利用结构逼近式混合神经网络实现间歇反应器的建模

提出了一种新的混合神经网络建模方法——结构逼近式混合神经网络。基于此结构建立的混合神经网络可以充分利用已知非线性系统的结构信息，使神经网络“灰盒”化，更好地解释和描述系统各变量间的因果关系，从而提高网络的建模精度和模型的可靠性。本文介绍了这类神经网络的基本特性、拓扑结构和训练方法。报告了一个典型放热液相二级平行间歇反应的建模过程;并针对间歇反应过程测量滞后的情况，与两种不同的混合神经网络模型作了比较，仿真和比较结果证明了方法的有效性。