感谢你在百忙之中抽出时间阅读基于混沌混合优化的回转干燥窑出料含水量软测量这篇文章。关于基于混沌混合优化的回转干燥窑出料含水量软测量这篇文章的任何评论都可以告诉小编。你的每一个建议都是对小编辑的肯定和鼓舞。接下来让我们一起来了解基于混沌混合优化的回转干燥窑出料含水量软测量。
控制理论与应用基于混沌混合优化的回转干燥窑出料含水量软测量秦斌12，王欣2，吴敏2，阳春华2（1.株洲工学院电气工程系，湖南株洲4120082中南大学信息科学与工程学院，湖南长沙410083）程的基础上，提出了基于分布式RBF网络的出料含水量软测量模型及其优化学习算法，首先根据先验知识和聚类将输入空间划分成多个子空间，对于每个子空间的RBF网络，由FCM算法和分区校验熵确定隐含节点数，中心向量的学习采用混沌优化与FCM相结合的混合算法。设计了获取样本数据的，其中C为隐层单元个数，隐层单元输出Ri（x）定义为其网络输出：根据机理分析和，部分模型测试数据输出相应于实际曲线的拟合见。由此可见用本文提出的混沌混合优化方法优于单纯用FCM方法，模型较好的反映了过程的变化和趋势，能应用于控制系统的分析和设计。
表1模型训练误差及检验误差（误差均方根）模型训练检验隐含节训练数据检验数据模型误差误差点个数规模规模6模型应用及结论（Application以该模型为中心的出料含水量推断控制系统方案*终在工业控制计算机与单回路控制器组成的两级集散型系统上实现，工业控制计算机完成出料含器给定值，单回路控制器完成燃料等回路控制。当进料有一扰动时，出料含水量均能保持在工艺要求范围以内。实现了各热工参数的动态控制和多参数的综合*优化。从而降低了能源消耗，提高了产品质量和产量，获得了显著经济效益。
本文将混沌优化与FCM算法相结合，提出了RBF模糊神经网络一种新的混沌混合优化方法，解决了神经网络模型复杂性和逼近精度和泛化性能的矛盾，增强了模型的预测能力，实际应用结果表明，采用该方法能达到较好的建模效果。
