针对常规高效链接超平面(EHH)神经网络无法辨识多变量系统的问题，将多目标规划方法运用到该神经网络的训练过程中，提出了多变量非线性系统超平面神经网络辨识算法。与常规训练方法相比，该算法考虑到EHH神经网络在辨识多个输出变量时存在的冲突性，将各变量的辨识作为不同的优化目标，以此设计了线性加权训练方法和理想点训练方法，实现对多变量非线性系统的辨识。以循环流化床锅炉(CFBB)燃烧过程为例，利用大量的实验数据，使用该算法建立了CFBB燃烧过程模型，并验证了该算法的准确性。
科研之友
微信
新浪微博
Facebook
分享链接
