（控制理论与控制工程专业论文）基于模糊神经网络的竖炉温度智能控制.pdf

摘要 捅要 竖炉是球团烧结的主要设备，在炼铁生产中占有十分重要的地位，它的操作水 平直接影响产品的质量、产量和产品的生产消耗指标。由于烧结过程是一个大时 滞、多变量、非线性、参数离散的过程，用传统控制理论已无法进行精确的分析和 控制，很难用准确的数学模型来转换，只能依靠有经验的操作人员或专家的经验来 取得比较好的控制效果。模糊控制通常是对这种人类解决方案的最好近似，因此它 可以有效地处理这些问题，而人工神经网络特别适合解决数学模型难以描述的非结 构化和非线性问题，具有良好的映射逼近能力，良好的可靠性和容错性。因此，本 文将人工神经网络作为模糊系统中的隶属函数和模糊规则的描述形式，介绍了模糊 神经网络在竖炉燃烧室温度控制中的应用 为了提高系统的自适应能力和抗干扰能力，文中使用了一种新型的控制器 模糊神经网络p i d 控制器，将模糊神经网络与常规p i d 控制器相结合，调整p i d 控 制器的三个参数，实现了对竖炉燃烧室温度的精确控制。有效地克服了采用单纯的 p i d 控制带来的响应慢、超调大、控制稳定性差等缺点，也解决了传统模糊控制由 于隶属函数和模糊规则选取不当造成的控制缺陷。 由于燃烧室温度主要受煤气的燃烧情况的影响。为了准确地控制燃烧室的温 度，论文采用b p 神经网络辨识的方法，建立了燃烧室温度与煤气流量之间的近似 数学模型。 最后利用m a t l a b 仿真软件，建立m a t l a b 仿真模型，分别对常规p i d 控制、神 经网络p i d 控制、模糊神经网络p i e ) 控制进行对比仿真实验，仿真实验结果表明： 模糊神经网络p i d 的控制效果在三者中最优。 图1 9 表2 参5 6 关键词：燃烧室；温度控制；模糊控制；神经网络；模糊神经网络 分类号：t p 2 7 3 ： 河北理一i ：大学硕七学位论文 a b s t r a c t s i n t e r i n gs h a f tf u r n a c ei st h em a i ne q u i p m e n tf o r t h es i n t e r i n gp e l l e t s i t sf u n c t i o ni s t op r o d u c et h er e g u l a rp e l l e t sw i t hh i g hq u a l i t y s i n c et h es i n t e r i n gp r o c e s si sp u r et i m e - d e l a y ，n o n l i n e a ra n dm o r ev a r i a b l e s ，i ti sd i f f i c u l tt of i n di t se x a c tm a t h e m a t i c a lm o d e l a n di tc a nh a r d l yb ea c c u r a t e l yc o n t r o l l e db yt r a d i t i o n a lc o n u o lt h e o r y i fw ew a n tt o a c h i e v ek 啦盯e f f e c t s w em u s td e p e n do ne x p e r t se x p e r i e n c e s 1 1 1 ea b i l i t yo ff u z z y c o n t r o lt om o d e li m p r e c i s ea n ds u b j e c t i v en o t i o n sm a k e si tp o s s i b l et om i m i ch u m a n - l i k e r e a s o n i n gw i t ha u t o m a t aa n df u z z y c o n t r o lc a nb ee a s i l yc o m b i n e dw i me x i s t i n gm e t h o d s n e u r a ln e t w o r k ( n n ) i sb e f i t t i n gt os o l v et h e s en o n - s t r u c t u r a la n dn o n l i n e a rp r o b l e m st h a t c a n tb ed e s c r i b e db ym a t h e m a t i c a lm o d e l i th a sab e t t e rf a u l t - t o l e r a n ta b i l i t ya n dm a p p i n g a p p r o a c h i n ga b i l 时n ni su s e df o rd e s c r i b i n gm e m b e r s h i pf u n c t i o n sa n df i l z z yr u l e sa n d t h ea p p