[发明专利]一种利用现场数据建立神经网络模型的方法有效

专利信息
申请号: 201510392524.4 申请日: 2015-07-06
公开(公告)号: CN105160396B 公开(公告)日: 2018-04-24
发明(设计)人: 雎刚;钱磊 申请(专利权)人: 东南大学
主分类号: G06N3/02 分类号: G06N3/02
代理公司: 南京苏高专利商标事务所(普通合伙)32204 代理人: 李晓
地址: 210096 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 利用 现场 数据 建立 神经网络 模型 方法
【权利要求书】:

1.一种利用现场数据建立神经网络模型的方法,其特征在于,包括以下步骤:

步骤一,现场DCS数据采样;

首先选择同一时段下某个对象或过程的输入和输出DCS数据,输入、输出分别用变量u,y表示,采样周期为5s;然后将变量u,y分别作时延处理,分别取各个变量前1~n个时刻的数值,形成样本数据:

u(k-1),u(k-2),...,u(k-n),y(k-1),y(k-2),...,y(k-n),y(k),k=n+1,n+2,...,N,]]>

其中,n为3~5的自然数,N=3000;

步骤二,RBF神经网络辨识

RBF神经网络辨识过程如下:

①获取建模样本:以为输入,y(k),k=n+1,n+2,...,N为输出;

②选择合适的网络结构,选取合适的网络参数,包括隐节点数HiddenUnitNum、隐节点重叠系数overlap、删除信号signal=0;

③采用RBF算法用训练样本训练网络,当连续m个测试误差不再下降时结束训练,停止训练条件为:

|1mΣi=1m-1E(k-i)-E(k)|<ϵ2]]>

式中E(k)为当前的测试误差,E(k-i)为前若干次的测试误差,ε2为任意小的正实数,m取5;

④如果signal=0,转⑤,否则,如果当前网络的训练误差与前次网络相比有跳变,即:E-E'>δ

式中E为当前网络的训练误差,E'为前次网络的训练误差,δ为正实数,取5,则使用前次网络作为辨识结果,辨识结束;否则,转⑤;

⑤根据式计算隐节点、u(k-i)节点和y(k-j)节点的灵敏度;

式中y(p)为第P个样本的网络输出,d(p)为第P个样本的目标输出,wh为第h个隐节点的连接权值,oh为第h个隐节点对第P个样本的输出,xk为第P个样本的k个输入,δh为第h个隐节点对应的宽度,ch,k为第h个隐节点对应第k个输入的值;

⑥如果隐节点、u(k-i)节点和y(k-j)节点中有最小的灵敏度满足式

ρmin1nΣm=1n|ρm|<ϵ1]]>

式中ρmin为隐节点或u(k-i)节点或y(k-j)节点中最小的灵敏度,ρm为隐节点或u(k-i)节点或y(k-j)节点的灵敏度,n为隐节点数或u(k-i)节点数或y(k-j)节点数,ε1为小于1的正实数,

则删除相应最小灵敏度节点,记signal=1,转到③;否则,剪枝结束,辨识结束;

⑦辨识结束。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201510392524.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top