基于神经网络 一 煳推理构建弹药贮存温度湿度监控系统 模

《基于神经网络 一 煳推理构建弹药贮存温度湿度监控系统 模》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第6卷第6期空军工程大学学报(自然科学版)VoI_6No．62005年12月JOURNALOFAIRFORCEENGINEERINGUNIVERSITY(NATURALSCIENCEEDITION)Dec．20o5基于神经网络一模糊推理构建弹药贮存温度湿度监控系统鞠训光，于洪珍(中国矿业大学信息与电气工程学院，江苏徐州221008)摘要：应用神经网络一模糊推理理论和可编程控制器技术，构建了基于WEB的弹药贮存温度湿度远程监控系统。系统可实现对环境和库房的温度、湿度的实时监控，实现了弹药管

2、理的自动化和智能化，提高了弹药贮存的可靠性和经济效益。关键词：神经网络；模糊推理；可编程控制器；弹药贮存中图分类号：TP273文献标识码：A文章编号：1009—3516(2005)06—0034—04大量的弹药要长期存贮，而贮存的环境条件是影响弹药质量的重要因素⋯。弹药中的各组成部分如打火机构、保险解脱机构、控制机构、延期机构、传爆机构和引信体等对温度、湿度敏感，是导致弹药失效的主要外界因素¨。而目前绝大多数弹药仓库的温度、湿度控制还是人工操作的简单方法，空调和除湿机常年开机，浪费了巨大的资源和经费。为解决上述问题，本系统结构利用神经

3、网络(NN，NeuralNetwork)、模糊推理(FR，FuzzyReason)融合理论及PLC构建一个基于WEB的弹药贮存环境的多媒体监控系统，对仓库的温度、湿度设备进行实时监控，实时更新远程数据库监控数据，实现可视化、智能式的自动化监控功能。1NN—FR融合机理文献[4]证明NN和FR系统都是非线性系统的通用逼近器。即存在一个同网网高斯型模糊推理系统，能以任意精度逼近任意给定的函数，且NN和FR二者是I一性I_'I等效的。NN—FR结构反映了人工智能领域神经网络和模糊推理的互补性，即FR可以起到模式识别、特征提取和信息编码的作用

4、，而NN可有自学习自组图1NN—FR结构织的非线性系统的作用。结构机理如图1。2监控系统的总体结构和设计2．1NN—FR体系结构弹药库房温度湿度NN—FR体系结构如图2所示。其中输入样本空间为模糊分割样本，通过神经网络可以学习输入空间温度、湿度和决策结果。这与传统的方法是不同的。传统的方法是分别独立构造温度函数和湿度隶属度函数，计算模糊规则的合适度：=：(20℃)·(60％)而应用神经网络则可构造二维隶属度函数：=：．^(2OoC，60％)由以上可知：传统的方法是利用MIN和MAX合成运算来计算规则的合适度，是离散的、线性的，鲁棒性收

5、稿日期：2004—11—24基金项目：江苏省自然科学基金资助项目(BK2001073)作者简介：鞠训光(1966一)，男，山东荣成人，工程师，博士生，主要从事多媒体信息融合和网络通信研究维普资讯http://www.cqvip.com第6期鞠训光等：基于神经网络一模糊推理构建弹药贮存温度湿度监控系统35差，相关系数小，存在灰度空间，极易陷入局部极值点，而起不到监控作用。而NN—FR融合型则是连续、非线性的监控，鲁棒性极好，陷入局部极值的可能性极小。输入样本分割模糊分创结果(决策)温度(℃)温度(℃)湿度(％)湿度(％)图2基于神经网络

6、的非线性模糊分割以下构造基于BP算法的模糊神经网络(FNN)模型。结合实际要求及库房环境和模糊控制方案的简便可行性，将输入变量A(库房内外温度)、(库房内外湿度)各分为3种情况：A<18~C，18~C≤A≤25℃，A>25~C；<50％，50％≤≤90％，B>90％；分别用模糊子集A，A，A，，和，，，表示，分别称为温度、湿度“低”、“适中”、“高”；输出变量尺称为空调“热启”、“暂停”、“冷启”和除湿机“通风”、“暂停”、“开机”。假设系统为4输入(库房内外温度湿度)单输出的模糊系统，则规则可表示为‘尺：I1，2Aand3，4Bth

7、enR=0舯1，2，3，4为系统的输入变量，A、分别为1，X2和3，4的模糊集合，尺的规则条数为=1，2，⋯，m。由实际要求知系统的模糊集合共有36条规则输入变量隶属度采用高斯型函数。系统可用4层来实现(输入层、隶属度函数层、规则层、解模糊层)。用表示第层的第i个输入，net表示第个节点的净输入，尺表示第层的第个节点的输出，mi，和分别为第i个输入变量的第个模糊集合高斯型隶属度均值和标准差。由于系统具有多层感知器的结构，可采用BP算法来修正网络的可调参数0=(后=1，2，⋯，36)和m，步骤如下：定义BP算法的指标函数为E=0．5(d

8、—R)=0．5e=一尺=exp(net)其中d为教师信号，由第4层向第1层逆向传递。1)解模糊层：二：d—R=eOneti==㈦，2，⋯，362)规则层oEOnet4_1：。：：一L。一Onet一OnetOnet3一Ol