l i c a t i o no ff u z z yn e u r a ln e t w o r k s ( f n l 町i nt e m p e r a t u r ec o n t r o lo fs l l a f if u r n a c ei s a l s oi n t r o d u c e di nt h i st e x t f o ri m p r o v i n gt h es y s t e m sa d a p t i v ea n da n t i - j a m m i n ga b i l i t i e s ，i nt h i st e x t , an e w c o n t r o l l e r - f n np i dc o n t r o l l e ri su s e d f n ni sc o m b i n e dw i t ht r a d i t i o n a lp i dc o n t r o l l e r t oa d j u s tt h ep a r a m e t e r so f p i de n n t r o l l e r a p a ? , a u s eo f t h a , t h ed r a w b a c k so f s l o wr e s p o n s e , b i go v e r s h o o ta n db a ds t a b i l i t yo fp m c o n t r o l l e ra n dt h ec o n t r o ld e f e c t so fg e n e r a lf u z z y c o n u o la r eo v e r c o m e n 峙t e m p e r a t u r eo f f i r e b o xi sa f f e c t e db yb u r n i n gc o n d i t i o no f g a s i no r d e rt oc o n t r o l t h et e m p e r a t u r ea c c u r a t e l y , t h em a t h e m a t i c a l m o d e l i se s t a b l i s h e dt od e s c r i b et h e r e l a t i o n s h i pb e t w e e nt e m p e r a t u r ea n dt h ef l u xo f g a s 、 ，i t l lt h em e t h o do f b a c k - p r o p a g a t i o n n e u r a ln e t w o r k ( b p n n ) a ti a s t t h ee m u l a t i o n a lm o d e li se s t a b l i s h e dw i t hm a t l a ba n dt h et r a d i t i o n a lp i d c o n t r o l l e r , n np i dc o n t r o l l e ra n df n np i dc o n t r o l l e ra r ee m u l a t e dr e s p e c t i v e l y f r o m t h e s ee m u l a t i o n a lc u r v e s i tc a nb ef o u n dt h a tf n np i dc o n t r o l l e ri st h eb e s tm e t h o d f i g u r e l 9 ，t a b l e 2 ，r e f e r e n c e5 6 k e yw o r d s ：s h a f tf u r n a c e ，t e m p e r a t u r ee n n b o l ，f i l z 珂c o n t r o l ，n n ，f n n c h i n e s el i b r a r yc a t a l o g ：t p 2 7 3 n 独创性说明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 河北理工大学或其他教育机构的学位或证书所使用过的材料。与我一同 工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表 示了谢意。 签名：量立垡， 日期：遮年绸立日 关于论文使用授权的说明 本人完全了解河北理工大学有关保留、使用学位论文的规定， 即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学 校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复 制手段保存论文。 ( 保密的论文在解密后应遵循此规定) 日期：五立年上月丛日 引言 引言 竖炉在炼铁生产中的任务是按照产量和质量的要求烧制出成球，并且在优质高 产的前提下，尽可能降低煤气消耗。