混合优化算法在热工对象系统辨识中的应用研究

混合优化算法在热工对象系统辨识中的应用研究

ID:33684061

大小:2.81 MB

页数:66页

时间:2019-02-28

混合优化算法在热工对象系统辨识中的应用研究_第1页
混合优化算法在热工对象系统辨识中的应用研究_第2页
混合优化算法在热工对象系统辨识中的应用研究_第3页
混合优化算法在热工对象系统辨识中的应用研究_第4页
混合优化算法在热工对象系统辨识中的应用研究_第5页
资源描述:

《混合优化算法在热工对象系统辨识中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、华北电力大学硕士学位论文摘要系统辨识是控制理论的重要内容,也是控制理论的基础。传统的系统辨识方法多是针对线性系统,对复杂非线性系统的辨识仍然显得比较困难。神经网络的出现为我们提供了新的出路,它也成为解决非线性问题的一种重要途径。RBF神经网络是一种前向反馈网络,具有良好的逼近性和全局最优能力。本文就是以RBF神经网络系统辨识为基础,提出了一种新的混合优化算法,确定了网络中心节点的数量和位置,优化了RBF网络结构,实现了对热工对象系统的动态辨识,达到系统辨识快速性以及精确度的要求。关键词:系统辨识,RB

2、F神经网络,优化算法Systemidentificationisanimportantcontentandfoundationofcontroltheory.Traditionalsystemidentificationwasallaboutlinearsystem,anditisstilltoodifficultforcomplexnonlinearsystemidentification.TherisingofneuralnetworkgivesUSanewwayonsystemidentific

3、ation,anditsoonbecomestobethemainwayonnonlinearsystemproblems.RBFneuralnetworkisakindoffeedforwardnetwork,andithasgoodapproximatingandglobaloptimizationabilities.ThispaperisbasedonRBFneuralnetworksystemidentification,andanewhybridoptimizationalgorithmis

4、raisedtoconfirmtheamountandlocationofnetworkhiddenlayernodes,andithasdoagreatjobonnetworkoptimizationtomeettherequirementsofspeedandprecisiononsystemidentification.Lvxianjie(controltheoryandcontrolproject)DirectedbyproLTianTaoKEYWORDS:systemidentificati

5、on,RBFneuralnetwork,optimizationalgorithmn华北电力大学硕士学位论文摘要系统辨识是控制理论的重要内容,也是控制理论的基础。传统的系统辨识方法多是针对线性系统,对复杂非线性系统的辨识仍然显得比较困难。神经网络的出现为我们提供了新的出路,它也成为解决非线性问题的一种重要途径。RBF神经网络是一种前向反馈网络,具有良好的逼近性和全局最优能力。本文就是以RBF神经网络系统辨识为基础,提出了一种新的混合优化算法,确定了网络中心节点的数量和位置,优化了RBF网络结构,实现了

6、对热工对象系统的动态辨识,达到系统辨识快速性以及精确度的要求。关键词:系统辨识,RBF神经网络,优化算法Systemidentificationisanimportantcontentandfoundationofcontroltheory.Traditionalsystemidentificationwasallaboutlinearsystem,anditisstilltoodifficultforcomplexnonlinearsystemidentification.Therisingofne

7、uralnetworkgivesUSanewwayonsystemidentification,anditsoonbecomestobethemainwayonnonlinearsystemproblems.RBFneuralnetworkisakindoffeedforwardnetwork,andithasgoodapproximatingandglobaloptimizationabilities.ThispaperisbasedonRBFneuralnetworksystemidentific

8、ation,andanewhybridoptimizationalgorithmisraisedtoconfirmtheamountandlocationofnetworkhiddenlayernodes,andithasdoagreatjobonnetworkoptimizationtomeettherequirementsofspeedandprecisiononsystemidentification.Lvxianjie(controltheory

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。