人工神经元网络在非线性系统建模中的应用研究

摘要

随着工业的发展，能源问题越来越被重视，电厂中煤的利用率问题和环境污染问题也随之成为人们研究的热点。本文就是基于电厂中锅炉燃烧系统优化问题，针对锅炉燃烧系统网络建模方法进行分析与研究。本文对经典的RBF网络给出了严格的算法分析和应用实例，验证了径向基函数选择方法。本文对模糊神经网络进行分析，研究模糊聚类算法，并对模糊神经网络进行了改进，实现遗传算法权值的调整设计，为网络权值计算开拓了新的研究方法，文章中给出了算法说明和实验分析。此外本文还开拓了支持向量机网络应用新领域，将支持向量机网络应用于复杂的锅炉燃烧系统建模分析，得到了较好的建模效果。最后，对于支持向量机网络的应用还提出增量学习算法改进，优化了支持向量机网络建模效果。

目录

文摘

英文文摘

声明

第一章引言

1.1人工神经网络建模特点

1.2国内外研究动态

1.3人工神经网络与非线性系统建模

1.4课题研究内容

1.5本文主要内容

第二章人工神经网络算法分析

2.1神经元的数学模型

2.2人工神经网络结构

2.3人工神经网络权值算法

2.4本章小结

第三章RBF神经网络算法分析和实验验证

3.1径向基网络定义与网络插值问题解析

3.2完全内插值存在的问题

3.3正则化理论

3.4 RBF网络典型学习算法

3.5 RBF网络在非线性系统建模中的应用

3.5.1 RBF神经网络非线性函数建模

3.5.2径向机函数选择实验分析

3.5.3 RBF神经网络对噪声的适应性分析

3.6本章小结

第四章模糊神经网络算法分析及遗传算法优化设计

4.1模糊逻辑与神经网络的结合

4.2模糊关系与模糊推理理论基础

4.2.1模糊命题

4.2.2模糊推理

4.3模糊-神经协作网络设计

4.3.1模糊神经元

4.3.2模糊系统建模方法

4.2.3模糊规则及模糊参数的确定

4.4模糊-神经协作网络非线性函数建模实例分析

4.5遗传算法与网络结合点

4.6遗传算法寻优神经网络权值

4.7遗传算法该竞后的模糊网络函数建模分析

4.8本章小结

第五章支持向量机神经网络改进算法与实验分析

5.1支持向量机算法基础

5.2最小二乘支持向量机算法改进

5.3增量学习算法及其应用改进

5.4函数建模实例分析

5.5本章小结

第六章锅炉燃烧过程建模实验

6.1锅炉燃烧系统

6.1.1燃烧控制系统的基本任务

6.1.2系统各个参数作用

6.1.3锅炉燃烧控制系统

6.2锅炉燃烧系统网络建模实验

6.3本章小结

第七章结论

参考文献

致谢

在学期间发表的学术论文和参加科研情况