竖炉的操作水平直接影响产品的产量、质量和 能源消耗指标，所以国内外关于竖炉自动控制的研究发展很快。 目前，由于竖炉的大时滞、多变量和参数离散的特点，它的自动化控制仍然是 个难点。另外，竖炉内部的化学反应过程非常复杂，无法用准确的数学模型来描 述，现有的自动控制方案，一般都是单纯地控制某几个参数，而成球的产量和质量 受多种条件的制约，如何既快又好的烧制出成球，仅仅单纯地控制几个参数是不够 的，必须经过经验的积累和总结。 根据生产工艺的要求，控制系统应该保证燃烧室的温度要求，废气量要求以及 动态性能要求，以提高燃料的利用率、维持合理空燃比为目的，实现燃烧过程韵自 动化控制；以协调整个生产系统为目标，实现生产指标的优化。 根掘邢台钢铁公司烧结厂竖炉生产的实际情况，本文提出一种将模糊神经网络 技术和传统的p i d 控制相结合，目的是开发一套适合烧结竖炉生产工艺过程并且控 制效果良好的竖炉燃烧室温度控制系统，完成对竖炉温度的自动控制，以达到节能 降耗、提高产品质量的目的。 河北理工大学硕士学位论文 1 绪论 1 1 课题的来源及研究的意义 本课题来源于邢台钢铁公司烧结厂竖炉生产过程的自动化改造。 随着我国钢铁产量的增加，对球团矿的需求量大大增加。球团竖炉是我国球团 矿的主要生产设备。目前我国球团竖炉存在单机生产能力小，劳动生产率低，球团 矿品位降低，质量不均匀，自动化水平低等缺点，难以满足现代化的生产要求。对 球团竖炉进行自动化改造，提高竖炉球团的产量和质量，实现真正意义上的炉况自 动控制具有重要的意义。 在竖炉系统中，控制竖炉球团的烧结温度是球团质量的关键所在。然而球团烧 结没有明确的烧结规律，想要直接控制竖炉里球团的烧结温度是不可取的。但是根 据竖炉中温度分布的规律，以及燃烧室温度对炉内温度分布的影响，可以通过控制 竖炉燃烧室的温度来间接控制竖炉内球团的烧结温度。因而在设计竖炉控制方案 时，主要以燃烧室温度为被控量进行控制。 根据邢台钢铁公司烧结厂竖炉生产的实际情况，将模糊神经网络技术和传统的 p i d 控制相结合，开发一套适合烧结竖炉生产工艺过程并且控制效果良好的竖炉燃 烧室温度控制系统，对保证竖炉的手常生产，提高产品质量有着重要的意义。 1 2 竖炉的工艺及发展现状 1 2 1 竖炉的工艺流程 邢钢烧结厂现有8i n 竖炉两座，是炼铁生产线上的重要设备，由一套控制系统 统一进行控制。其主要作用是将造球设备形成的生球通过焙烧，促使其进行一系列 复杂的氧化还原反应，最后形成合格的球团矿，作为高炉原料。竖炉的结构如图l 所示。 2 l 绪论 图1 竖炉基本结构 f i g 1b a s i cs t r u c t u r eo f t h es h a f if u r n a c e 在竖炉的炉体内，炉料自上而下、气流自下而上运动。竖炉两侧设有燃烧室， 燃烧废气经火道喷入炉内，并向上运行与下降的炉料进行热交换加热炉科。竖炉下 侧设有冷却风进口，冷风在炉内自下而上运动，将焙烧好的球团矿冷却，与此同时 冷风被加热，通过导风墙上升到干燥床下部，穿过干燥床及床上的生球料层干燥生 球，完成一个生产循环【”。 生球的焙烧是球团矿生产中最为复杂的工序，它对球团矿的生产起着极为重要 的作用1 2 3 j 。滚动成型所得的生球需通过焙烧，即通过低于混合物料熔点的温度下进 行高温固结，使生球发生收缩而且致密化，从而使生球具有良好的冶金性能( 如强 度、还原度性、膨胀指数和软化特性等) ，以保证高炉冶炼的工艺要求。 邢钢烧结厂竖炉球团生产的工艺流程可分为配料、混合、造球、焙烧、及成品 处理等工序。生球在不断下降的过程中要经历5 个温度带，顺次为：干燥带、预热 带、焙烧带、均热带和冷却带。 3 河北理t 大学硕士学位论文 干燥过程的温度一般是2 0 0 - 4 0 0 c ，这里进行的主要反应是蒸发生球中的水 分，物料中的部分结晶水，可以排除。 预热过程的温度为9 0 0 c 1 0 0 0 。干燥过程中尚未排除的少量水分，这里可以 将水排除干净，主要的反应是磁铁矿氧化成赤铁矿。碳酸盐矿物的分解，硫化物的 分解和氧化，以及某些固相反应。这类反应对成品的质量和产量都有重要的影响。 就磁铁矿而言，氧化对于球团矿的机械性能和还原性状具有决定性作影响。 焙烧带温度为1 2 0 0 1 3 0 0 预热尚未完成的反应，如分解、氧化、除硫、 固相反应也在此进行。这里的主要的反应有铁氧化物的结晶与再结晶，晶粒长大， 固相反应以及由之产生的低熔点化合物和共晶的熔化，形成部分液相，球团矿体积 收缩及组织致密化。 均热阶段的温度应略低于焙烧温度。在此阶段保持一定的时间，主要的目的是 球团矿内部晶粒长大，尽可能使它发育完整，使矿物组织均匀化，消除一部分内部 应力。竖炉生产工艺流程图如图2 所示。 图2 竖炉生产工艺流程图 f i g 2m a n u f a c t u r i n gt e c h n o l o g yf l o wc h a r to f s h a f tf u r a n 4 i 绪论 1 2 2 竖炉的发展及现状 6 0 年代以前，一些装备齐全的工业锅炉除了配置炉温、炉压、燃料量、空气量 等检测仪表以外。