基于粒子群的模糊神经网络

《基于粒子群的模糊神经网络》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.coml6东北电力技术2OO7年第2期基于粒子群的模糊神经网络AFuzzyNeuronNetworkBasedonParticleSwarm白江斌，金慰刚，张建华(华北电力大学，北京102206)摘要：近年来循环流化床锅炉因其高效、低污染、低成本等特点得到了迅速的发展，但由于其燃烧过程十分复杂很难建立被控对象准确的数学模型，因此难以实现常规方法的控制。设计了一个模糊神经控制器并进行了仿真研究，用改进的粒子群优化算法对控制器的初值进行离线优化训练，仿真结果表明，优化后的模糊神经网络控制器对控制对象具有良好的控制性能。该

2、控制方法可用于流化床锅炉燃烧系统等复杂过程的控制。关键词：循环流化床锅炉；模糊神经网络；粒子群优化算法；主气压力；床层温度[中图分类号】TP273．4[文献标识码]B[文章编号】1004—7913(20o7)02—0016—04我国的火电机组以燃煤为主。在电力发展的同为模糊控制系统增强学习功能，为深入研究和广泛时，对环境的污染也日益严重，已成为电力工业可应用提供了极大可能性。持续发展的制约因素之一。为此，电力工业积极开1模糊神经网络控制发洁净煤发电新技术，解决提高燃煤发电机组的效率和改善环境污染两大关键问题作为今后的发展重神经网络具有并行计算、分布式信息存储

3、、容点之一[1l。错能力强以及具备自适应学习功能等一系列优点。循环流化床(CFB)被公认为是一种最具发展正是由于这些优点，神经网络的研究受到广泛的关前景的“洁净”煤燃烧技术，它具有常规煤粉炉所注并吸引了许多研究工作者的兴趣。但一般来说，没有的优点：燃烧效率高，燃料适应性广，低污染神经网络不适于基于规则的知识，因此在对神经网燃烧，脱硫效率高，燃烧热强度大，炉膛体积小，络进行训练时，由于不能很好地利用已有的经验知床内传热系数高，负荷调节性能好，灰渣可综合利识，常常只能将初始权值取为零或随机数，从而增用等。在短短的30年问，流化床技术得到了飞速加了网络的训练时间或

4、者陷入非要求的局部极值。发展。由最初的鼓泡流化床发展到了循环流化床，这是神经网络的一个不足之处。其应用也由小型锅炉发展到容量与煤粉炉相当的大另一方面，模糊逻辑也是一种处理不确定性、型电站锅炉。非线性和其他不适定问题(il1．posedproblem)的有由于循环流化床锅炉是一个分布参数、非线力工具。它比较适合于表达那些模糊或定性的知性、时变、多变量耦合紧密的控制对象，对于这样识，其推理方式比较类似于人的思维模式。以上这一个复杂系统无论是对象的分析还是控制系统的设些都是模糊逻辑的显著优点。但一般来说模糊系统计都非常困难。从前人的研究结果来看，在常规煤缺乏自学习

5、和自适应能力。粉炉等锅炉上行之有效的基于古典控制的常规控制基于上述讨论，若能将模糊逻辑与神经网络适方案难以保证其各项指标的实现，而基于现代控制当地结合起来，吸取两者的长处，可组成比单独的理论的循环流化床锅炉控制策略的研究进行的很神经网络或单独的模糊系统性能更好的系统。少。模糊控制在设计系统时不需要建立被控对象的根据文献[2]，可以设计出如图1所示的T—精确数学模型。实践证明，模糊控制器能够对时s模糊神经网络结构。图1中所示为MIMO系统，变、非线性和复杂对象进行较为有效的控制。模糊是MISO系统的简单推广。由图可知，该网络由前控制器采用模糊推理规则，以模仿人

6、在不确定性环件网络和后件网络两部分组成。前件网络用来匹配境下的决策行为，但要从经验中自动产生规则，并模糊规则的前件，后件网络用来产生模糊规则的后修改其控制策略的自学习功能较为薄弱。神经网络件。的引人为模糊控制器提供了一种良好的学习功能，假设各输入分量的模糊分割数是预先确定的，维普资讯http://www.cqvip.com2007年第2期东北电力技术17下面讨论及的学习问题。后件网络第一层(_，=l，2，⋯。Ⅲ第二层第三层第四层可将参数k固定，图1可以简化为1，^、i=0，l，⋯，n)”一图2。这时每条规则的后件在简化结、构中变成了最后一层的连接权。r-、．

7、入一比较图1和图2可以发现，简：●一．／一一a化结构与基于标准模型的模糊神经／V网络具有完全相同的结构，这时只二、P一a需令最后一层的连接权Y=，可二、1＼a．‘yf，^、以借用标准模糊神经网络的结果，／U最后可得：．一一一一co-(“)=co-()一卢VV-(4)aO．(“)()一p(5)其中口>0为学习率；i=1，2，⋯，n；_『=1，2，⋯，mi。，一＼-二V—V前件网络2粒子群及其优化算法[4]，[]第一层第二层第三层第四层粒子群优化算法是受鸟群觅食厂Y^_-●＼／一一A·行为启发提出的，算法采用速度一人：：：、一、、位置搜索模型。每个粒子代表解空●

8、‘A，间的一个候选解。解的优劣程度根Ft据优化目标由