论文研究一种结合PSO及改进BP网络的辨识方法.pdf
当辨识神经网络的类型和结构确定后，初始权值等辨识参数直接影响到辨识效果，而依靠先验知识试凑而得的参数值往往难以达到最佳效果。针对这一问题，提出了一种结合粒子群（PSO）算法及引入动量项的改进BP网络的辨识方法，利用PSO对改进BP网络辨识的初始权值/偏置、学习率、动量系数进行寻优，并将优化后的神经网络模型用在控制系统中进行修正，进一步完善辨识模型。应用在热工系统中，仿真结果表明了该辨识方法的有效性。
当辨识神经网络的类型和结构确定后，初始权值等辨识参数直接影响到辨识效果，而依靠先验知识试凑而得的参数值往往难以达到最佳效果。针对这一问题，提出了一种结合粒子群（PSO）算法及引入动量项的改进BP网络的辨识方法，利用PSO对改进BP网络辨识的初始权值/偏置、学习率、动量系数进行寻优，并将优化后的神经网络模型用在控制系统中进行修正，进一步完善辨识模型。应用在热工系统中，仿真结果表明了该辨识方法的有效性。