还设置有炉温、妒压、燃料量、空气量等重要参量的自动调节， 也可以进行人工远距离控制卜“。 随着冶金生产技术和工艺设备的不断发展，随着微型电子计算机、可编程控制 器的应用和迅速的改进更新，工业炉的计算机控制也得到了日益广泛的应用，借助 于现代控制理论的指导，向着过程和系统的优化控制发展，竖炉的控制可以划分为 如下三个方面： 1 以提高燃料利用效率、维持合理空燃比为目的，实现燃烧过程的基础自动化 控制。现在已经能够通过计算机准确控制某些单独变量，例如流量、压力等。 2 以炉况顺行为目标，实现多变量的联合控制。 3 在前后工序实现自动化的基础上，以协调整个生产系统为目标。实现竖炉工 序的计算机智能控制，实现生产指标优化。 国际上，在七十年代以前，关于炉窖自动控制的研究主要集中在燃烧控制上。 如各主要过程变量的定值控制，炉温与燃料流量的串级控制，燃料与助燃空气的比 值控制以及烟道暖气的含氧量控制等，也就是处在燃烧过程的基础自动化控制层次 上。七十年代以后，燃烧控制基本成熟，控制研究的重点转移到以追求某种性能指 标的优化控制方面，尽管现代控制技术发展很快，在一些单纯的加热炉窖上实现了 各种优化控制，但竖炉的全自动控制系统依然是个难点。最主要的是内部化学反应 过程非常复杂，无法用准确的数学模型来描述。 带导风墙的8 平方米竖炉是国内独创，在系统控制方面，大多数竖炉实现了计 算机数据采集通过数据采集模块，采集现场各种信号。数据采集模块通过r s 一 4 8 5 串口与计算机进行通讯，将采集到的数据集中显示到计算机上，供操作人员操 作时参考。操作人员根据这些数据，结合自己的经验，对炉况做出判断，通过手工 操作阀门或电动阀门，以及按钮等控制竖炉的运行状态。一部分竖炉实现计算机数 据采集与控制，也就是说采用先进的计算机集散控制系统，上位机用普通的工控机 完成系统的监控。基础控制用可编程逻辑控制器来完成数据的采集，控制信号的输 出等工作。上位机和p l c 之问采用各种标准的工控网进行通讯，完成数据交换，将 各种信号数据在上位机集中显示。一般情况下的操作过程和前一种情况相似，操作 人员根掘显示的数据对炉况进行综合判断，根据判断的结果，根据上位机和p l c 操 - 5 一 河北理t = 大学硕士学位论文 作电动阀门，控制炉子的燃烧状态，通过开关量控制回路控制各种电器设备的运 行，实现布料放料等操作，从而实现生产的连续运行。集散系统有时也能实现简单 的自动控制，但由于系统的复杂性，靠p l c 进行简单的逻辑判断和单变量的p i d 运 算，不能满足生产的要求，因此，一般情况下自动功能无法投入。 靠人工经验判断和操作，整个生产过程必然受到人为因素的影响。由于人工技 术有高有低，责任心有强有弱，从而使整个生产过程产生波动，不能达到生产指标 的优化，有时甚至造成重大事故。因此，采用智能控制、实现炉况生产过程的全自 动优化运行，是一个必然的发展趋势，竖炉智能控制系统的开发具有重要意义。 1 3 过程控制的发展及现状 竖炉的温度控制属于过程控制中一类较为典型的控制对象，作为实现生产过程 自动化的过程控制系统，在近几十年发展很快【2 】。 本世纪四十年代前后，工业生产大多处于手工操作状态。人们主要是凭经验手 动控制生产过程，生产过程中的参数的取得主要通过观察，生产过程中的操作也主 要靠人工来实现 四十年代以后，生产过程自动化发展很快，尤其足近年来，过程控制技术发展 更为迅速。过程控制的发展经历了以下几个阶段： 五十年代前后，一些工厂企业实现了局部自动化。过程控制系统结构多数是单 输入单输出系统，被控参数主要是温度、压力、流量和液位四种参数；控制目的是 保持这些参数的稳定，消除或减少对生产过程的扰动；控制理论是以频率法和根轨 迹法为主体的经典控制理论。主要解决单输入单输出的定值控制系统的分析和综 合。 六十年代，工业生产的不断发展对过程控制提出了新的要求，电子技术的迅速 发展也为自动化技术工具的完善提供了条件，开始了过程控制的第二个阶段。计算 机控制系统应用于过程控制领域，实现了直接数字控制( d d c ) 与定值控制 ( s p c ) ；在控制系统方面，为了提高控制质量和实现一些特殊要求，相继出现了 一些复杂的控制系统( 串级、比值、均匀控制系统等) ；尤其是前馈和选择控制系 统的应用，使复杂控制达到一个新的水平；控制理论方面，除了仍然采用经典控制 理论以解决实际生产中遇到的问题以外，现代控制理论开始得到广泛的应用，控制 系统由单变量系统转向多变量系统，以解决生产过程中遇到的更为复杂的问题。 6 - l 绪论 七十年代以来，随着工业生产的迅猛发展、仪表与硬件的开发、微型计算机的 开发与应用，生产过程自动化的发展达到了一个新的水平。对全厂或整个工艺流程 的集中控制、应用计算机系统进行多参数综合控制或者用多台计算机对生产过程进 行控制和经营管理，是这一阶段的主要特征七十年代中期，集散控制系统的问世 受到了工业控制界的青睐。随着芯片技术的发展，出现了一种新型的计算机控制系 统现场总线系统，这一新技术表现出了极大的活力。 综上所述，近几十年来，特别是近年来，过程自动控制正在发生着巨大的变 化。但从其控制方式来看，在工矿企业中普遍采用的还是传统的p i d 控制方式，在 竖炉温度控制中也是如此。 