采用微分进化算法和径向基函数神经网络的热工过程模型辨识

在热工过程模型辨识中，被控对象动态特性往往表现出非线性、慢时变、大迟延和不确定性等特点，这使得难以对其建立比较精确的模型。为了达到精确建模的目的，提出一种基于微分进化算法和径向基函数神经网络的辨识方法。该方法采用基于能量分布正交最小二乘学习算法的径向基函数(radialbasisfunction，RBF)神经网络，通过改进的微分进化算法，对神经网络辨识系统进行参数优化，使RBF神经网络能够更快、更精确地逼近实际系统的输出，达到精确建模的目的。仿真结果表明，在采用改进的RBF网络对热工复杂对象进行辨识时，通过微分进化算法进一步确定其最佳参数，可以取得更好的辨识效果。