基于T-S型的纯碱碳化过程建模.doc

ANFIS在纯碱碳化过程建模中的应用 Modeling Application of ANFIS on Soda Carbonization Process (广东工业大学)朱燕飞 程良伦 曾莹 Yan-fei Zhu, Liang-lun Cheng, Ying Zeng 摘要：针对纯碱碳化过程复杂、建模难的特点，提出一种基于T-S模型的自适应神经模糊推理系统(ANFIS)建模方法。该方法提取碳化过程塔内温度分布及出碱流量的实测数据，通过ANFIS网络自组初始化模糊规则，自适应调整前提隶属度参数和结论参数，最终建立出碱流量随塔内温度变化的非线性模型。文章讨论了该网络的结构和学习算法，通过仿真研究得出其良好的实用价值。 关键词：ANFIS 纯碱碳化 T-S模型 建模 Abstract: The paper introduces a kind of adaptive neural-fuzzy inference systems (ANFIS) based on T-S model to deal with the modeling problem of the complex soda carbonization process. With the measured temperature and soda-output flux data, the system self-initializes the fuzzy rules, and adjusts the membership parameters independently until to find the nonlinear flux-temperature model of the process. The paper discusses the system’s structure and its learning algorithm. Simulation results demonstrate the good practical application value of this approach. Keywords: ANFIS, soda carbonization, T-S model, modeling 引言 纯碱生产的工序中，碳化过程是直接影响到纯碱生产的质量和企业经济效益的重要环节。此过程是一个具有气、液、固三相参与的，包括吸收、反应、结晶、流动等，并有新相产生的多元多温条件下的复杂反应过程。 由于过程的反应历程复杂，要建立过程的机理模型非常困难。目前，国内外还没有能提出一种良好的方法建立此过程的机理模型。针对这一问题，文章从黑箱模型的建模上考虑，运用基于T-S (Takagi-Sugeno)模型的自适应神经模糊推理系统(ANFIS)在复杂系统建模上的优点，建立过程出碱流量随塔内温度及进塔物料的非线性模型，为过程的优化控制提供有利预测服务。 文章首先介绍了ANFIS网络的建模算法，然后对网络输入空间的模糊聚类做了进一步的阐述，通过仿真建立反映具体碳化过程出碱流量的两种非线性模型，并对比了两种模型的优劣。 1自适应神经模糊推理系统(ANFIS)建模算法 1.1 网络结构及系统辨识 ANFIS网络结构如图1所示。 图1 ANFIS网络结构 其中， 为系统输入，每一输入分量的模糊语言变量集合为：，。相应隶属函数用()表示，为模糊规则数。 T-S模型的第条规则描述如下： ：ifisis …is then is (4) 其中， (5) 网络参数的辨识分为前提参数的辨识和结论参数的辨识两部分。 系统结论部分网络输出与各参数(，)为线性关系，采用最小二乘方法辨识，而前提参数，(，)的辨识则采用基于梯度下降的误差反传算法。 1.2 模糊聚类 对输入空间进行合理的非线性划分，是进行网络学习的一个重要前提，文章以数据周围密度大小作为判断聚类中心的依据。将输入数据标称在[0，1]下，聚类中心与各数据点间距离采用： () (1) 其中，表示第次聚类后，处于聚类中心的数据点，用于调节每一聚类中心的影响范围。 此种聚类方法对输入数据的处理非常迅速、有效，而且依据实际需要，通过调节值大小可控制数据聚类的规模。 2碳化过程建模研究 2.1 模型1— 出碱流量随塔内温度变化的非线性模型 选取塔内5圈()、12圈(