模糊神经网络在温控系统中的应用.pdfVIP

日经验窒 旦 doi：10．3969／j．issn．1671—1041．2010．05．038 模糊神经网络在温控系统中的应用 卢建明 ，李致远 (1．新疆伊犁河流域开发建设管理局，伊犁835109；2．安徽省化工设计院。合肥 230009) 摘要：文章首先介绍了温控系统的方案设计以及部分功能模块，然后 能化 。 介绍BP神经网络结构和模糊推理，在分析两者弊端的基础上提 出将 两者相结合的控制方法。本文还介绍了模糊神经网络的结构和学习方 2 温控系统网络模型 法，以及如何对训练样本进行预处理，最后利用matlab神经网络工具 2．1 模糊神经网络结构 箱作为平台，通过测试样本仿真和试验 。本设计的应用为实现快速 、精 所以若将模糊逻辑于神经网络适 当的结合起来 ，吸取两 确的温控系统提供了一种功耗低 、经济有效的解决方案。 者长处，则可组成比单独的神经网络系统，或单独的模糊系统 关键字：模糊 ；神经网络；BP算法；温控系统 性能更好的系统。 中图分类号：TP206．3 文献标志码 ：B 本文采用的是一种串形结构的多层前向模糊神经网络， Theapplication offuzzy neuralnetwork 网络分为四层，预处理层属于模糊化部分，输入层、隐层和输出 f0rtemperaturecontrolsystem 层属于神经网络部分，如图1所示。 图中 (i√=1，2，Ln)是隶属度 ，i代表输入的变量个数， LU Jian-ming ，LIZhi-yuan 为模糊分割数；IW和LW分别为为神经网络的隐层和输出层 (1．XinjiangProvinceYiliValleyManageBureauofDevelopment，Yili 的连接权值。 835109，China；2．AnhuiProvinceChem icalIndustryDesignInstitute。 2．2 改进的神经网络BP算法 Hefei230009，China) 论文引入了动量项、自调整学习速率的BP网络训练模型， Abstract：Thepaperintroducesschemedesignoftemperaturecon— 从而提高学习速度并增加了算法的可靠性。 trolsystem andpaasoffunctionmodulefirstly，thenintroducesstruc— 为了解决基本BP算法的缺陷问题，引入附加动量项可以 tureoftheBPneuralnetwork．Thepaperpointsoutdisadvantagesof 避免了BP网路陷入局部最小点的缺点 ，能使权值的调整趋于 basicBP algorithm onthe learningmethodandputsforwardcorre— 平滑稳定 ，可以找到更优的解 ，而 自适应学习速率可以缩短训 spondingsolution．ByusingMATLABtoolbox，thenimprovedBPal— gorithmadjustthevalueselaborately，lastlyobtainsoptionalcontrol 练时间，加快收敛。把附加动量项、自适应学习速率结合起来建 modelandthroughtestsamplessimulationexperime