原创力文档- 1、本文档共10页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
??
?
??
基于T
S模糊神经网络分解炉燃烧控制系统设计
?
??
?
?
?
?
?
?
?
???
?
?
?
?
?
李涛+梁凯+高若尘+申琦+张慧杰+宜文
摘要：针对分解炉分解是非线性、大滞后、多扰动及多变量过程，难以实现其对温度自动控制的问题，提出了一种基于T-S神经网络的控制方法。针对这一问题，文章首先对水泥预分解工艺进行分析以及对燃烧理论进行研究，然后再利用T-S模糊控制理论确定规则数目和输入变量的隶属度函数，采用神经网络的自学习和自适应能力实现模糊推理。仿真结果表明：该控制器对分解炉燃烧控制起到很好的控制效果，并且比传统PID控制器具有更好的效果。在实际生产应用当中，具有很好地稳定性和鲁棒性，并且节省了煤的消耗和降低了环境污染。
关键词：分解炉；模糊神经网络；T-S模糊；控制
TP271：A
OptimalCombustionSystemDesignbasedonT-SFuzzyNeuralNetworkDecomposing
LITao，LIANGKai，GAONuo-chen，SHENQi，ZHANGHui-jie，YIWen
（CollegeofComputerScienceandEleetroaicEngineering，HunanUniversity，Changsha，Hunan410082，China）
Abstract：AnewcontrolmethodbasedonT-Sneuralnetworkisproposedtosolvetheproblemthatthedecompositionofthecalcinerisnonlinear，large-lag，multi-disturbanceandmultivariableprocess，anditisdifficulttorealizetheautomaticcontroloftemperature.Inordertosolvethisproblem，thispaperfirstlyanalyzestheprocessofcementpre-decompositionandstudiesthecombustiontheory，thenusesTSfuzzycontroltheorytodeterminethenumberofrulesandthemembershipfunctionofinputvariables，usingneuralnetworkself-learningandself-adaptabilityFuzzyreasoning.ThesimulationresultsshowthatthecontrollerhasagoodcontroleffectonthecombustioncontroloftheprecalcinerandhasabettereffectthanthetraditionalPIDcontroller.Intheactualproductionapplications，withgoodstabilityandrobustness，andsavetheconsumptionofcoalandreduceenvironmentalpollution.
Keywords：decompositionfurnace；neuralnetwork；T-Sfuzzy；control
1引言
新型干法水泥生产方法采用悬浮预热器和预分解炉技术为核心，现代科技广泛应用于水泥生产过程中。分解炉温控制是质量的关键因素水泥生产稳定性[1-2]。分解炉温度控制过程具有非线性、大滞后、多扰动及多变量，很难实现对其温度进行自动控制。当前，水泥生成过程中普遍采用的控制策略是PID控制和模糊控制。文献[3]采用的是PID控制器，其结构简单、调整简单，广泛适用于工作稳定过程控制当中，但是不能應用于具有非线性、大滞后的环境当中。文献[4-6]提到了模糊控制器能够解决传统基于线性系统理论难以解决的控制问题时，能够得到较好的动态响应特性，且无需知道被控对象的数学模型、适应性强、鲁棒性好的特点。但模糊控制容易受模糊规则的限制而引起误差，并且模糊规则很难获取。T-S神经网络在处理非线性、大滞后、多扰动及多变量问题方面，具有一定的研究。文献[7]提出了基于模糊神经网络的环境分析策略用于轮椅智能避障控制，方法可行且降低功耗。文献[8]利用T-
文档评论（0）