改进RELM在多变量解耦控制中的应用

摘要：

针对神经网络逆系统方法实现复杂非线性系统解耦存在训练时间长、实时控制较差的缺陷,提出一种改进的RELM(正则极限学习机)训练算法,根据输出权值的特点,采用不带平方根的乔累斯基分解,提高了计算效率,减少了训练时间,具有较高的学习精度及更好的泛化能力;进一步将此神经网络应用到3输入3输出多变量离散系统的解耦控制,仿真实验结果表明,所提出的方法具有较快的实时控制速度,具有较高的实用价值.

关键词： 正则极限学习机 多变量解耦控制 乔累斯基分解 神经网络 逆系统

作者: 丁金林 王峰 孙洪 刘国海

作者单位: 苏州市职业大学电子工程系,江苏苏州215104 苏州市职业大学电子工程系,江苏苏州215104;江苏大学电气信息工程学院,江苏镇江212013 江苏大学电气信息工程学院,江苏镇江212013

会议类型: 国内会议

会议名称: 2012年江苏省人工智能学术会议

会议地点: 连云港

会议语种:中文

页码: 70-73

在线出版日期: 2012-10-17（万方平台首次上网日期，不代表论文的发表时间）