智能控制导论大作业4分解.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
智能控制导论 学 院 专 业 班 级 名 张荣丰 学 号 指导教师 二〇一六年月 模糊控制技术及其应用 摘要 本文对模糊控制进行了简单概述,主要讲述了模糊控制的特点以及缺陷;模糊控制方法的研究现状;模糊控制的进展,包括模糊控制与神经网络的融合、模糊控制与遗传算法的融合、专家模糊控制、PID控制技术等的阐述;模糊控制在水泥生产中的应用;以及模糊控制的最新研究领域及未来研究课题,指出模糊控制系统是易于接受,设计简单,维护方便,而且比常规控制系统稳定性好的优势特点,使得模糊控制正得到越来越广泛的应用,最后对模糊控制做了一下简单的展望。 关键词:模糊控制;PID控制;水泥 目 录 1 引言 1 1.1 模糊控制的特点 1 1.2 模糊控制的主要缺陷: 1 2 模糊控制方法的研究现状 2 3 模糊控制的进展 3 3.1 模糊控制与神经网络的融合 3 3.2 模糊控制与遗传算法的融合 3 3.3 专家模糊控制 3 3.4 模糊系统建模及参数变识 3 4 模糊控制在水泥回转窑中的应用 4 4.1 模糊子集的选取 4 4.2 模糊模型的辨识 4 4.3 模糊滤波 5 4.4 控制系统的实现流程图 6 4.5 控制效果 6 5 模糊控制的展望 7 6 总结 8 参考文献 9 1 引言 在自动控制中,包括经典理论和现代控制理论中有一个共同的特点,即控制器的综合设计都要建立在被控对象准确的数学模型(如微分方程等)的基础上,但是在实际工业生产中,很多系统的影响因素很多,十分复杂。建立精确的数学模型特别困难,甚至是不可能的。这种情况下,模糊控制的诞生就显得意义重大,模糊控制不用建立数学模型,根据实际系统的输入输出的结果数据,参考现场操作人员的运行经验,就可对系统进行实时控制。模糊控制实际上是一种非线性控制,从属于智能控制的范畴。现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题这两者的结合,可在实际工程中广泛应用BE) 和烧成带温度(BZ) 的稳定,这是加工高质量水泥熟料的主要因素。另外还有一个反映水泥回转窑内燃料燃烧状况的主要参数便是窑尾废气中的氧含量,目前我国还没有一种合适可靠的应用于水泥废气分析的气体分析仪。所以在控制方案中将窑尾废气温度(BE) 和烧成带温度(BZ) 作为被控量,控制量采用对BE和BZ影响明显的窑速(KS)、喂煤电机转速(CS) 以及对窑内通风和温度影响很大的窑尾排风挡板位置(ID)。在水泥的煅烧过程中,水泥生料的下料量与窑速、一次风量与喂煤量都要保持恒定的比例关系。 图1 水泥回转窑的控制方案框图 4.1 模糊子集的选取 分析水泥回转窑工作过程及具体工艺流程,控制系统被控量与控制量模糊子集分别选取如下: BZ:{很低,低,较低,稍低,正常,稍高,较高,高,很高};BE:{太低,低,正常,高,抬高}; CS:{多减,中减,稍减,保持,稍加,中加,多加}; KS:{大慢车,中慢车,小慢车,正常,小快车,中快车,大快车}; ID:{降低,不变,提高}; 4.2 模糊模型的辨识 应用推理合成法根据水泥回转窑的实测输入输出数据辨识其模糊控制规则。系统建立模糊控制规则的流程是: (1)与设计基本模糊控制器的方法类似,在被控量与控制量论域上建立模糊子集赋值表。假设各模糊子集在对应的基本论域上隶属度由正态分布确定。 (2)分别建立双输入单输出(X1, X2, y1),(X1, X2,y2),(X1,X2,y3) 情况下的模糊控制规则。 (3)最后,综合双输入单输出控制规则可获得基于m维实测输入输出数据对所建立的水泥回转窑模糊模型数据。 图2 水泥回转窑模糊模型数据 4.3 模糊滤波 所采样的输入输出数据对若受到噪声污染(含测量噪声污染以及过程噪声污染) 会使当中一些输入输出模糊量内含的模糊控制关系和控制系统真实的模糊模型不一致。例如,真实模糊关系应是输入X1为(太低)and输入X2为(高),then输出y1 为(稍加);受噪声污染的模糊关系可能是if X1 为(太低)and X2为(高),then 输出y1为(稍减),这会影响辨识模型的精度。但假若按照模糊滤波的思想,

文档评论(0)

ee88870 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档