递归模糊神经网络建模

燃气轮机建模

该网络通过递归层、模糊规则自生成与剪枝技术实现紧凑高效的结构，并采用混沌量子鸽子优化算法快速求解参数，能够精确捕捉燃气轮机系统动态特性。

侯国莲 · Fan, Yuzhen · 王俊杰

Energy 2024

参数信息

输出功率均方根误差

0.0023

排气温度均方根误差

0.0015

转子转速均方根误差

0.0011

排气流量均方根误差

0.0069

技术优势

结构紧凑

通过基于归一化神经元贡献度和学习误差的剪枝技术去除冗余模糊规则，保证模型结构紧凑高效。

自动建规则

通过预设阈值处理系统误差和距离指标，自动生成模糊规则，无需人工设定规则数量。

收敛迅速

采用混沌量子鸽子优化算法快速准确求解后件参数，提升训练速度。

应用场景

• 燃气轮机控制：提供精确模型作为控制器设计的前提。
• 动力系统建模：用于热电机组动态特性辨识，支撑可再生能源接入下的控制。
• 工业过程建模：对燃气轮机这类复杂工业过程进行精确建模。
• 无人机动力建模：可用于无人机动力系统的辨识与建模。