孵化过程的模糊神经网络控制系统设计及应用_图文

1、安徽农业科学。如珊al 0fAnhui Agri,Sei。2008。3627:12052。12063责任编辑张彩丽责任校对张出敏 孵化过程的模糊神经网络控制系统设计及瘦用湛腾西(湖南理_学院物理与电予信息系,湖南礴阳414006摘隳针婶家禽孵化过程的复杂动态特点,设计了家禽孵化模糊神经网络控制系统,试验结果表明,该系统能够较好地实现孵化主要参 数的稳定。关键词孵化;模糊控稍;模糊神缀网络被制中脶分类舄￥814.5文献标识码A 文舷编号05176611(200827二-12052一OlDesign and Allplkation of静alzzy Nem'al Network Coati

2、 Syama of the Ilmllmtkal Process2a-IAN弛嗽-xi(Deparanent of Physic,and Electronic Information,Hunan Institute of Science and Technology,Yueyang,Hunan 414006A弧嘲&缎峨to abe eorr驴lex and dyrlalTlic characteristics of potll时incubation ploc煅,the f四neural network control system酬够诘出 tlon was designed.'

3、lhe test resallts showed that this system could realize the stability of ltkain incubation群毗m七ters better.Key words lncuhaion;Fuzzy control;Fuzzy neural ne辆叼矗control模糊控制不依赖于对象的深层次知识,是通过输入、输 出信怠进行仿入思维的一种智能纯控镧技术。麸信息观熹 来看,模糊控制是一种基于规则的解释性专家系统;从控制 技术观点采看,模糊控制是一类非线性控制器。僵由于模襁 控制所依赖的控制规则缺乏在线自学习能力,使它的应用受 到了限

4、制。因此,模糊控制规则的在线自生成或自调整技术 就成为模糊控制技术工糕应用的一个重要研究课题。笔者 根据模糊系统的结构,构造等价结构的神经网络,设计了一 种增强模期控制的在线锺学习功毙模糊享孛经网络控制器¨。 考虑到家禽控制系统被控对象的复杂特性,笔者提出采用模 耧神经网络控剃算法。1孵化控制系统设计中的影响因素孵纯对设备激度、鬣发和逶瀛要求严格,哭有逶当的瀑 度、溅度和通风才能提高孵化率和健雏率,获得较好的经济 效益。湿度是孵化过程审最主要静条夸,哭翥傈证骚骀发育 所需的适宜温度,才能获得较高的孵化率和健雏率。长时间 的冷热气候对母璃产生的不赛影响都会弓l起孵纯率下降。 如果在低温

5、下孵化,将减缓胚胎的发育,延长孵化期,造成孵 亿率羞,影响雏鸡质量。如采在高温下孵化,能加速胚胎静 发育,缩短孵化期,但同样会造成孵化摩差,影响雏鸡质量。 湿度决定孵他期间种蛋水分失重的速率,湿度的变佬院 温度变化更易被忽视,不同胚胎表面湿度变化比湿度变化更 大,从而导致孵化率降低。合理的湿度在孵化前期可使胚胎 受热良好,詹期划有利于胚胎教热和破壳出雏。通风是为了降湿及保证新鲜空气,胚胎在发育过程中不 叛吸收氧气,接出二氧化羰。势保证燕常枧体代谢,必须供 给新鲜空气。孵化初期,胚胎气体代谢微弱;胚胎发育中后 期,气俸我谢旺盛,对氧的震要塞瞬显提裹,遴风量应逐灏扩 大。随着胚龄的增加,胚胎的气体

6、交换量也不断增加。因此 除殛骆发育期签,胚齄盼笺俸交换必须生通风换气解决。德 通风换气会造成温度、湿度的变化。蠢魏爵瑟,孵亿控制系统是一个多输入多输出系统,潺 度、湿度控制要求精度高,加温主要控制孵化温度,加湿主要作者麓介湛腾西(1963一,男,湖南&faA.,尚级置程师,从事光电 储患处理、智能控制压过程控稍研究。收稿翻期2008-08-434控制孵化湿度,但对温度也有很大影响,从而造成系统的不 稳定。鬻此,孵化控制系统舆有多于抗蔽及暖显的不稳定 性,而且无法求得对象的数学模型,若采用单一的传统控制 方法很难达到壤葱的控制特性。因此,孵化过稷的温度、湿 度和氧气浓度均采用模糊神经网络

