资源描述：
《基于回归神经网络的非线性动态数据校核及其应用.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、VDoOl.I2:61N0o..145135/j.cnki.1006-3080.2000.05.011华东理工大学学报2000-10JournalofEastChinaUniversityofScienceandTechnology487文章编号:1006-3080(2000)05-0487-05基于回归神经网络的非线性动态数据校核及其应用*刘伯高,黄道(华东理工大学自动化研究所,上海200237)摘要:研究了简化型内回归神经网络基于自适应梯度下降法的训练算法,并提出了一种基于简化型内回归神经网络的非线性动态数据校核新方法。结果
2、表明所提出的方法能够有效地对非线性动态过程进行数据校核,并具有良好性能;与传统的动态数据校核方法相比,所提出方法具有不需要掌握过程本身的精确模型,避免了过程模型误差可能带来的估计误差,不需事先知道测量噪声和过程噪声的统计特性等特点。关键词:非线性;动态数据校核;内回归神经网络;连续搅拌釜式反应器中图分类号:TP27.1文献标识码:ANonlinearDynamicDataReconciliationBasedonRecurrentNeuralNetworksanditsApplication*LIUBo-gao,HUANGDao
3、(ResearchInstituteofAutomationECUST,Shanghai200237,China)Abstract:Anadaptivegradientdescentalgorithmfortrainingsimplifiedinternallyrecurrentnetworks(SIRN)isdevelopedandanewmethodofreconcilingnonlineardynamicdatabasedonSIRNisproposed.Itcanreconcilemeasurementsofnonlin
4、eardynamicprocessanddispenseswiththeneedforaccuratepro-cessmodelandpriorinformationaboutstatisticalcharacteristicsofnoisesinvolved.Simulationresearchanditsapplicationinacontinuallystirredtankreactorhasdemonstrateditsfairlygoodperformance.Keywords:nonlinear;dynamicdat
5、areconciliation;internallyrecurrentnetworks(IRN);continuallystirredtankreactor(CSTR)神经网络在非线性数据校正领域中开始受到重递归,连接权值过多,在较短时间内难以训练网络权[1～5]视。和传统方法相比,神经网络法作为非参数模值,特别是因参数和权值多,系统辨识时模型受到随型估计方法,只要求利用过程历史数据进行模型训机干扰多,使网络模型存在着不稳定性,甚至导致学[7]练,不需要掌握过程本身的精确模型,因此避免了过习算法不收敛。程模型误差可能带来的估计误
6、差;对测量数据中随本文提出了基于简化型内回归神经网络的非线机误差的分布不作特殊要求(如正态分布)。近年来,性动态数据校核策略。这种回归神经网络是全递归有文献提出了全递归神经网络学习和逼近动态非线神经网络的简化,其隐层节点只存在自递归,使得训[6]练权值的迭代计算量大大减少,同时其隐层节点的性模型,但是其隐层单元相互之间并发赋值和自输出不仅取决于网络现在时刻的输入,而且还与隐基金项目:国家863项目基金资助(863-511-845-007)层节点过去的输出有关,从而能够学习和逼近过程收稿日期:1999-07-12作者简介:刘伯高(
7、1970-),男,四川人,博士,从事工业过程模型化与的动态特性。并且提出了一种自适应递度下降法对控制及人工智能的研究。简化型内回归神经网络权值进行训练,以提高其学488华东理工大学学报第26卷习速度和性能。最后应用上述方法对某连续搅拌釜式中Xi(k-1)表示网络输入层第i节点的输入,式反应器(CSTR)的测量数据进行动态数据校核,netj(k)表示隐含层第j个节点的输入,隐含层节点同时与EKF法的动态数据校核结果进行了比较,以2激活函数为高斯函数,即F(z)=exp(-z/2),验证所提出方法的有效性。Hj(k)表示隐含层第j个
8、节点的输出,yl(k)表示输(1)出层第l个节点的输出,Wij表示输入层第i个节点1简化型内回归神经网络(SIRN)及至隐含层第j个节点的连接权值,W(2)j表示隐含层其训练算法(3)第j个节点一步滞后的自递归连接权值,Wjl表示隐含层第j个节点至输出层第l个节
