稳定RBF神经网络的在线软测量建模方法

来源期刊：控制工程2018年第5期

论文作者：丛秋梅 邓淑贤 赵宇 王艳

文章页码：823 - 828

关键词：径向基函数;软测量;建模;稳定学习算法;输入到状态稳定性;

摘    要：针对RBF（Radial Basis Function）神经网络在存在未建模动态或不确定干扰时,采用梯度下降法建模出现不稳定、实时性和鲁棒性较差的问题,提出了带有稳定学习算法的RBF神经网络在线软测量建模方法。以隐含层径向基函数为Gaussian函数的RBF神经网络为例,通过分析ISS（Input-to-State Stability,输入到状态稳定性）-Lyapunov函数,得到网络权值和径向基函数参数的稳定学习算法,并证明RBF神经网络辨识误差的有界性。稳定学习算法可抑制过程未建模动态和不确定干扰的影响,使软测量模型具有较高的预测精度和自适应能力。以非线性对象和实际污水处理过程为例进行了仿真,结果表明,以稳定RBF神经网络建立的软测量模型具有较好的鲁棒性和在线软测量性能。