiang U niversity, H angzhou 310027, Ch ina; 2. W uhan U niversity of Science and T echno logy, W uhan 430081, Ch ina ) Abstract 　Based on the com bination of genetic algo rithm s and o rthogonal op tim um seek ing m ethod, along w ith the modification of the w idth of the radial basis function (RBF ) a novel nonlinear dynam ic system modeling app roach is p ropo sed to co rrectly determ ine the centers of the RBF. T h is app roach has greatly imp roved the generalization and robustness of the RBF neural netw o rk. Sim ulation show s that the imp roved neural netw o rk has successfully modeled the continuous flow stirred tank reacto r system. Keywords 　 genetic algo rithm s; radial basis function neural n