采用限定记忆极限学习机的过热汽温逆建模研究.pdf

《采用限定记忆极限学习机的过热汽温逆建模研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第48卷第2期西安交通大学学报Vo1．48No．22014年2月JOURNALOFXI’ANJIAOTONGUNIVERSITYFeb．2014DOI：10．7652／xjtuxb201402006采用限定记忆极限学习机的过热广皿日逆建模研究王万召，王杰(郑州大学电气工程学院，450001，郑州)摘要：针对常规极限学习机随着学习次数增加增益矩阵慢慢趋于零、学习算法逐渐失去修正能力而出现“数据饱和”的问题，提出了限定记忆极限学习机算法。该算法在学习过程中每增加一个新数据信息，就去掉一个旧数据信息，权值的学习只依赖于限定个数的最新数据信息，从而避免

2、出现“数据饱和”。通过分析隐含层数据矩阵的特点，利用分块矩阵计算方法推导了限定记忆极限学习机在线学习算法。将该算法应用于参数时变的过热汽温对象逆模型的辨识，仿真实验结果表明：该算法能有效克服“数据饱和”问题，提高计算精度，是一种实用有效的过热汽温对象逆建模算法。关键词：单隐含层前馈神经网络；限定记忆极限学习机；数据饱和；在线逆建模；过热汽温中图分类号：TP273文献标志码：A文章编号：0253—987X(2014)02—0032—05InverseModelingforSuperheatedSteamTemperatureBasedonRest

3、rictedMemoryExtremeLearningMachineWANGWanzhao．WANGJie(SchoolofElectricalEngineering，ZhengzhouUniversity，Zhengzhou450001，China)Abstract：Arestrictedmemoryextremelearningmachineisproposedtoimprovethedatasaturationproblemintheconventionalextremelearningmachinethatiscausedbythega

4、inmatrixgraduallyapproachingzeroasthesampleddataincreaseandtheweightvaluescan’tbemodifiedbynewsampleddata．Intheproposedalgorithm，theneuralnetwork’Sweightvalueslearningonlydependsonalimitednumberofnewsampledatabydeletinganolddatawhenanewdataisreceived，andthedatasaturationiSav

5、oided．Thecharacteristicsofthehiddenlayermatrixareanalyzed，andthecalculationformulaofblockmatricesisusedtoderivetheproposedalgorithm．Thenthelearningalgorithmisappliedtoidentifytheinversemodelofthesuperheatedsteamtemperatureplant．Simulationresultsshowthattheproposedlearningalg

6、orithmovercomesthedatasaturationproblemeffectively，andimprovestheprecisionoftheweightvalueslearning．Keywords：single—hiddenlayerfeedforwardneuralnetwork；restrictedmemoryextremelearningmachine；datasaturation；inversemodelingonline；superheatedsteamtemperature自适应逆控制是由美国斯坦福大学Widro

7、w教方案的关键问题。授于1986年首次提出来的，现已成为解决参数时针对神经网络传统梯度学习算法存在的训练速变、非线性的热工对象控制问题的一个研究热度慢，容易陷入局部极小点等问题，Huang等提出了点。如何利用生产现场采样数据来实时在线辨一种新学习算法——极限学习机(ExtremeLearning识被控热工对象的逆模型，成为实现自适应逆控制Machine，ELM)，凭借其卓越的学习能力，受到收稿日期：2013—07～18。作者简介：王万召(1972～)，男，博士生；王杰(通信作者)，男，教授，博士生导师。基金项目：国家自然科学基金资助项目(609

8、74005)。网络出版时间：2014—01—15网络出版地址：http：∥WWW．cnki．net／kcms／doi／lO．7652／xjtuXb2O