1 4 智能控制的发展及其在过程控制中的应用 智能控制是控制理论发展的高级阶段，主要用来解决那些传统方法难以解决的 复杂系统的控制问题。它的研究对象具有不确定性的模型、高度的非线性和复杂的 任务要求1 2 , 3 1 。 智能控制是自动控制与人工智能相结合的产物，智能控制所要解决的问题是； 如何将人工智能技术中缺少依赖模型的求解方法与常规的控制方法相结合。 智能控制理论包括下面几种：自适应；自组织和自学习控制；知识工程；信息 熵；大系统理论：神经网络理论；模糊集合论等。其中模糊控制理论和神经网络理 论在过程控制中已有了较多的应用，在后面的章节中将对其应用作详细介绍。 1 5 竖炉研究内容和研究目标 在竖炉子系统中，控制竖炉球团的烧结温度是球团质量的关键所在。然而球团 烧结没有明确的烧结规律，想要直接控制竖炉里球团的烧结温度是不可取的。 影响竖炉温度焙烧的主要因素有：燃烧室温度、燃烧室的燃烧状况以及竖炉内 物料的分布情况等等。根据竖炉中温度分布的规律，以及燃烧室温度对炉内温度分 布的影响，可以通过控制竖炉燃烧室的温度来间接控制竖炉内球团的烧结温度。因 而在设计竖炉控制方案时，主要以燃烧室温度为被控量进行控制。 所以本课题采取控制燃烧室温度的问接控制方式。 随着计算机的发展和可编程控制器的应用，以现代控制理论为指导，根据竖炉 工艺要求，控制系统应保证燃烧室的温度要求，使焙烧温度达到工艺要求。 7 河北理 大学硕七学位论文 在工业过程控制中，p i d 控制是应用最广泛的控制策略之一，它算法简单、鲁 棒性好、可靠性高。p i d 控制适用于可建立精确数学模型的确定性控制系统，而实 际工业生产过程往往具有非线性、时变性以及不确定性等特点，难以建立精确的数 学模型，应用常规p i d 控制参数整定方法不能达到理想的控制效果。 针对传统p i d 控制中遇到的上述问题，对于燃烧室温度的控制，我们采用模糊 控制、神经网络和p i d 相结合的控制方法。神经网络可以通过对系统性能的学习来 实现最佳的p i d 控制。另外，模糊控制所具有的类似于人脑思维方式的i f _ t l l 吼规 则和易于嵌入专家知识的特点促使了模糊控制与神经网络的结合。 采用传统的p i d 方法很难满足竖炉的控制要求，因此本文决定采用智能控制方 法，实现竖炉的全自动控制，以此来解决上面所说的竖炉控制中的所出现的缺陷和 不足。通过采用模糊神经网络整定p i d 控制的方法，使竖炉温度得到最优控制。 s 2 模糊神经网络理论 2 模糊神经网络控制 2 1 模糊控制 模糊控制系统是一种以模糊数学、模糊语言形式表示和模糊逻辑的规则推理为 理论基础，采用计算机控制技术构成的一种具有反馈通道的闭环结构的数字控制系 统”l 。模糊控制的核心部分是模糊控制器，模糊控制器的规律由计算机的程序实 现。实现一步模糊控制算法的过程描述如下：微机经中断采样获取被控制量的精确 值，然后将此量与给定值比较得到误差信号p ，一般选误差信号f 和误差变化率e g 作为模糊控制器输入量，对它们进行模糊化，生成模糊量。误差e 和误差变化率卯 模糊语言集合的一个子集e 和e c ，再由e 、e c 和模糊控制规则r 根据推理的合成 规则进行模糊决策，得到模糊控制量u ，再将u 解模糊，便可得到精确的控制量 ”9 2 1 1 模糊控制的特点 模糊控制与常规控制相比，具有以下优点【3 棚： 1 模糊控制具有不依赖于系统精确的数学模型，适用于复杂系统与模糊性对象 等特点，其控制结构简单，鲁棒性好。 2 模糊自适应控制中的知识表示、模糊规则和合成推理是基于专家知识或熟练 操作者的成熟经验，通过学习可以不断更新。因此，它具有智能性。 3 模糊控制系统的核心是模糊控制器。而模糊控制器均以计算机( 微机、单片 机等) 为主体，因此它兼有计算机控制系统的特点。如具有数字控制的精确性和软 件编程弱柔软性等。 模糊控制的主要缺陷是； 1 信息简单的模糊处理将导致系统的控制精度降低和动态品质变差。若要提高 精度，则必须增加量化级数，但是这样会导致规则搜索范围变大，决策速度降低， 甚至不能实时控制。 2 模糊控制的设计尚缺乏系统性，无法定义控制目标。控制规爱i j 的选择、论域 的选择，模糊集的定义、量化、比例因子的选择等多采用试凑法，这对复杂系统的 控制是难以实现的。 一9 - 河北理i ：大学硕士学位论文 2 1 2 模糊控制器的组成 模糊控制器的基本组成如图3 所示 7 9 1 ，它包含有模糊化接1 ：3 、规则库、模糊推 理、清晰化接口等部分。输入变量是过程实测变量与系统设定值的差值，输出变量 是系统的实时控制修正变量。模糊控制的核心部分是包含语占规则的规则库和模糊 推理。模糊推理就是一种模糊变换，它将输入变量模糊集变换为输出变量的模糊 集，实现论域的变换。 图3 模糊控制器功能模块 f i g 3f u n c t i o nm o d u l eo f f u z z yc o n t r o l l e r 1 模糊化接口 模糊化就是输入值匹配成语言值的过程。同时，输入对于相应语言变量语言值 的隶属度也被确定，输入值置可以和语言值c 相匹配，也可以和语言值d 相匹 配。