论文部分内容阅读
在模糊神经网络中采用传统的梯度下降优化方法,其搜索速度慢,并易于陷于局部最小的缺点,提出一种自适应粒子群算法,采用由一个模糊推理机来动态地修改速度参数,模糊推理机的两个输入分别是当前速度参数,以及规范化的当前最好性能估计,输出是速度参数的增量;并将该方法用于模糊神经网络的参数的优化中,得到一种新的建模方法。最后以德士古气化炉为对象,用该方法建立炉膛温度的软测量模型,结果表明该方法该模型运算速度快,同时具有良好泛化性能,能够满足软测量建模精度的要求。