基于径向基函数神经网络的热工过程模型辨识

为了准确反映热工过程动态特性，实现热工过程整体优化控制，提出了一类新的径向基函数神经网络（RBFNN）的建模方法：采用熵方法和竞争学习算法，结合非线性自回归滑动平均（NARMA）模型的输入/输出结构实现RBFNN的优化，辨识RBFNN结构，并用最小二乘算法（LS）确定权向量，实现了典型的非线性热工过程建模。通过两个实例验证：基于NARMA结构的RBFNN建模，具有较高的辨识精度和较少的隐层节点。