相应于c 模糊集的隶属度是虬“) ，相应于d 模糊集的隶属度是蚴“) ，相应 于彳，b ，e 模糊集的隶属度均为零，即钆k ) = 0 ， ) = 0 ，k ) = 0 。 模糊化接口模块的输出为输入值响应的各语言值的隶属度值，如哟“) ， g ，) ，g ，) ，b ) ，蚝 ) 等。 2 规则库 规则库包含有与操作有关的经验知识，控制规则就是这些知识的描述。规则库 存放的知识可以用一簇规则的形式给出或用矩阵表的形式给出。用语言规则形式描 述的规则库的格式如下： 规则库：( 以文字形式定义的规则) ：若条件只则结论c 1 吒：若条件只则结论g ，3 ：若条件只则结论c ， i o - 2 模糊神经网络理论 ：若条件只则结论q 对于规则，有 丑= 只a n d & o r ( n o t 只，) 即条件b 可以是多个条件的组合。同样，对于规则的结论也可以不只一个，即 c k = c h ，c h 用矩阵形式描述规则库如下图，图中n b = n e g a t i v eb i g ( 负大) ，n s = n e g a t i v e s m a l l ( 负小) ，z o = z e r o ( 零) ，p b = p o s i t i v eb i g ( 正大) ，p s = p o s i t i v es m a l l ( 正小) 。 表1 控制规则表 t a b l e1t a b l eo f c o n t r o lm l e s n b n s z o 髂 m p b p b z o n b n b 飓 飓 z o n b n s p b p s z o 粥 p b n s n b z o p s p b n b n b z o p b p b 这一矩阵表上有5 5 = 2 5 条规则，以此类推，若每个输入语占变量划分的级数 增加到7 档，那么就需要4 9 条规则才能全部覆盖。规则的数目是以输入级数的平方 关系而迅速增长的，建立规则库时，要有合适的控制规则数和正确的规则形式，并 给每一条规则赋以适当的权，或称簧信度。当每一条规则不受限制地适用时，它的 权系数为l ，而当它仅在一定的过程状态下适用时，它的权系数小于1 。 3 模糊推理 推理是模糊控制器中根据输入的模糊量，由模糊控制规则完成模糊推理来求解 模糊关系方程，并获得模糊控制量的功能部分。从一些模糊前提条件推导出某一结 论，这种结论可能存在模糊和确定两种情况。模糊推理是模糊逻辑中最基本的问 题。目前模糊推理有十几种方法，考虑到推理时问，通常采用运算较简单的推理方 法。其中最常用的是m a x - m i n 合成法。 4 清晰化接口 河北理丁大学硕十学位论文 清晰化又叫去模糊和解模糊化【m 1 4 】。通过模糊推理得到的结果仍然是模糊量， 但在实际的应用中，特别是在模糊控制中，必须使用精确量。因此需要将模糊量转 换为精确量。从模糊集合中取一个相对最能代表该集合的精确值的过程就是解模糊 化。从工程应用的角度看，需要使用代表性好、算法简单的解模糊化方法，目前普 遍采用的方法有如下几种： 1 最大隶属度函数法 2 最大平均法 3 面积均分法 4 重心法 其中，加权平均法比重心法具有更佳的性能，是模糊控制系统中较为广泛应用 的一种判决方法。 2 2 人工神经网络 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ) 是由许多神经元，按照一定的拓扑结 构相互连接而成的一种具有并行计算能力的网络系统，是人脑神经网络的某种简 化、抽象和模拟。这种网络系统具有非线性大贵目自是用的动力学特性，几乎可以 用来描述任意非线性系统人工神经网络是试图模仿人脑结构和功能而构成的一种 信息处理系统。a n n 用于控制领域，具有许多优异的性能1 ”叫羽； 1 可以充分逼近任意复杂的非线性关系； 2 所有定量或定性的信息都等势分布储存于网络内的各神经元，故有很强的鲁 棒性和容错性； 3 采用分布并行的处理方法，使得快速进行大量运算成为可能； 4 可自学习和自适应不确定的系统； 5 能够同时处理定量、定性知识。 从控制角度看，寻求高可靠性、鲁棒性、适应性和简单易行的控制理论和方 法，以满足控制复杂系统非线性、不确定、难建模、快速多变的要求，一直是控制 学科追求的目标。而神经网络的优点，无疑为人们提供了一条新的思路。 2 2 1 人工神经元的数学模型 人工神经元是对生物神经元的种模拟与简化【1 蝴3 1 。它是神经网络的基本处理 单元。根据神经元的结构和功能我们可以知道，神经元是一个多输入多输出的信息 1 2 - 2 模糊神经网络理论 处理单元，而且，它对信息的处理是非线性的，可以把神经元抽象为一个简单的数 学模型。工程上常用到的数学模型如4 图所示。 圈4 人工神经元的基本数学模型 f i g , 4b a s i cm a t hm o d e lo f a n n 其中，z 为神经元的输出，只为神经元的阈值，j 为外部输入，u 为其他神经 元的输出，m 和_ 为连接权系数，【】为激发函数，一般为非线性，它决定神经元 受到输入的共同刺激达到阈值时以何种方式输出，这样神经元的数学模型的表达式 可以表示如下： 】：5 脚“( 1 ) 配= _ + 以一只( 2 ) 实现的是加权求和的作用，用来实现一个神经细胞对接收来自四面八方信 号的空间总和功能。 