摘要:提出一种改进的函数连接型神经网络(FLANN),并将其应用于传感器动态建模。首先,将单输入单输出(SISO)的传感器系统表达为动态差分方程模型;再充分考虑动态模型输出的历史值与参数之间的关系,对模型输出与参数的偏导数进行重新推导,得到了对权值参数偏导数的更高精度估计;最后,利用该模型梯度进行迭代训练,加快了网络收敛速度并提高了收敛的稳定性。实验结果表明,改进FLANN具有更快的收敛速度和更强的鲁棒性,十分适合传感器动态系统的建模。
关键词:函数连接型神经网络 动态模型 辨识 传感器
单位:清华大学电机系电力系统国家重点实验室 北京100084
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社