基于神经网络的多模型控制研究
针对复杂热工过程的非线性特性，提出了一种基于免疫原理的径向基函数(Radial Basis Function，RBF)神经网络的非线性模型辨识。模型利用人工免疫系统的记忆、学习和自组织调节原理，进行RBF神经网络的学习和训练，利用这种RBF神经网络进行复杂热工过程的非线性模型辨识。仿真研究表明，这种建模不仅计算量小、精度高，而且辨识的非线性模型可以拟合多个线性模型，消除热工过程不同负荷下线性模型的频繁切换时的震荡，实现多模型的优化控制。
神经网络 热工过程 多模型控制 免疫原理 径向基函数 模型辨识 优化控制
王秋 马永光
华北电力大学 控制科学与工程学院,河北 保定 071003
国内会议
北京
中文
256-258
2008-10-01（万方平台首次上网日期，不代表论文的发表时间）