常用的激发函数有以下几种类型，一般要求它满足单调、递增、连续即可。 l 。硬限幅函数 硬限幅函数不可微、类阶跃，正值。它是在其网络输入达到给定的门限时，迫 使其输出为l ，否则为0 。这就是使神经元可以作为判决或者分类，它可以给出是或 者否的结果，这种神经元通常利用感知器学习规则来训练。函数的表达式为： 几) = 托釜( ，) 2 对称硬限幅函数 1 3 河北理工大学硕士学位论文 对称硬限幅函数不可微，类阶跃。它是在其网络输入达到给定的门限时迫使其 输出为l ，否则输出为1 ，它与硬限幅函数非常类似，只是输出值不同，函数的数学 表达式为 几) = ! 。嚣( 4 ) 3 对数s ( s i g m o i d ) 函数 对数s 型函数用于将神经元的输入范围( 一一，+ t o ) 映射到( o ，+ 1 ) ，对数 s 函数是可微函数，因此非常适合于利用b p 训练的神经元，函数的数学表达式为 几) 2 吉( 5 ) 4 双曲正切s ( s i g m o i d ) 函数 双曲正切函数用于将神经元的输入范围( 一一，+ o o ) 映射到( 一l ，+ 1 ) ，函数 是可微函数。因此也非常适合于利用b p 训练的神经元。函数的数学表达式为 几) = 缶； 5 径向基函数 径向基函数主要用于径向基网络中，函数的数学表达式为 b ) = g ”，国 6 饱和线性函数 在网络输入一lsx l 时，饱和线性函数只是简单的将神经元的输入经阈值调整 后传递到输出；当x l 时得到l ，它的数学表达式为 f i 当x l 实际上是神经元模型的输出函数，用以模拟神经细胞的兴奋、抑止以及阈值等 特性，上述函数具有两个显著的特征，一是它的突变性，二是它的饱和性，这正是 为了模拟神经细胞兴奋过程所产生的神经冲动以及疲劳等特性。 1 4 2 模糊神经网络理论 2 2 2 人工神经网络的结构 利用单神经元可以构成各种不同的拓扑结构的神经网络，就神经网络的连接形 式丽言，目静已有数十种不同的神经网络模型，其中静馈网络和反馈网络是两种典 型的结构模型。 1 前馈型神经网络 前馈型神经网络其神经元分层排列，通常包含许多层。如图5 所示为个三层 网络，分为输入层、隐含层和输出层【络铡。这类神经网络的特点是只有前后相邻两 层之阉筋神经元相互连接，各神经元之闻无反馈。每个神经元可以从一层接收多个 输入，并只有一个输出送给下一层的各神经元典型的前馈网络有感知器网络、b p 网络等。其中b p 神经网络就是其中最常用的一种，在后面将作详细介绍。 输入层隐层输出层 围5 前馈型神经网络 f i g 5f e e d f o r w a r dn e u r a ln e t w o r k 2 反馈型神经网络 反馈型神经网络的结构图如图6 所示，其输出层到输入层有反馈，每个节点 同时接受外来输入和来自其它节点的反馈输入，其中也包括神经元输出信号引回到 自身输入构成的闭环反馈，所有节点都是一样的，它们之间都可以相互连接。 h o p f i e l d 神经网络是反馈网络中最简单且应用广泛的模型。 1 5 河北理工大学硕士学位论文 w a 信号 2 2 3 神经网络的学习规则 输出信号 图6 反馈型神经网络 f i g 6f e e d b a c kn e u r a ln e t w o r k 在神经网络中，修改权值的规则过程称为学习过程，也就是说神经网络的权值 并非固定不变的，相反地，这些权值可以根据经验或学习来改变。学习是神经网络 的重要特征之一，神经网络能够通过训练改变其内部表征，使输入输出间变换朝着 好的方向发展，以完成特定的任务。 神经网络的学习过程就是不断调整权值的连接数值，以获得期望输出。神经网 络的模型很多，学习方法也多种多样。学习算法可分为有监督学习和无监督学习两 大类。常用的三种规则是： 1 无监督h e b b 学习规则 h e b b 学习的基本思想是：如果两个神经元同时兴奋，则它们之间的加权系数 的增强与它们的激励的乘积成正比，则h e b b 学习规则可用下式表示： a w , j ( k ) = ，7 c r ( 七) 盯，( 七) ( 9 ) 式中： w i ，一单元f 到单元，的连接加权系数； 玎一学习效率； 仃一单元i 的输出； 口一单元，的输出。 2 有监督的万学习规则 在h e b b 学习规则中引入教师信号，将上式中的旺换成网络期望目标输出与实 际输出盯。之差，即为有监督占学习规则。 a w v ( k ) = ，7 【d ，( 七) 一q ( 七) 】盯，( 七) ( 1 0 ) 1 6 2 模糊神经网络理论 上式表明：两神经元之间的加权系数的变化量与教师信号吐( 七) 和网络实际输出 盯之差成正比。 3 有监督h e b b 学习规则 将无监督h e b b 学习规则和有监督万学习规则两者结合起来，组成有监督 h e b b 学习规则，即： ( j i ) = 叩【吐( 七) 一q ( 七) 】巩( 七) 盯，( 七) ( 1 1 ) 式中： 玎一学习效率； 吐( 七) 一q ( j | ) 一教师信号。 这种学习规则使神经元通过关联搜索对未知的外界做出反应，即在教师信号的 指导下，对环境信息进行相关学习和自组织，使相应的输出增强或者削弱。 