一种改进的动态过程神经网络模型辨识方法.pdf
版权申诉
128 浏览量
2021-09-25
21:17:30
上传
评论
收藏 522KB PDF 举报
叶工业控制计算机曳圆园员怨 年第 猿圆 卷第 员圆 期
神经网络在动态过程建模中得到了广泛应用遥文献咱员暂研究
了基于神经网络的热工对象的线性或非线性动态数学模型袁基
于神经网络建模计算速度快及模型精度高袁 模型输出基本上反
映了热工对象的实际运行状况曰文献咱圆暂研究了 月孕 神经网络的
优缺点袁其是应用最为广泛的人工神经网络袁具有简单尧异行尧计
算量小尧并行性强等特点曰对于其易限于局部极小尧网络收敛速
度慢尧训练时间长等问题袁文献咱猿暂研究了通过改变传统的固定
学习率袁 引入动态变化熏 根据均方误差的变化而改变学习率解
决曰文献咱源暂研究了通过遗传算法优化构建好的 月孕 神经网络解
决遥 但就动态过程建模中存在的问题袁目前研究较少遥
目前传统的神经网络模型辨识方法一般采用模型输出与样
本输出误差平方和作为性能指标袁在神经网络训练过程中袁若训
练精度取得过高袁则有可能出现过拟合现象袁导致神经网络泛化
能力降低袁同时误差在训练至较小时袁收敛速度也会明显下降袁所
以训练精度不能取得过高
咱缘暂
曰若训练精度在满足精度要求的前提
下取得较低些袁则有可能出现锯齿的状况袁即虽然总体趋势满足
要求袁但曲线并不平滑袁也会影响神经网络模型的泛化能力遥
为解决上述问题袁 本文提出了一种改进的动态过程神经网
络模型辨识方法袁该方法在传统的误差平方和性能指标基础上袁
添加了相邻采样周期样本输出变化量与模型输出变化量之差的
平方和项袁将其作为新指标的一部分袁并以 月孕 神经网络为例给
出了相应的模型辨识算法遥 由于性能指标考虑了相邻两个采样
时刻的样本之间具有的连续性袁 与传统神经网络模型辨识方法
相比袁在相同的辨识精度条件下袁本文方法可有效提高模型的数
据拟合能力和泛化能力遥 对单元机组过热汽温过程进行了神经
网络模型辨识研究袁 仿真结果表明改进的神经网络模型辨识方
法是有效性遥
员 改进的动态过程神经网络模型辨识方法
为研究基于新的性能指标的神经网络模型辨识方法袁本文以
单隐层 月孕 神经网络作为研究对象遥 设神经网络的输入样本为院
怎渊噪原员冤袁怎渊噪原圆冤袁噎袁怎渊噪原皂冤袁赠渊噪原员冤袁赠渊噪原圆冤袁噎袁赠渊噪原灶冤
神经网络的输出样本为 赠渊噪冤袁怎 为被辨识过程的输入袁赠 为
被辨识过程的输出袁皂 为过程输入阶次袁灶 为过程输出阶次袁
皂臆灶袁噪 为采样时刻袁噪越灶垣员袁灶垣圆袁噎袁晕袁晕 为采样个数遥
构建一个输入层节点数为 陨袁中间隐层节点数为 允袁输出层
节点数为 员 的 猿 层 月孕 神经网络袁其中 陨越皂垣灶袁输入层与隐层节
点间的连接权为 憎员
躁袁蚤
袁隐层与输出层节点间的连接权为 憎圆
躁
袁
蚤越员袁圆袁噎袁陨袁躁越员袁圆袁噎袁允遥
定义模型辨识精度指标函数为院
允
藻
越
员
圆
晕
噪越灶垣员
移
咱赠渊噪冤原赠
皂
渊噪冤暂
圆
渊员冤
模型训练指标函数为院
孕越允
藻
垣姿允
则葬贼藻
渊圆冤
其中院
允
则葬贼藻
越
员
圆
晕
噪越灶垣员
移
咱赠渊噪冤原赠渊噪原员冤冤原渊赠
皂
渊噪冤原赠
皂
渊噪原员冤冤暂
圆
