采用模拟退火算法的Elman网络及在热工过程建模中的应用研究.pdf

中国电机工程学会第八届青年学术会议 采用模拟退火算法的Elman网络及在 热工过程建模中的应用 ELMAN NETWORKUSINGSIMULATED ANNEALING ALGoRITHMAND ITS APPLICATIoNINTHERMALPRoCESSES MoDELLING 张栾英秦志明谷俊杰 (华北电力大学 河北保定071003) 摘 要：在基本Elman网络以及改进网络中，前馈权值通常采用BP算法调整，而反馈权值则设定为常数， 在网络的训练过程中需要反复的调整反馈权值，寻找其最优解。本文采用了模拟退火算法对El— man网络的前馈和反馈权值进行优化，并将其应用于建立热工过程的非线性模型。仿真研究表 好的泛化能力。 关键词：Elman网络；模拟退火算法；热I过程；建模 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时提高控制系统性能的基础口]。 自20世纪80年代中期以来，神经网络就以其独特的非传统表达方式和固有的学习能力，在系统建模、 辨识和控制中获得了广泛的应用，引起了控制界的普遍重视，并取得了一系列重要成果n’33。利用多层前向 网络对动态系统进行辨识，需要将一个动杰时间建模问题转化为一个静态空间的建模问题，这就对真实系 统的辨识带来诸多的不便，例如为了获得准确的模型结构，需要先假定系统的模型类，需要对模型结构类进 行定阶，另外还存在对外部噪声特别敏感等问题。递归网络(又称反馈网络)中由于存在输出变量到输入端 的反馈，因而其变量中包含时闻延时网络，是真正的动态网络系统。与静态神经网络相比，递归网络不需要 预先假定系统的阶次，为动态系统的辨识与控制开辟了～个极有前途的领域。动态递归神经网络由于其固 有的反馈结构，往往只需单层的网络就可以表达复杂的动态系统，逼近系统的动态过程。 Elman网络是～种典型的动态神经网络，它在前馈人工神经网络基本结构的基础上，通过存储内部状 态使其具有映射动态特征的功能，从而使系统具有适应时变特性的能力。在Elman网络中的前馈权值通常 采用BP算法调整，而反馈权值设定为常数“’5]。因此，为了保证收敛性，在网络的堋练过程中需要反复的调 整反馈的权值，寻找其最优解。 在本文中，采用模拟退火算法(sA—simulated SA算法是一种随机全局优化算法，它通过赋予搜索过程一种可控的突跳概率来避免陷入局部极小值。仿 好的泛化能力。 一1111— 中国电机工程学会第八届青年学术会议 2模拟退火算法 2 1模拟退火算法简介 Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的 优化。SA算法是基于Mento 退火过程与一般组合优化问题之间的相似性。SA算法在某一初温下，伴随温度系数的不断下降，结合概率 突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部优解能概率性地跳出并最终趋于全局最 优。SA通用性强，对问题信息依赖较少，因此在诸多工程和学术领域得到了研究与应用。 模拟退火算法的流程图如图1所示”J。 圈1模拟退火算法的流程圈 22模拟退火算法的关键参数 SA算法的搜索性能主要由状态发生器、接受函数、退温函数、抽样稳定准则和算法终止准则来决定。 1)状态接受函数。状态接受函数是SA算法产生概率突跳的本质，目前最常用的接受函数 如。～。)一≯ex也仃h△A≤。O’