论文：基于RBF神经网络的热工过程在线辨识.pdfVIP

基于RBF 神经网络的热工过程在线辨识 1,2 1 1 P P P 刘志远 ，吕剑虹 ，陈来九P P P 摘 要：基于 M-RAN 算法的 RBF 神经网络是一种动态神经网络，适合于过程的在线建模，本文对 M-RAN 算法的删除策略进行了改进，不仅删除那些连续对网络输出贡献较小的隐层单元，同时还将相似的隐层单 元合并，使网络结构更加紧凑。将基于这种算法的 RBF 神经网络用于电厂热工过程非性线模型的在线辨识， 仿真研究表明了这种建模方法的有效性，且所得模型精度高，计算量小，可直接应用于基于模型的控制算 法。 关键词：径向基函数；神经网络；电厂；热工过程；系统辨识；在线 RBF Neural Network Based Thermal Processes Online Identification 1，2 1 1 P P Liu Zhi-yuanP ，Lu Jian-hong ，Chen Lai-jiuP P 1．Department of Power Engineering, Southeast University, Nanjing 210096 ； 2 ．Nanjing Institute of Technology, Nanjing 210013 Abstract M-RAN algorithm based radial basis function (RBF) neural network is a dynamical neural network and suitable for process online modeling. The pruning strategy of M-RAN algorithm is improved in this paper, not only to delete the hidden neurons continuous contributing little to the network output, but also to combine the similar hidden neurons and thus to implement a more compact network structure. The online identification of power plant thermal process nonlinear model is carried out with the method, simulation study indicates the validity of the method and established model with higher precision , less calculation and can be used in model based control algorithm directly. Keywords radial basis function, neural network, power plant, thermal processes, system identification, online. 1 引言 热工过程往往表现出非线性、慢时变、大迟延和不确定性，难以建立精确的数学模型， 基于常规线性模型的控制系统，在过程工况发生变化时，控制品质将会下降，甚至影响控 制系统的正常运行，因此，建立热工过程精确的数学模型是提高控制系统性能的基础。近 年来人们采用神经网络建立过程的非线性模型获得了满意的效果，但由于常用的多层神经 网络计算量大、收敛速度慢，且容易陷入局部最小点，因而影响了它们的应用。 径向基函数（RBF—R