基于模糊神经网络的气化炉反应速率建模研究

本文从人工神经网络的基本原理出发,将其学习算法与模糊逻辑理论结合,构建模糊神经网络结构,采用减法聚类完成对模糊神经系统的结构辨识。从各组输入量和输出量中确定模糊规则数目,给出规则中参数的确定方法,并用误差反传法优化相关参数。最后用此方法对气化炉的反应速率建立软测量模型。实验仿真结果验证了该模型运算性能良好,而且能满足对建模精度的要求。