基于粒子群算法的模糊大脑情感学习非线性系统辨识

摘要

为提高神经网络模型在解决非线性系统辨识问题上的精度，提出一种基于粒子群算法的模糊大脑情感学习模型。该模型包含大脑情感学习网络，在利用系统历史数据对模型进行训练的基础上，通过适应度函数动态调整网络结构中的权重因子，提高网络学习效率和辨识精度。在对连续搅拌反应器系统辨识试验和对sin E强非线性对象逼近试验中，与常规模糊大脑情感学习模型、BP神经网络和RBF神经网络相比，本模型拥有更高的逼近能力和更快的收敛速度，解决了基于试错法导致的模型参数调整时间长、模型不稳定等问题，为辨识的实际应用提供了可行的模型选择。

关键词

粒子群算法 / 类脑神经网络 / 大脑模糊情感学习模型 / 神经网络系统辨识 / 非线性系统

基金资助

福建省自然科学基金资助项目(2020J01281); 厦门市自然科学基金资助项目(3502Z20227215); 厦门理工学院高层次人才科研启动项目(YKJ22060R);厦门理工学院研究生科技创新项目(YKJCX2021128)