7、拉制算法进行控制。 2模糊神经网络控制算法孵化湿度、湿度朔含氧量的设定值是一个变值控制,丽 髓其温度、湿度和氧气浓度要求精度高。文献23采糟常 规摸攒控制算法对其进行控铡,由予模嬲规则、模糊隶属函 数以及模糊决策算法的经验,难以保证这些参数满足孵化工 艺的实黪变诧,因此,笔者选耀模糊狰经网络控制算法,将神 经网络的自学习功能结合到模糊控制中,以保证孵化参数的 謦纛确控溯。2.1模糊神经系统结构为便于工程应用,分别选取控制 爨的误差耱误差交纯率炎飧入变量,并将其鲻分秀7个模襁 子集NB,NM,NS,ZO,PS,PM,PB,分别表示“负大”、“负中”、 “受夺”、“零”、“正小”、“正中”、“歪大

8、”,雨3瓣|隶瘸函数中精 度较高的为三角隶属函数,考虑到孵化的高精度控制,采用 三角隶属函数。壤(壤=l一业竿型(=1,2;j=l,1 (1 "驴其中“f为控制输入变量;%为隶属度函数的中心,如为隶属 度函数的宽度。模糊控制器由如下规则构成gm:IF/,l is AIj AND u-2is A2/THEN Y is其中,如表示第m条模糊规则;/-/'i(i=l,2为控制输入变 燕;Y为控翩器输出变量;考虑到模糊控制的精度问题,A。= ;NB,删,NS,ZO,PS,蹦,PB,歹=7;,uA。(蚴为隶属函数;(m =l,2,49为第m条模糊规则对于输出的作用权值。最 矮褥到模糊神

9、经网络系统的推理输出力:m IY(I2磊巧(“勺儡一(“盼=鲰。,(uotq。(“2(2(3 2.2模糊神经网络学习设输入变量的期望输如为,被 控对象实际输出为y(f,寇义目标函数为:西=垃字监 (4 (下转第12063页36卷27期 李霞等最大熵原理在闪电强度谱分布中的应用3检验为验证最大熵原理及其导出公式在闪电强度谱分析中 的适用性,该文利用江苏省闪电定位系统获得的闪电资料对 其进行效果检验。该系统可获得闪电的发生时间、地点、强 度、频次等参数,由其提供的闪电强度和频次在精度上完全 满足该文的要求。3.1个例选择为不失一般性,该文随机挑选了6次雷暴 过程。在雷达回波图(图略上可以清楚地看到

10、这6次过程 从开始到消散均在雷达观察范围内,随雷暴移动每6rain确 定1次位置和范围,并结合闪电定位资料统计该时段的闪电 数,最后累计求得闪电总数。3.2验证方法和结果由以上分析可知,需对闪电强度阈 值加以限制,该文规定电流强度下限为15kA,上限,M【由实 测值确定,并以5kA为间隔(即15,t【、20,MA【、25一 ,MAx,依次类推分别统计各个区间的闪电总数F,对F取 对数,则不同区间将会出现不同的数据对(1n,将全部数 据对点绘在图中,如果其分布呈直线型,则说明二者之间有 很好的线性对应关系,从而证明上述分析正确。图1中af 分别是2005年4月30日、7月28、8月lO日,200

11、6年6月21日、8月16日和8月23日发生在江苏省南京地区6次雷暴过 程的闪电频次对数1n(F与闪电强度(,的线性拟合图。从 图1中可以看出,闪电强度与闪电频次的对数值有很好的线 性关系,除了2006年8月16日的雷暴过程相关系数只有 93%以外,其余均超过95%。从而说明,利用熵原理研究闪 电强度分布特征是适用的。4结语雷暴云的动力热力过程和闪电的产生机制一直是大气 物理领域的重点和难点之一,由于危险性大和观测手段受限 等原因,使我们很难完全从微观角度认识、解释雷电现象。 该文应用最大熵原理从宏观上分析了闪电强度和频次之间 的关系,这在雷电研究中是一个进步。但文中在使用该原理 时适当地增加了

