基于RBF神经网络的温度场重建算法研究

在声学法锅炉炉膛温度场测量中,重建算法是实现炉膛温度场重建的关键。本文提出一种基于径向基函数神经网络的复杂温度场重建算法。该算法首先对被测温度场用离散余弦变换,建立离散余弦变换低阶次项DCT系数向量与声波路径平均温度向量的映射关系,然后利用RBF神经网络良好的函数逼近能力实现该映射关系,并通过正交最小二乘法进行学习和训练,实现被测温度场的重建。本文对3种原型温度场进行了重建,并在40 dB、30 dB和20 dB等3种不同噪声水平下进行了重建实验。仿真及初步实验结果表明,该算法具有温度场重建精度高、速度快、抗干扰能力强的特点。