基于模拟退火算法的模糊神经网络主汽温控制系统的研究.pdfVIP

《7台金自动4e}2006年增刊(s2) 基于模拟退火算法的模糊神经网络 主汽温控制系统的研究。 张新权，赵国材，曹红英 (辽宁工程技术大学电气工程系，辽宁阜新123000) 【摘要】针对火电厂主汽温被控对象的非线性、大惯性、大延迟和时变性，提出了一种模糊神经控制器与神经 网络辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器，它的控制器参数采用模拟退火算法 全局优化来对BP算法进行改进的混合方法；该系统的辨识器采用BP神经网络进行系统辨识。给出了该控制 器的结构、原理及工作过程，通过Matlab仿真实验证明该控制器的可行性和有效性。 [关键词]模糊神经网络；模拟退火算法；BP算法；辨识器 O引言 神经网络进行系统辨识。经优化后的FNNC就可 模糊逻辑推理、人工神经网络技术同属于人 用于系统的实时在线控制了。 工智能技术，各自具备对方恰恰不具备的优缺点。 具有互补性的模糊逻辑推理具备处理模糊语言信 息的能力，可模拟人类智慧进行判断和决策，但是 模糊控制是一种基于经验规则的控制，对于复杂 的具有大陨性大迟延和时变特性的热工对象要提 取完整的模糊控制规则是非常困难的，单独使用 模糊控制难以取得满意的动静态性能。神经网络 具有自学习，自适应的能力但收敛速度慢且其算 法有可能陷入局部极小，因此用模拟退火算法对 神经网络权值进行全局优化。本文采用一种基于 图1控制系统结构 模拟退火算法的模糊与神经网络相结合的控制方 1．1模糊神经网络控制器的结构 法。自动控制的研究对象是动态系统，包括线性 此控制器有两个输入一个输出，两个输入分 和非线性系统，时不变和时变系统等，对非线性系 别为误差E和误差变化率E。，输出为 统的神经网络控制方法大多是先对模型辨识，就 是说通过辨识被控对象的模型来为神经网络控制 Au。E=Kf(Yd—Y) 器提供一个反传信号，从而实现非线性的控制。 E。=聪()，d一，，)7 本文采用BP网络进行系统辨识。 式中，Yd，Y分别为系统给定值和被控对象的实际 l模糊神经网络控制系统结构 输出值；K1，K2分别为两个输入的量化因子。本 模糊神经网络控制系统的结构如图1所示。 文将E和E。分别划分为7个模糊自集。分别为 为了使稳态精度更高，控制器输出为△“。图中模 {负大，负中，负小，零，正小，正中，正大}-{NB， NM，NS，ZO，PS，聊，PB}，他们的隶属度函数选 糊神经网络控制器FNNC先采用BP算法细调整 这些参数，然后再用模拟退火算法进行粗调。因 用高斯函数为 为要为神经网络控制器提供一个反传信号从而实 脚#(兢)=exp[一(≈一oF)2／嘲 现非线性的控制，需对被控对象进行辨识，采用BP 式中，施，口打，bq为输入变量，隶属函数中心，隶属 [收稿ttJ识32006—03—27 [作者简介]张新权(19∞．)，男，辽宁沈阳人，硕士研究生，研究方向为智能控制理论与应用。 · 112· 《冶金自动1L}2006年增刊(S2) 函数宽度。选择高斯函数有以下优点： (2)隶属函数层 ·表示形式简单，即使对多变量输入也不增 加太多的复杂性。 睁气笋讲2=exp(net；) ·径向对称。 (i=1，2；