基于偏差补偿的T-S模糊神经网络

被引：3

作者：

张颖

机构：

[1] 上海海事大学信息工程学院

来源：

江南大学学报(自然科学版) | 2010年 / 9卷 / 04期

关键词：

系统辨识; T-S模糊神经网络; 软测量; 偏差补偿;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

将T-S模糊神经网络应用于化工生产过程的软测量,并针对提高软测量精度的问题,提出了一种基于偏差补偿的改进型T-S模糊神经网络模型。将网络模型输出与样本输出比较后所得的偏差,作为校正网络的样本数据输出,以样本输入数据为输入,对校正网络进行训练,建立了关于偏差的模糊系统模型,将校正网络的输出对软测量系统模型的误差进行修正。经过实际测量,取得了较好的应用效果。

引用

页码：481 / 484

页数：4

共 5 条

[1] A Multilayer Recurrent Fuzzy Neural Network for Accurate Dynamic System Modeling [J].

柳贺 ;

黄道 .

JournalofDonghuaUniversity(EnglishEdition), 2008, 25 (04) :373-378

[2] 基于递阶T-S模糊系统的软测量建模方法 [J].

袁平 ;

毛志忠 ;

王福利 .

东北大学学报, 2006, (10) :1071-1074

[3] Component Content Soft-sensor Based on Neural Networks in Rare-earth Countercurrent Extraction Process [J].

YANG Hui School of Electronics and Electrical EngineeringEast China Jiaotong UniversityNanchang CHAI TianYou Rescarch Center of AutomationNortheastern UniversityShenyang .

自动化学报, 2006, (04) :489-495

[4] Neurofuzzy model based predictive control for thermal batch processes [J].

Escano, J. M. ;

Bordons, C. ;

Vilas, C. ;

Garcia, M. R. ;

Alonso, A. A. .

JOURNAL OF PROCESS CONTROL, 2009, 19 (09) :1566-1575

[5] A new approach of neuro-fuzzy learning algorithm for tuning fuzzy rules [J].

Shi, Y ;

Mizumoto, M .

FUZZY SETS AND SYSTEMS, 2000, 112 (01) :99-116

← 1 →