基于混沌RBF神经网络的汽油机瞬态工况油膜参数辨识研究

提出了基于混沌径向基(RBF)神经网络的汽油机瞬态工况油膜参数辨识方法。利用混沌优化算法确定隐含层高斯函数径向基中心和输出层连接权值,使其达到全局最优,有效地提高RBF神经网络的收敛速度;同时,利用混沌算法训练RBF神经网络,使目标函数取全局最小值或逼近全局最小值,有效地提高辨识模型的辨识精度,并与BP神经网络模型及最小二乘法辨识进行了分析和比较。仿真结果表明:混沌RBF神经网络模型收敛速度快,具有更强的非线性辨识能力,能够有效地提高油膜动态参数的辨识精度,进而得出不同工况下的油膜参数动态特征。     

热力系统局部非线性模型辨识

在多模型控制中,局部模型大多数是基于线性模型,其数量和精度影响多模型控制的效果。提出一种基于RBF神经网络的非线性模型辨识算法,采用G.B.Sentoni等人提出的非线性模型结构[2~3],利用径向基函数(Radial Basis Function,RBF)神经网络的逼近能力,实现热力系统非线性模型辨识。在RBF神经网络的学习过程中,根据性能函数调节学习率,可以加快学习的收敛过程。最后进行了仿真验证,基于2个局部非线性模型的多模型控制系统与基于5个局部线性模型的多模型控制系统相比,减少了切换时的震荡,控制精度有所提高。试验结果表明,该辨识算法能减少固定模型数量,从而减少模型搜索时间,并且能够提高模型预测精度。     

基于人工神经网络的汽油机稳态排放模型辨识

在CF4g18电控汽油机的稳态排放物测量试验的基础上,利用径向基(RBF)神经网络对该发动机进行了污染物的辨识,通过选定该网络的结构和各参数,并对试验数据进行学习,得到了该发动机污染物的辨识模型,该模型输出值与试验值误差较小,可以精确地反映该发动机在不同转速和扭矩下的各污染物排放特性.     

基于径向基函数逆系统的锅炉-汽轮机系统终端滑模控制研究

针对锅炉-汽轮机系统多输入多输出、非线性、强耦合等特点,采用非线性逆系统方法实现反馈线性化和解耦,利用径向基函数（RBF）神经网络方法来辨识逆系统,并通过在线学习减小了建模误差．对解耦后的锅炉-汽轮机系统设计终端滑模控制器,实现了有限时间收敛,采用Lyapunov方法进行了稳定性分析,保证了该控制系统的大范围稳定性．仿真结果表明：该控制系统能够在大范围运行工况下工作良好,优于经典逆系统控制方法设计的系统．     

基于PSO-RBF神经网络的微电网等效建模

提出一种改进粒子群优化的RBF神经网络微电网动态等效模型及建模方法,利用RBF人工神经网络的非线性映射特性解决微电网系统并网接入的等效建模问题。基于微电网公共接入点(PCC)的电压、电流、功率等量测数据构建RBF神经网络等效模型,将接入点电压和电流分别作为神经网络的输入和输出,使神经网络的输入输出更具独立性。将混沌优化的全局遍历性引入粒子群优化算法中,构建基于全局最优解的变邻域混沌搜索提高粒子群算法的全局搜索能力,利用改进粒子群算法优化RBF神经网络模型参数提高模型计算精度。最后通过微电网并网仿真实验验证本文提出等效模型的准确性和建模方法的合理性。     

基于神经网络模型的锅炉主蒸汽温度预测控制

为解决传统控制方法在火力发电机组蒸汽温度控制过程中存在的强非线性、大迟延的难题,提出了一种基于长短期记忆(LSTM)神经网络在线估计和粒子群(PSO)滚动优化的预测控制算法。该方法将常规串级控制系统的主回路控制器用预测控制器替代,采用LSTM神经网络建立主蒸汽温度控制系统的过程模型,通过多步预测实现了对复杂非线性系统模型的精确预测。利用PSO算法在线求解主蒸汽温度控制系统的最优预测控制律,避免了传统递推方法无法直接求解非线性优化问题。仿真结果表明：与传统主蒸汽温度串级控制策略相比,该控制算法明显改善了控制系统的快速性,抗扰能力较强,对主蒸汽温度这类具有非线性及模型不精确的被控对象有一定的参考价值。     

