基于神经网络的过程系统动态建模
来源期刊:桂林理工大学学报2000年第4期
论文作者:刘楚平 秦中广 钟汉枢 裴海龙
文章页码:414 - 417
关键词:BP神经网络;离线辨识;在线辨识;M序列;
摘 要:针对生产过程中参数容易受外界影响而改变 ,传统的系统辩识方法难以得到精确的数学模型的实际情况 ,提出利用神经网络的自学习、自适应功能实现动态在线建模。本文对这种方法进行了仿真研究。由计算机产生仿真输入信号 :随机信号或M序列伪随机信号 ,输入到生产过程中普遍存在的一阶纯滞后对象。通过三层BP神经网络的神经元权值的不断调整 ,实现离线辩识和在线辩识 ,直到神经网络的阶跃响应曲线几乎和实际系统的阶跃响应重叠。仿真结果表明 ,神经网络的自我学习能力应用到动态建模中能以较高的精度逼近实际系统 ;其“在线更新”特点将能进一步应用到预测控制、自适应控制和随机控制等领域。
刘楚平,秦中广,钟汉枢,裴海龙
摘 要:针对生产过程中参数容易受外界影响而改变 ,传统的系统辩识方法难以得到精确的数学模型的实际情况 ,提出利用神经网络的自学习、自适应功能实现动态在线建模。本文对这种方法进行了仿真研究。由计算机产生仿真输入信号 :随机信号或M序列伪随机信号 ,输入到生产过程中普遍存在的一阶纯滞后对象。通过三层BP神经网络的神经元权值的不断调整 ,实现离线辩识和在线辩识 ,直到神经网络的阶跃响应曲线几乎和实际系统的阶跃响应重叠。仿真结果表明 ,神经网络的自我学习能力应用到动态建模中能以较高的精度逼近实际系统 ;其“在线更新”特点将能进一步应用到预测控制、自适应控制和随机控制等领域。
关键词:BP神经网络;离线辨识;在线辨识;M序列;