原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
一种热工过程RBF神经网络模型辨识方法钱磊，等
一种热工过程RBF神经网络模型辨识方法
ModeIIdentificationMethodofRBFNeuralNetworkforThermaIContro
锻磊雌曰0
(东南大学能源与环境学院，江苏南京210018)
摘要：针对模型辨识中模型阶次难以辨识的问题，提出了一种RBF神经网络剪枝算法。基于该算法，对RBF神经网络隐节点和输
入节点进行剪枝，不仅可以精简网络的结构，而且可以减少网络的输入节点，从而确定模型的阶次。同时，为了避免误删输入节点，在
对输入节点剪枝时，将过程的输入和输出分开剪枝。将该算法应用于热工过程辨识中，仿真结果表明，提出的基于RBF神经网络剪枝
算法是有效的。
关键词：热工过程模型辨识RBF神经网络剪枝算法灵敏度剪枝阶次辨识
中图分类号：TP273；TH一39文献标志码：ADOI：10．16086／j．cnki．issnl000—0380．201601004
modelmodelorderisdi佑eulttobeatoftheRBFneural
Abstract：Inthis
identification。theidentified。aimingproblem-thepruningalgorithm
networkisonarethe
nodeandthenodeofRBFneuralnetwork
proposed．Basedthis蛔tlIm。theimplicitinputpruned-thissimplifies
structureofthereducesthethemodelorderCanbedetermined．Inavoiddeletethenode
network-andnodes。thusaddition，to
inputinputby
forandisisinidentificationofthermalresultofsimulation
mistake，thepruninginputoutputseparated．Thealgorithmappliedprocess-the
indicatesthatthebasedonRBFnuralnetworkiseffective．
pruningalgorithm
ModelidentificationRBFneuralnetworkOrderidentification
Keywords：ThermalPruningalgorithmSensitivitypriming
process
0引言1基于RBF神经网络的剪枝算法
过程辨识中，首先需要解决模型的阶次问题。对于由于RBF神经网络的初始节点的选择没有固定
单输入单输出(singleinputsingleoutput，siso)过程的阶的公式，只能靠经验选取，模型的精度无法保证；同时
所建立的模型一般都存在不重要的、冗余的节点，这严
次辨识问题，有包括Hankel矩阵判秩法、行列式比法等
几种基本的阶次辨识方法uJ，以及如文献[2]提出利用重影响着网络的泛化能力。灵敏度剪枝算法是
我的文档主要集中的行业是石油化工和安全生产，从事石油化工行业并且取得了中级注册安全工程资格。精通炼油工艺方面的工艺、安全、设备。希望通过平台共享自己的知识和经验。
文档评论（0）