PSO RBF神经网络在城市需水量预测中的应用

为克服径向基函数（RBF）神经网络由于参数选取不当而对其收敛性能的干扰,利用粒子群优化算法（PSO）的全局搜索能力对RBF神经网络的三个参数进行寻优,建立了基于PSO RBF神经网络算法的城市需水量预测模型。结果显示,PSO RBF神经网络算法拟合某市1998～2007年需水量数据的平均相对误差为0.18%,预测2008～2010年需水量数据的平均相对误差为3.84%,耗时1.2 s;通过RBF神经网络算法拟合的误差平均值为0.28%,预测的平均相对误差为5.62%,耗时2.1 s,表明PSO RBF神经网络算法具有更高的收敛速度与精度。     

建筑物供暖空调系统节能控制仿真

为了解决暖通空调控制系统的时滞、时变等非线性特征使其控制效果变差的问题,设计了在线辨识对象模型和基于SMITH预估器的自校正控制算法。实现了在线闭环辨识暖通空调特性参数,在获得相应模型后以SMITH预估器补偿时滞参数从而抵消各种消极状况,优化PI控制器加强其鲁棒性能。仿真结果表明所设计的在线辨识模型和控制算法取得了良好的控制效果并具备可行性。     

基于NNARX的动态神经网络模型的水电机组预测控制

针对水轮机调节系统的高阶、非线性及非最小相位的特点,设计了基于非线性自回归动态神经网络(NNARX)的水电机组预测控制系统。为了更好地得到过程参数及对象模型,先利用NNARX神经网络对水电机组整体进行辨识,再利用此网络对水电机组进行预测控制,并给出了模型算法及处理过程。由于NNARX动态网络误差曲面比较复杂,利用L-M算法对其进行训练。仿真结果表明,基于NNARX的动态神经网络模型具有很好的收敛性,辨识精度高,预测控制效果良好。     

基于OLS-SFLA-RBF神经网络的风电出力预测

提高风电出力的预测精度,可以减轻风电并网带来的不利影响。利用径向基函数神经网络（RBF）建立风电出力预测模型,并通过正交二乘算法（OLS）对RBF神经网络进行初步训练,以确定网络结构及隐含层各节点中心。在OLS算法训练的网络基础上引入蛙跳算法（SFLA）,进一步对隐含层基函数的宽度值进行优化以提高网络的泛化能力。实例预测表明,在相同的网络结构及隐含层中心下,基函数宽度值优化后的RBF神经网络模型预测精度得到了提升。     

基于RBF神经网络与模糊控制的短期负荷预测

针对电力系统短期负荷预测,综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,建立了径向基函数（Radial?Basis?Function,RBF）神经网络和模糊控制相结合的短期负荷预测模型。该模型利用RBF神经网络的非线性逼近能力对预测日负荷进行了预测,并采用在线自调整因子的模糊控制对预测误差进行在线智能修正。实际算例表明RBF神经网络与模糊控制相结合提高了预测精度。     

基于RBF神经网络参数优化的电源柜热电偶温度测量校正研究

为提高电源柜温度测量精度,提出一种基于多通道高精度测量的电源柜温度校正方法。方法首先采用K均值聚类算法和人工鱼群优化算法优化径向基函数网络的最佳基函数中心和宽度,以及隐藏层与输出层的连接权值等参数,实现RBF神经网络的优化;然后将优化后的RBF网络应用于多通道高精度电源柜测温系统,实现测量电源柜温度的校正。仿真结果表明,所提方法可实现基于多通道高精度测量的电源柜温度非线性误差的校正,使测量的温度误差小于0.4℃;相较于标准RBF网络和BP神经网络,所提的方法具有更快的训练速度和更小的均方根误差,可用于对测温精度要求较高的测温环境。而本研究的创新点在于基于热电偶测量原理,实现了非线性温度变化的自适应补偿,提高了测量的精度。     

