基于RBF神经网络的热工过程在线自适应建模算法研究

传统的各种神经网络建模方法由于自身的局限性不能很好地应用于复杂的热工过程建模。该文提出了一种新型的基于RBF网络的热工过程在线自适应建模算法:近似相关性网络(ACN)建模和阶层补偿式网络结构(HCN)建模。文中与资源分配网络(RAN)进行了详细的算例比较,并进一步计算了实际的热工非线性模型。计算结果表明:该文提出的建模算法不仅能提高模型的输出精度,而且也可有效地减小网络的规模,较好地解决了神经网络超界空间的自适应构造问题,为热工过程全局非线性模型的建立提供了一个新的解决方法。

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。

热力系统优化调度的发展及问题研究

回顾了热力系统优化调度的研究进展,指出了当前热力系统优化调度研究的方向。通过对热力系统实际优化调度中存在问题的分析,根据热力系统中设备的变工况性能,利用在线优化的优点,提出了在线自适应的优化方法。