华北电力大学学报
華北電力大學學報
화북전력대학학보
JOURNAL OF NORTH CHINA ELECTRIC POWER UNIVERSITY
2009年
5期
66-72
,共7页
改进BP网络%隐式广义预测自校正控制%粒子群算法%遗传算法%参数优化
改進BP網絡%隱式廣義預測自校正控製%粒子群算法%遺傳算法%參數優化
개진BP망락%은식엄의예측자교정공제%입자군산법%유전산법%삼수우화
提出一种基于神经网络和参数优化的预测控制方法.首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数).将该方法应用在热工系统中,仿真结果表明了方法的有效性.
提齣一種基于神經網絡和參數優化的預測控製方法.首先利用帶有動量項的改進BP神經網絡辨識繫統模型,在辨識過程中使用粒子群算法(PSO)對改進BP網絡的初始權值/偏置、學習率、動量繫數等辨識參數進行學習優化,解決這些參數的取值問題;然後將辨識得到的模型用于隱式廣義預測自校正控製中,使用遺傳算法(GA)對控製過程進行優化,尋找最優的控製參數(預測時域、控製時域、控製加權繫數、柔化繫數).將該方法應用在熱工繫統中,倣真結果錶明瞭方法的有效性.
제출일충기우신경망락화삼수우화적예측공제방법.수선이용대유동량항적개진BP신경망락변식계통모형,재변식과정중사용입자군산법(PSO)대개진BP망락적초시권치/편치、학습솔、동량계수등변식삼수진행학습우화,해결저사삼수적취치문제;연후장변식득도적모형용우은식엄의예측자교정공제중,사용유전산법(GA)대공제과정진행우화,심조최우적공제삼수(예측시역、공제시역、공제가권계수、유화계수).장해방법응용재열공계통중,방진결과표명료방법적유효성.