基于优化RBF神经网络挤出机温度压力系统辨识

来源：机床与液压杂志2021年第10期北京时间：

作者：陈明霞，周冬冬，张寒

单位：桂林理工大学机械与控制工程学院；桂林理工大学机械与控制工程学院；桂林理工大学机械与控制工程学院

摘要：为了精确在线辨识橡胶复合挤出机控制过程中主要干扰变量与内部耦合关系，更好地实现对挤出机温度压力耦合系统的精准控制，采用RBF神经网络进行系统辨识研究，同时结合PSO算法引入GA算法中编码、杂交、交叉、变异等概念，设计了混合型PSO算法进一步优化RBF神经网络，完成对温度压力耦合系统的精准在线辨识。借助MATLAB软件进行神经网络训练，辨识系统耦合关系，同时与混合型PSO算法优化神经网络权值所辨识的效果进行对比。试验结果表明：采用混合型PSO算法优化RBF神经网络训练效果更佳，可以实现RBF神经网络高精度系统辨识；混合型PSO算法优化RBF神经网络应用于挤出机温度压力控制系统辨识，可以在一定程度上提升系统的辨识精度以及挤出机械的智能化水平。

关键词：挤出机温度压力系统;混合粒子群算法;RBF神经网络;系统辨识

基金资助：国家自然科学基金地区科学基金项目（61863009）；桂林理工大学科研启动基金项目（GLUTQD2012028）