本文關(guān)鍵詞：一種基于白箱模型的人工神經(jīng)網(wǎng)絡(luò)參數(shù)辨識算法

  更多相關(guān)文章： 汽輪機 白箱模型 調(diào)節(jié)系統(tǒng) 辨識算法 映射模型

【摘要】：人工神經(jīng)網(wǎng)絡(luò)(artificial neuron network,ANN)方法應(yīng)用時需要大量樣本數(shù)據(jù),而有時候受限于系統(tǒng)的特殊性,如基于"白箱"模型的汽輪發(fā)電機組調(diào)節(jié)系統(tǒng)參數(shù)辨識過程,由于涉網(wǎng)機組負荷受電網(wǎng)整體調(diào)度的約束與限制,不能任意變動負荷(給系統(tǒng)施加激勵信號)以獲取足夠的樣本試驗數(shù)據(jù)。為此,該文從辨識算法的角度出發(fā),針對原調(diào)節(jié)系統(tǒng)構(gòu)造了一個映射模型,借助RBFBP人工神經(jīng)網(wǎng)絡(luò)方法,通過不同的給定輸入輸出實驗數(shù)據(jù)進行了參數(shù)辨識,效果良好;在此基礎(chǔ)上,文中以某1 000 MW汽輪發(fā)電機組調(diào)節(jié)系統(tǒng)為研究對象,利用該機組甩負荷歷史試驗數(shù)據(jù)實現(xiàn)了參數(shù)辨識的目標。研究結(jié)果表明,通過構(gòu)造映射模型的方式,使得采用基于"白箱"模型的ANN參數(shù)辨識過程對訓(xùn)練樣本集的選取更加靈活,避免了對試驗數(shù)據(jù)的強烈依賴性,是一種行之有效的處理方法。
【作者單位】： 武漢大學(xué)動力與機械學(xué)院;
【基金】：國家自然科學(xué)基金項目(51376140)~~
【分類號】：TP183;TM311
【正文快照】： 過不同的給定輸入輸出實驗數(shù)據(jù)進行了參數(shù)辨識,效果良好;在此基礎(chǔ)上,文中以某1 000 MW汽輪發(fā)電機組調(diào)節(jié)系統(tǒng)為研究對象,利用該機組甩負荷歷史試驗數(shù)據(jù)實現(xiàn)了參數(shù)辨識的目標。研究結(jié)果表明,通過構(gòu)造映射模型的方式,使得采用基于“白箱”模型的ANN參數(shù)辨識過程對訓(xùn)練樣本集的選，

本文編號：1239029