RBF神经网络在大坝安全监测故障诊断中的应用研究

基于径向基函数神经网络．建立了大坝安全自动化监测的非线性故障自诊断系统。根据系统一步超前预报值与在线实测值的残差逻辑判决．对自动化监测系统的工作性能进行实时诊断。实例结果表明，基于RBF神经网络的大坝安全自动化监测故障自诊断系统能够较好地实现故障的在线诊断和实时隔离。     

基于改进径向基神经网络的风电叶片模温串级PID控制算法

针对风电叶片模具电加热系统中被控对象存在的大惯性、非线性、干扰多等问题,提出一种基于改进径向基(RBF)神经网络的串级PID温度控制方法.首先,采用RBF神经网络结构对常规PID串级控制主回路结构进行优化,在此基础上,引入双动量因子,对主控制回路的输出Jacobian信息进行系统辨识,进而实现对控制器参数的自适应整定;...     

基于ROLS算法的RBF神经网络燃料电池电特性建模

提出了一种基于ROLS算法的RBF神经网络辨识建立直接甲醇燃料电池(DMFC)电特性模型的新方法。以电池的工作温度为输入量,电池的电压／电流密度为输出量,利用1200组实验数据作为训练和测试样本,建立了在不同工作温度下,电池的电压／电流密度动态响应模型,仿真结果表明采用RBF神经网络辨识建模的方法是有效的,建立的模型精度较高。     

基于径向基函数神经网络的汽轮机转子等效应力计算模型

为解决汽轮机转子应力的在线监测问题,建立了基于径向基函数(RBF)神经网络的汽轮机转子等效应力计算模型,对比了用有限元和RBF神经网络模型两种方法计算得出的冷态、温态、热态和极热态4种启动工况下转子调节级叶轮根部圆角处的等效应力.计算结果表明:RBF神经网络模型计算结果与有限元法解的结果非常相近,且计算简便、耗时少,可以应用于汽轮机转子等效应力的在线计算,为汽轮机转子寿命在线管理提供依据.     

基于RBF网络的柴油机非线性建模

根据在柴油机试验中得到的输入和输出数据，基于RBF神经网络，建立了描述柴油机动态性能的非线性神经网络模型。提出了一个改进的自组织网络(MSOM)，可以根据柴油机输入输出数据的空间分布和给定的逼近误差自动选择RBF网络的中心。RBF网络的权重用最小方差方法估计出。仿真结果表明，该非线性的神经网络模型可以准确地描述柴油在整个工作范围内的动态性能。该模型将被用于柴油机控制系统的性能分析和控制方案设计中。     

燃气锅炉主汽压的RBF神经网络滑模控制策略设计

针对燃气锅炉主汽压控制的非线性、干扰大和模型参数易变的特点,常规比例积分微分(PID)控制方法难以取得满意的控制效果.利用滑模控制对系统参数变化和扰动不灵敏的优点,提出一种基于神经网络和滑模控制相结合的主汽压优化控制策略.采用径向基函数(RBF)神经网络调节滑模控制器的切换增益以降低其在平衡点的抖振,并通过在系统中设计...     

基于遗传算法的BP神经网络在水利定额编制中的应用

针对BP神经网络易陷入局部最优和遗传算法全局搜索速度过慢的缺点及水利定额编制中存在非线性和复杂性的实际状况,提出采用遗传算法(GA)优化BP神经网络在水利定额编制中的问题。实例分析表明,优化后模型(GA-BP神经网络)结合了BP神经网络的非线性逼近、局部寻优能力和遗传算法的全局搜索特性,在稳定性、预测精度、收敛速度上均优于BP神经网络,可运用于水利定额编制。     

基于改进聚类和RBF神经网络的台区电网线损计算研究

电网线损是反映低压台区配电网输配电性能好坏的重要技术指标,针对低压台区线损计算不精确和效率不高的问题提出了一种有效的计算方法,即基于改进K-Means聚类和正交最小二乘法(OLS)优化的径向基(RBF)神经网络计算模型.首先通过层次分析法(AHP)对线损的电气指标进行提取,根据得到的线损指标用改进的K-Means聚类算...