论文部分内容阅读
在多模型控制中，局部模型大多数是基于线性模型，其数量和精度影响多模型控制的效果。提出一种基于RBF神经网络的非线性模型辨识算法，采用G．B．Sentoni等人提出的非线性模型结构，利用径向基函数（Radial Basis Function，RBF）神经网络的逼近能力，实现热力系统非线性模型辨识。在RBF神经网络的学习过程中，根据性能函数调节学习率，可以加快学习的收敛过程。最后进行了仿真验证，基于2个局部非线性模型的多模型控制系统与基于5个局部线性模型的多模型控制系统相比，减少了切换时的震荡，控制精度有所提