欢迎来到天天文库
浏览记录
ID:5360546
大小:548.74 KB
页数:3页
时间:2017-12-08
《锅炉控制系统的补偿模糊神经网络仿真》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、2011年9月控制工程Sep.2011第18卷增刊ControlEngineeringofChinaVol.18,S1文章编号:1671-7848(2011)S1-0041-03锅炉控制系统的补偿模糊神经网络仿真王道阔(沈阳地铁集团公司设备处,辽宁沈阳110011)摘要:针对锅炉这种多参数、非线性、时变、难以建立精确数学模型的复杂被控对象,结合模糊控制和神经网络技术,提出用补偿模糊神经网络算法构造锅炉控制系统的补偿模糊神经网络自适应控制器,引入模糊推理和补偿运算,使其在性能上优越于PID控制器和一般的模糊神经网络控制器,采用Matlab中的仿真工具对补偿模糊神经网络控制器的性能
2、做出初步的仿真。关键词:锅炉控制;Matlab;补偿模糊神经网络中图分类号:TP273文献标识码:ACompensationFuzzyNeuralNetworkSimulationofBoilerControlSystemWANGDao-kuo(EquipmentDepartment,ShenyangMetroCorporation,Shenyang110011,China)Abstract:Acompensatoryfuzzyneuralnetworkself-adaptivecontrollerisdesignedforboilers'controlsystemcombin
3、ingwithfuzzycon-trolandneuralnetworktechnology,becauseboilersarecomplicateobjectcontrolled,whicharedifficulttoconstructanaccuratemathmodel,withlotsofparametersandnonlinear,andthecompensatoryfuzzyneuralnetworkusesfuzzyinferenceandcompensatoryarith-metic,thecontrollertakesanadvantageofcommonfu
4、zzyneuralnetworkcontrollerandPIDcontroller,andthepapermadeaprimarysimulationusingsimulationtoolsofMatlab.Keywords:boilerscontrol;Matlab;compensatoryfuzzyneuralnetwork模糊神经元,无论网络初始定义的模糊规则正确与1引言否,经过一定时间的训练,都能实现最优结果,使[1]锅炉控制系统控制任务主要包括以下几种:网络容错性更高,系统更稳定。汽包水位控制,水位应该在一定要求范围之1)补偿模糊神经网络的结构如图1所示。内;蒸汽压
5、力控制,稳定蒸汽压力是锅炉正常运行的首要条件;炉膛负压控制,炉膛负压过高,容易喷火,炉膛负压过低,过多的冷空气进入炉膛,降低燃烧效率。锅炉的主要输入参数有给水量、燃料量、引风量、送风量;主要输出参数有蒸汽压力、汽包水位蒸汽流量和炉膛负压等,这些变量之间存在很强的耦合,因而锅炉很难建立精确的数学模型。PID控制方法对于处理这种复杂的控制对象,存在一定的困难,因此迫切寻求一种新型的控制策略来解决像图1补偿模糊神经网络结构锅炉这种复杂、时变、时滞性大的被控对象。图中,第一层是输入层,表示各个节点与输入向量相连接,第二层是模糊推理层,各个节点代表2补偿模糊神经网络了一个语言变量值,作用
6、是计算各个输入向量属于补偿模糊神经网络是一个综合了模糊逻辑和神各语言变量值模糊集合的隶属函数;第三层是模糊经网络两者优点的混合系统,由面向控制和面向决运算层,每一个节点都代表一条模糊规则,其作用策的模糊神经元所构成,这些模糊神经元被定义为是匹配模糊规则,并计算出每条规则的隶属度。第执行模糊化运算、模糊推理、补偿模糊运算和反模四层是补偿模糊计算层,第五层是输出层,实现的糊化运算。由于补偿模糊逻辑神经网络引入了补偿反模糊化计算。收稿日期:2011-06-08;收修定稿日期:2011-07-15作者简介:王道阔(1979-),男,辽宁沈阳人,助理工程师,主要从事FAS,自动售检票、安
7、检设备等专业项目管理等方面的工作。·42·控制工程第18卷2)补偿模糊神经网络的计算方法对n维输式中,η是学习率,t=0,1,2,…。pppppp入数据x[x=(x1,x2,…,xn)]和一维输出数据y,3补偿模糊神经网络控制器设计kk(p=1,…,n),模糊子集Ai和B的模糊隶属函数定义如下:控制器结构,如图2所示。pkpxi-ai2μA2k(x2)=exp[-(k)](1)σipkpxi-bi2μBk(xi)=exp[(-k)](2)δi式中,α与σ为输入隶属函数的中心和宽度;b和δ为输
此文档下载收益归作者所有