Elman神经网络在热工辨识中的应用研究.pdfVIP

维普资讯 学兔兔 第1期 (总第146期) 机 械 工 程 与 自动 化 No．1 2008年 2月 MECHANICAL ENGINEERING ＆ AUT0MAT10N Feb、 文章编号：1672—6413(2008)01—0144—02 Elman神经网络在热工辨识中的应用研究 徐 笑 ，谷俊杰 ，彭 钢。 (1．华北电力大学控制科学与工程学院，河北 保定 071000；2．河北省电力研究院 热控技术研究所，河 北 石家庄 050021) 摘要：介绍了一种Elman动态递归神经网络结构，讨论了它的DBP学习算法，并将具有比例积分特性的Elman 网络应用于动态系统的辨识。计算机仿真结果表明，Elman网络对热工动态系统辨识有很好的逼近效果。 关键词：递归神经网络；PI型Elman网络；动态系统辨识 中图分类号：TP183 文献标识码：A 0 引言 (正)、 (正)分别为k时刻网络的输入和输出；f、g分别 现在的大容量高参数火电厂热工对象慢时变大迟 为隐节点和输出节点的函数，g在使用时常取为线性 延的特性，在变负荷时表现得很明显，运行人员反映 函数。 系统的控制效果不甚理想，这不仅影响了机组设备的 安全，而且使生产成本居高不下。本文在以往研究的 基础上提出了基于PI型Elman网络的热工辨识方 法，该方法提高了系统的稳定性和准确性，为解决常 规PID控制整定方法复杂和对运行工况适应力不足 的问题提供了理论依据。 1 Elman神经网络介绍 Elman神经网络是一种典型的动态回归网络，它 在前馈神经网络基本结构的基础上，通过存储内部状 态而具备了映射动态特征的功能，可以模仿时变对象 的行为，为自适应控制的发展注入了新的活力。采用 图 1 PI型 Elman神经网络结构 标准BP学习算法训练的Elman神经网络能对一阶系 2 PI型Elman网络的DBP学习算法 统进行有效的辨识，由此提出了动态BP算法，也可通 网络的理想输出为Y ，实际输出为Y，则总体误差 过对网络结构进行修改从理论上提高它的动态性能。 目标函数为： 本文采用了单输入、单输出的PI型Elman神经网络， E E(正)一百1∑∑( d(户)一 (户))z一∑ p(正)。