RBF神经网络的异丙苯氧化系统建模与仿真  

The Cumene Oxidation System Modeling and Simulation on RBF Neural Network

作　　者：满春涛[1] 杨旭[1] 张礼勇[2] 

机构地区：[1]哈尔滨理工大学自动化学院,黑龙江哈尔滨150080 [2]哈尔滨理工大学测控技术与通信工程学院,黑龙江哈尔滨150080

出　　处：《哈尔滨理工大学学报》2010年第1期5-8,共4页Journal of Harbin University of Science and Technology

基　　金：黑龙江省自然科学基金(F2007-09);黑龙江省教育厅科研项目(11531058);哈尔滨市科技创新人才研究专项资金(优秀学科带头人)(2008RFXXG009)

摘　　要：针对径向基函数(RBF)神经网络隐含层节点中心难确定的问题,提出了一种RBF网络学习的新算法,将引入修剪技术的相减聚类算法(PTSC)和最近邻聚类算法相结合的算法,并对异丙苯氧化系统进行建模.仿真结果表明,该算法提高了网络的学习速度,有较强的泛化能力.function neural network hidden layer nodes, the article puts forward a new algorithm for network learning of RBFNN, namely, the algorithm that contain pruning technique of subtractive clustering algorithm and nearest neighbor clustering algorithm combine together,and cumene oxidation system modeling. The simulation results show that the algorithm increases the network learning speed and definite extend ability.

关 键 词：径向基神经网络 异丙苯氧化系统 相减聚类算法 最近邻聚类算法 修剪技术 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]