2 2 4b p 神经网络 目前，在人工神经网络的实际应用中，绝大部分的神经网络模型是采用b p 网 络和它的变化形式，同时，它也是前向网络的核心部分，体现了人工神经网络最精 华的部分。 b p 网络主要应用于函数逼近、模式识别、分类和数据压缩等领域。 b p 神经网络是目前应用最广泛的网络之一，它是一种多层前馈网络。在这种网 络中，学习过程由前向网络计算和反向误差传播两部分组成。在前向传播过程中， 输入信息从输入经隐含层逐层计算传向输出层，每一层神经元的状态只影响到下一 层神经元的状态。如果在输出层没有得到期望的输出，则计算输出层的误差变化 值，然后转向反向传播，通过网络将误差信号沿着原来的连接反向传播，并修改各 层神经元的权值，直至达到期望目标。它是通过连续不断地在相对于函数斜率下降 的方向上计算网络权值和偏差的变化而逐渐逼近目标，每一次权值和偏差的变化都 与网络误差的影响成正比，并以反向传播的方式传递到下一层 3 0 - - 3 4 1 。 为了训练一个b p 网络，需要计算网络加权输入矢量以及网络输出和误差矢 量，然后求得误差平方和。当所训练矢量的误差平方和小于误差目标，则训练停 止；否则，在输出层计算误差变化，且采用反向传播学习规则来调整权值，并重复 此过程，直至误差达到要求。当网络训练完成后，对网络输入测试集。对网络的训 练结果进行测试，最后，网络将以泛化方式给出输出结果。 1 7 河北理工大学硕士学位论文 b p 网络是典型的多层网络，它分为输入层、隐含层和输出层。层与层之问多采 用全互联方式。同一层单元之间不存在相互连接，b p 网络的基本处理单元( 输入层 单元除外) 为非线性输入输出关系，一般选用( o ，1 ) s 型作用函数，且处理单元 的输入输出值可连续变化，即 ，g ) 2 吉( 1 2 ) 对第p 个样本的误差计算公式为 k 一嵋) 2 e p = 上i 一( 1 3 ) 式中： d 。一期望输出； v , , - - f f 算输t b 。 b p 算法流程图如图7 所示。 b p 学习算法的步骤如下： 1 加权系数初始化：以较小的随机数为b p 神经网络的所有加权系数置初值； 2 提供训练数据；设网络具有m 个输入节点和l 个输出节点，给出n 组训练 信号矢量组x = k ，x 2 ，h r 和d = k ，杰，d t 】，令嚣= l 3 取以和见，按照前向计算公式计算隐含层和输出层各个神经元的输出； 4 计算网络输出与期望输出之差的二次性误差函数e ； 5 计算输出层网络加权系数调整量a w e ，并修正加权系数； 6 计算隐层网络加权系数调整量a w o ，并修正加权系数； 7 乃= n + l ，返回第3 步重新计算，直到e 满足要求为止。 虽然b p 算法收敛速度比较慢，但是由于它具有普遍的适用性，使得它在1 9 8 6 年被提出以后，很快就成为应用最为广泛的多级网络训练算法。目前，b p 算法在模 式识别、图像压缩以及自适应跟踪和控制等方面都得到了成功的应用。b p 算法的出 现，结束了多层网络没有训练算法的历史，并被认为是多级网络训练算法，对人工 神经网络的推广发挥了重要的作用。 b p 算法有很强的理论基础，算法对网络的训练被看成是在一个高维空间中寻找 一个多元函数的极小点。 1 8 2 模糊神经网络理论 图7 b p 学习算法的程序框图 f i g 7f l o wc h a r to f b pa r i t h m e t i c 2 3 模糊控制与神经网络的融合 神经网络是一种大规模并行、分布式信息处理系统，具有很强的自适应能力、 非线性映射能力、容错能力和无需先验知识的概括能力等特性。它通过自学习对系 统的各种特性或者新出现的情况进行描述，并可以通过自学习和自组织得出相应的 控制策略。此外，神经网络是采用并行协同的信息处理方式，因此具有很快的信息 处理能力。但一般说来，神经网络不适用于表达基于规则的知识，因此在对神经网 络进行训练时，由于不能很好地利用已有的经验知识，常常只能将初始权值取为零 或者随机数，从而增加了网络的训练的时间或者陷入非要求的局部极值。这应该说 是神经网络的不足1 3 “2 1 。 另一方面，模糊系统是以模糊集合论、模糊语言变量以及模糊逻辑推理的知识 为基础，力图在一个较高的层次上对人脑思维的模糊方式进行工程化的模拟。它也 1 9 河北理工大学硕士学位论文 是一种处理不确定性、非线性问题的有力工具，比较适合于表达那些模糊或者定性 的知识，其推理方式比较类似于人的思维模式，但是般说来模糊控制系统缺乏自 学习和自适应能力。 而神经网络则建立在对人脑结构和功能的模拟和简化的基础上。由于人脑思维 的容错能力源于思维方法上的模糊性以及大脑本身的结构特点，因此将两者综合运 用便成为自动控制领域的一种自然趋势。 基于上述考虑，若能将模糊逻辑与神经网络适当的结合起来，吸取两者的长 处，则可组成比神经网络系统或者模糊系统性能更好的系统。模糊系统与神经网络 主要采用以下两种综合方式 4 3 , - 4 6 1 。 1 将人工神经网络作为模糊系统中的隶属函数、模糊规则的描述形式。文献 【2 7 将系统按照动态响应分类，再利