基于模糊认知图的热网控制的研究

基于模糊认知图的热网控制的研究

ID:33977581

大小:2.98 MB

页数:53页

时间:2019-03-02

基于模糊认知图的热网控制的研究_第1页
基于模糊认知图的热网控制的研究_第2页
基于模糊认知图的热网控制的研究_第3页
基于模糊认知图的热网控制的研究_第4页
基于模糊认知图的热网控制的研究_第5页
资源描述:

《基于模糊认知图的热网控制的研究》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、大连理工大学硕士学位论文摘要随着集中供热覆盖面积的增加,研究集中供热网控制算法的优化问题,提高供热质量,具有重要意义。当前我国集中供热面临许多问题,热网控制技术较落后,资源浪费严重。为了提高供热效率,减少资源浪费,达到均匀供热的目的,本文探讨了热网控制算法的优化问题,充分结合热网实际控制操作中“粗调”和“微调"的特点,以实际热网工艺要求为背景,提出具有推理能力的控制策略。热网是一种结构复杂、规模庞大的城市管网系统,具有大惯性、大滞后性、非线性和强耦合性等特点,不易建立准确的数学模型,常规控制方法很

2、难达到控制要求。本文介绍了热网的基本概念理论,将新颖的FCM(fuzzycognitivemap,模糊认知图)算法应用于热网控制中,基于实验室设备构建FCM模型,实现基于模型的FCM控制。FCM是神经网络和模糊控制相结合的产物,通过结构表示知识。FCM通过NHL(nonlinearhebbianlearning,.非线性赫布学习)进行学习调整,但普通的NHL算法是无监督的学习训练。本文根据热网的特点改进NHL,提出有监督的NHL,实现对推理过程的可控调节,并针对热网控制的特点,在构建FCM时,结合

3、NHL和专家知识两种构建方法,有效利用专家经验建立初始FCM,再利用NHL实现FCM自动调整,使FCM能准确表达实际系统。本文基于FCM模型构建实验室热网控制平台,将FCM模型嵌入实验室热网控制算法中,实现基于模型的控制策略。通过理论分析与实验验证,证明基于FCM模型的控制算法能够满足热网控制要求,缩短热网控制时间,并提高热网系统的控制精度和稳定性,使热网系统状态满足工艺要求,实现均匀供热。关键词:模糊认知图;热网;均匀供热;非线性赫布学习基于模糊认知图的热网控制的研究Researchofheat

4、ingnetworkcontrolbasedontheFuzzyCognitiveMapsAbstractWiththeincreaseofthedistrictheatingsupplyarea,itisofgreatsignificancetoresearchonoptimizingthecontrolarithmeticofcentralheatingsupplynetwork,andimprovesheatingeffect.Nowadays,thedistrictheatingsuppl

5、yhaslotsofproblemsinourcountry,andwasteofmuchresource.Inordertobemoreefficient,andthetemperatureCanbecontrolledatanevenlevel.,thethemeofoptimizingthecontrolarithmetichasbeendiscussed,combiningthepointsof”coarsecontrol”and”finecontrol”duringtheprocess.

6、putsforwardtoacontrolmethodwhichhasillationabilitywiththetechniquesrequirementsofheatingsupplynetwork.Heatingsupplynetworkisacitypipenetworksystemwithcomplexstructureandlargescale.Ithasmanycharacteristics,likelargeinertia,largehysteresis,nonlinear,str

7、ongcouplingandSOon,soit’Sdifficulttoconstructthemodelexactly,andnormalcontrolmethodsaredifficulttosatisfytherequirements.ThispaperintroducesthebasictheoryandtheFCM(fuzzycognitivemap)arithmetic,constructsFCMmodeloftheinstrumentinlaboratorytoachievethec

8、ontrolgoalbyFCM.FCMcomesfromthecombinationofNeuralNetworksandfuzzycontrol,expressesinformationbystructure.FCMlearnsbyNHL(nonlinearhebbianlearning),andbutnormalNHLisunsupervisedlearning,SOsupervisedlearningNHLisfoundtoachievestheadjustmentofthe

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。