姿越
茁
员垣允藻
扇
墒
设
设
缮
设
设
渊猿冤
上述两个指标函数中袁允
藻
为神经网络模型输出与相应样本
输出的误差平方和袁允
则葬贼藻
为相邻采样周期模型输出变化量与样本
输出变化量的误差平方和袁姿 为 允
则葬贼藻
的权重系数袁茁 为常数袁赠
皂
为
神经网络模型输出袁由式渊源冤计算院
赠
皂
渊噪冤越
允
躁越员
移
憎圆
躁
窑燥
躁
渊噪冤
燥
躁
渊噪冤越枣渊
陨
蚤越员
移
憎员
躁袁贼
窑曾
蚤
渊噪冤冤
扇
墒
设
设
缮
设
设
渊源冤
式中 燥
躁
为隐层节点的输出袁枣渊早冤为 杂蚤早皂燥蚤凿葬造 函数袁曾
蚤
渊噪冤为
向量 载渊噪冤的元素袁载渊噪冤越咱怎渊噪原员冤袁怎渊噪原圆冤袁噎袁怎渊噪原皂冤袁赠渊噪原员冤袁
赠渊噪原圆冤袁噎袁赠渊噪原灶冤暂遥
对模型训练指标 孕 分别求连接权 憎员
躁袁蚤
和 憎圆
躁
的偏导数袁并
令偏导数等于 园院
一种改进的动态过程神经网络模型辨识方法
粤灶陨皂责则燥增藻凿酝藻贼澡燥凿燥枣阅赠灶葬皂蚤糟孕则燥糟藻泽泽晕藻怎则葬造晕藻贼憎燥则噪酝燥凿藻造陨凿藻灶贼蚤枣蚤糟葬贼蚤燥灶
任振华
员
邵恩泽
圆
雎 刚
员
渊员 东南大学能源与环境学院袁江苏南京圆员园园员愿曰圆 江苏方天电力技术有限公司袁江苏南京圆员园园员愿冤
摘要院提出了一种改进的动态过程神经网络模型辨识方法袁该方法在传统的模型输出与样本输出误差平方和性能指标基
础上袁添加了相邻采样周期模型输出变化量与样本输出变化量之差的平方和项袁作为模型辨识性能指标的一部分袁并给出了相
应的模型辨识算法遥 以单元机组过热汽温为对象使用改进的方法进行神经网络模型辨识研究袁仿真结果表明与传统神经网络
模型辨识方法相比袁在相同的辨识精度条件下袁该方法可提高所建模型的数据拟合能力和泛化能力袁有效提高模型的质量遥
关键词院神经网络曰动态模型曰模型辨识
粤遭泽贼则葬糟贼押陨灶贼澡蚤泽责葬责藻则熏葬灶蚤皂责则燥增藻凿凿赠灶葬皂蚤糟责则燥糟藻泽泽灶藻怎则葬造灶藻贼憎燥则噪皂燥凿藻造蚤凿藻灶贼蚤枣蚤糟葬贼蚤燥灶皂藻贼澡燥凿蚤泽责则燥责燥泽藻凿援韵灶贼澡藻遭葬鄄
泽蚤泽燥枣责藻则枣燥则皂葬灶糟藻蚤灶凿藻曾燥枣贼澡藻泽择怎葬则藻凿泽怎皂燥枣贼澡藻凿蚤枣枣藻则藻灶糟藻泽遭藻贼憎藻藻灶贼则葬凿蚤贼蚤燥灶葬造皂燥凿藻造燥怎贼责怎贼葬灶凿泽葬皂责造藻燥怎贼责怎贼熏蚤灶鄄
糟则藻葬泽蚤灶早遭赠泽择怎葬则藻凿泽怎皂燥枣贼澡藻凿蚤枣枣藻则藻灶糟藻泽遭藻贼憎藻藻灶贼澡藻燥怎贼责怎贼增葬则蚤葬贼蚤燥灶燥枣皂燥凿藻造蚤灶贼澡藻葬凿躁葬糟藻灶贼泽葬皂责造蚤灶早责藻则蚤燥凿葬灶凿贼澡藻
泽葬皂责造藻憎澡蚤糟澡蚤泽责葬则贼燥枣灶藻憎责藻则枣燥则皂葬灶糟藻蚤灶凿藻曾熏葬灶凿贼澡藻糟燥则则藻泽责燥灶凿蚤灶早皂燥凿藻造蚤凿藻灶贼蚤枣蚤糟葬贼蚤燥灶葬造早燥则蚤贼澡皂蚤泽早蚤增藻灶援砸藻泽藻葬则糟澡蚤灶早燥灶
灶藻怎则葬造灶藻贼憎燥则噪皂燥凿藻造蚤凿藻灶贼蚤枣蚤糟葬贼蚤燥灶遭葬泽藻凿燥灶贼澡藻燥遭躁藻糟贼燥枣怎灶蚤贼鸳泽泽怎责藻则澡藻葬贼藻凿泽贼藻葬皂贼藻皂责藻则葬贼怎则藻贼澡则燥怎早澡蚤皂责则燥增藻凿皂藻贼澡燥凿援
运藻赠憎燥则凿泽押灶藻怎则葬造灶藻贼憎燥则噪熏凿赠灶葬皂蚤糟皂燥凿藻造熏皂燥凿藻造蚤凿藻灶贼蚤枣蚤糟葬贼蚤燥灶
45
资源评论
