文献类型：期刊文章

作　　者：丁金林[1] 王峰[1,2] 孙洪[1] 刘国海[2]

机构地区：[1]苏州市职业大学电子工程系,江苏苏州215104 [2]江苏大学电气信息工程学院,江苏镇江212013

出　　处：《微电子学与计算机》

基　　金：国家自然科学基金项目(51077066);江苏省自然科学基金项目(BK2011319);苏州市职业大学创新基金资助项目(2011SZDCC01)

年　　份：2012

卷　　号：29

期　　号：11

起止页码：70-73

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD_E2011_2012、JST、ZGKJHX、核心刊

摘　　要：针对神经网络逆系统方法实现复杂非线性系统解耦存在训练时间长、实时控制较差的缺陷,提出一种改进的RELM(正则极限学习机)训练算法,根据输出权值的特点,采用不带平方根的乔累斯基分解,提高了计算效率,减少了训练时间,具有较高的学习精度及更好的泛化能力;进一步将此神经网络应用到3输入3输出多变量离散系统的解耦控制,仿真实验结果表明,所提出的方法具有较快的实时控制速度,具有较高的实用价值.

关 键 词：神经网络  非线性 正则极限学习机  乔累斯基分解  逆系统 解耦控制

分 类 号：TP391]