12、一些约束条件,这说明熵原理的适用性是存 在一定范围的;另外,文中个例选自同一地区、同一观测系 统,公式是否具有普遍性,仍需进一步探讨。参考文献1许,J峰,郭虎,廖小农,等.国外雷电监测与预报研究M.北京:气象 出版社,20Q3:843.2陈谓民.雷电学原理M.北京:气象出版社,200B:137230.324335. 3寿绍文,励申申,姚秀萍.中尺度气象学M.北京:气象出版社。加0B:35124.4张学文,马淑红,马力.从熵原理得出的雨量时程方程J.大气科学, 1991,15(6:1824.5张学文.大气中的水汽滞留函数J.高原气象,2006。25(6:10021054. 6COITON W R

13、,AN璐R A.风暴和云动力学M.北京:气象出版社, 1993:6町一619.+一+一卜-卜+卜卜-+一+-+-+f-+-+-+一+-+f-卜+-+-卜-+-+-+卜-一-卜+-一-+-卜+-卜卜-+.-+-+-+-+一+(上接第12052页将式(2和(3代入式(4,可得:E=吉c铹卅2=吉c甓岩卅2二三一(“ 二,善;=l脚(啦(5 该目标函数的输出主要由中心值。扑宽度b和勺决定。 模糊神经网络的学习算法通过不断修正隶属度函数和网络 权值,保证目标函数稳定在给定范围内。%和bo.-TN用梯,度 下降法得到:叼(+1=叼(t一乙磊OE (6 6F(川=6#(t一甑畿 (7 式中,厶(n=a,b

14、,c为学习率,0厶1。网络权值的修正 可以采用动量项的BP学习算法,修正方法为:勺(川=9(+妥茄+h/Xcj(t (8 式中,h为动量因子,ci(t为上一个学习周期的权值修正 值。模糊神经网络通过不断调整叼,6d和cf使得目标输出 最小,从而保证孵化过程参数的自适应控制。3应用为了提高控制系统的可靠性和经济性,该系统采用8051系列单片机。温度传感器选用AD590,测量范围为一55 150oC。湿度传感器选用ZHG-2型湿敏电阻,当环境的相对 湿度在50%一80%变化时,其电阻值在65086kf2问改变。 氧气传感器选用FCX-MVL型传感器。A/D转换器采用 ICL7135,其具有精度高、

15、低漂移、抗干扰能力强等优点。显示 器采用数码管,显示温度、湿度、氧气浓度和工作状态。采用 DSl305实时时钟芯片,为孵化过程控制提供精确时间。该系 统还具有存储、打印孵化过程中的温度、湿度、氧气浓度等功 能,并提供标准的串行通讯口,便于和上位机构成主从式控 制系统。该模糊神经网络控制算法已在某孵化厂投入使用,运行 前孵化设备采用的算法是模糊控制算法,系统控制精度较 低,系统最大超调量甚至超过了20%,孵化率极低。针对此 情况,结合该孵化厂的工艺特性,将模糊神经网络控制算法 应用到该工厂中,取得了较好的效果。4结论该研究针对禽蛋孵化过程复杂的动态非线性特点,提出 了一种模糊神经网络控制算法,较

16、好地实现了孵化过程参数 的快速、稳定、精确控制。该系统的控制效果显著,减轻了操 作工人的劳动强度。参考文献1(3HEN C S.嘶of删e矗唧唧州systems戚119Lyalamovs medlod in mzzy hyp删beJ.Fuzzy Sets and sysI,2003,1:95110.2周国雄,蒋辉平,肖会芹.孵化腔制系统的专家模特时空制方法及其应用 J.计算机测量与控制,2007,15(11:1112.3蔡兵.智能孵化陉制系统的设计与实现J.电子科技大学学报,2004, 33(2:188191. 孵化过程的模糊神经网络控制系统设计及应用作者:湛腾西 , ZHAN Teng-xi作者单位:湖南理工学院物理与电子信息系,湖南岳阳,414006刊名:安徽农业科学 英文刊名:JOURNAL OF ANHUI AGRICULTURAL SCIENCES年,卷(期:2008,36(27参考文献(3条1. CHEN