基于模糊神经网络控制的换热站二次供水温度

《基于模糊神经网络控制的换热站二次供水温度》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于模糊神经网络控制的换热站二次供水温度：在集中供热换热站二次供水温度控制中，由于被控对象是一个大滞后、非线性、时变性复杂系统。因而采用常规的PID控制方法很难达到良好的控制效果，针对此问题本文采用了一种将模糊与神经X络相结合的控制方法，通过X络的离线训练和在线自学习相结合，使控制器具有自调整、自学习的性能。能够很好的实现对换热站温度控制。　　关键词：集中供热；模糊控制；神经X络；系统仿真　　集中供暖系统由热源、热X和热用户组成，其中热源的控制是控制总供水温度和流量，保证按需供热并均匀分配总供热量至各热力站。热X分为一次X和二次X，热X的控制是通过对热负荷的动态预测，来

2、调节和分配总需热量[1]。为了实现供热系统的按需供热，达到供暖的需要，本文通过室外温度来确定二次X供水温度值，通过调节一次X供热管的调节阀，改变一次X的高温水流量，从而保证二次X的供水温度，满足供暖用户的需求。　　1换热站的设计方案　　在整个供暖的冬季，二次X供水温度是随着室外温度和用户热负荷来决定的。而在热交换站的控制中，通过调节一次X供水侧电动调节阀的开度改变供水流量来实现二次X出水口温度调节，从而保证了在室外温度或热用户负荷发生变化时，热源的总供热量与用户需热量相比配，以达到保证供热质量、满足人们生活的需要。　　2模糊神经X络控制算法的研究　　模糊神经X络是将一些

3、专家知识预先分布到神经X络中，利用神经X络的学习功能来优化模糊控制规则和相应的隶属度函数，它既具有模糊系统的模糊信息处理能力又具有神经X络的学习功能，实现了模糊系统的自学习和自适应。因此，利用模糊控制与神经X络相结合对换热站系统进行优化控制可以解决这类大滞后、时变性、非线性问题。　　本文采用的模糊神经X络自学习控制系统框图如图3所示，图中FNC表示模糊神经X络控制器。Ke、Kc、Ku分别表示量化因子和比例因子，To表示给定值，T（t）为实际的温度。其中以温度的给定值与测量值之间的偏差和偏差变化量作为输入量，以一次X阀门的开度作为输出控制量，通过调节控制阀的开度来改变一次

4、供水的流量从而达到调节二次X供水温度的目的。由FNC模糊神经X络控制器来完成对过程的闭环控制。[2]。　　　　图2模糊神经X络自学习控制系统图　　2.1模糊神经X络模型的建立　　整个X络中的数据变化如下：　　第一层是输入层，(2-1)　　第二层是模糊化层，若隶属度函数采用钟形函数，输出的运算公式为　　，（h=1，2，…，14）（2-2）　　其中是隶属度函数的中心，是隶属度函数的宽度。　　第三层模糊规则层，每个节点表示一条模糊规则，它将输入的数据相乘，输出的运算函数为：，（k=1,2,…，49）（2-3）　　　　第四层是模糊决断层，节点输出　　（2-4）　　2.2学习算法

5、　　本文学习的参数主要是第二层各节点的隶属度函数的中心值和宽度以及第四层的连接权，首先对FNC进行离线训练，使FNC记忆49调模糊控制规则。经过学习后，模糊神经X络控制器便训练好了，可以“装入”控制系统中，FNC经过离线训练后，可投入在线模糊控制，当受控过程环境发生变化时，为了能跟踪期望的给定信号，可在线修改FNC的权值，使被控过程的输出逼近期望值，从而达到自学习、自适应的目的。因此，通过X络的离线学习和在线自学习，定义性能指标误差函数为　　（2-5）　　其中是采样点个数，为期望的输出值,为系统实际输出值。为了使误差函数最小，可用梯度最优下降优化算法训练X络权值，即：　

6、　（2-6）　　其中为自适应学习速率，为动量因子，、均在（0,1）内取值。　　当隶属函数为钟型时，需要调整的参数有隶属函数的中心值和宽度,其公式为：　　（2-7）　　（2-8）　　3结论　　本文将模糊控制与神经X络相结合，利用两者的优点，设计出一种神经X络模糊推理控制器，使控制器具有自调节、自学习的性能，实现对换热站温度的控制，