论文部分内容阅读
神经网络具有较强的逼近非线性函数的能力,并具有自适应学习、并行分布处理和较强的鲁棒性及容错性等特点,为解决未知不确定非线性系统的建模和控制问题提供了一种有效途径.由于常用的多层前馈网络计算量大、收敛速度慢,且容易陷入局部最小点,其应用受到限制.径向基函数RBF(Radial Basis Function)神经网络具有可以逼近任意非线性映射的能力,且网络结构简单,其输出的连接权值与输出呈线性关系,可以采用线性优化算法,近年来,已成为人们的研究热点.该文在现有RBF神经网络的学习算法的基础上,提出了新型的RBF神经网络的构造方法,对RBF神经网络在过程建模和控制中的应用进行了研究,并针对电厂热工过程如过热汽温系统、单元机组负荷系统等进行了仿真研究.