“Surf:”通过精心收集，向本站投稿了5篇焦炉集气管压力模糊神经网络控制系统，以下是小编整理后的焦炉集气管压力模糊神经网络控制系统，欢迎阅读分享，希望对您有所帮助。
篇1：焦炉集气管压力模糊神经网络控制系统
焦炉集气管压力模糊神经网络控制系统
摘要：针对焦炉集气管压力这类多变量非线性系统，提出一种基于模糊神经网络的智能协调控制方案。应用遗传算法对模糊神经网络结构和参数进行优化，并采用PLC的逻辑梯形图语言编程实现智能协调运算。工程应用表明了系统设计的有效性。关键词：可编程控制器 模糊神经网络 智能控制
焦炉集气管压力控制是焦炉控制的关键之一。压力大时焦炉冒烟严重，近距离不能看清设备，大量焦炉媒气进入空气中，污染环境；压力小时空气吸入严重，影响焦炉寿命和焦炉煤气质量。因此，采用先进控制手段，对焦炉焦气管压力进行长期稳定控制，对于改善环境、提高煤气回收量和质量、提高焦炉辅助产品产量和质量，具有重要的意义。焦炉集气管控制系统的主要问题有：
（1）焦炉集气管压力系统是一个耦合严重、具有严重非线性、时变特性、扰动变化激烈的多变量系统，一般的PID调节很难满足要求。
（2）当媒质较好、鼓风机后媒气负荷稳定时，(本网网收集整理)自动控制效果较好；当媒质较差、鼓风机后压力变化大时，常常出现振荡现象，迫使系统无法投入自动控制。
（3）作为控制机构之一的鼓风闸阀存在严重的非线性、滞后大，常规伺服放大器加执行结构很难适应。
近年来，神经网络、模糊技术和遗传算法已成为智能计算的三大信息科学，是智能控制领域的三个重要基础工具，将三者有机地结合起来，取长补短，不仅在理论上显示出诱人的前景，在实际应用也取得了突破。本系统采用一种基于遗传算法和模糊神经网络的智能模糊控制器，实现了模糊规则的在线修改和隶属函数的自动更新，使模糊控制具有自学习和自适应能力。本文将系统的硬件高可靠性、软件灵活性与现代智能控制相结合，在分析控制对象的基础上采智能协调解耦控制方案，应用PLC的逻辑梯形图语言编程实现，保证了集气管压力稳定在工艺要求范围内。
1 工艺简介
图1是焦炉集气管系统的结构。焦炉媒气从各炭化室通过上升管时被循环氨气冷却到80～90℃，然后进入集气管。焦炉某气从焦炉到初冷器分为两个吸气系统，即1号和2号焦炉为一个系统，3号焦炉为一个系统。1号和2号焦炉的煤气从各自的集气管进入共用吸气管后，在初冷器前与3号焦炉的煤气会合后进入初冷器。通过初冷器被冷却到35～40℃，然后由鼓风机送往下道工序。
2 系统硬件结构及系统功能
焦炉集气管压力控制系统采用高可靠性的两级计算机集散控制系统，由监控、控制器和通讯网及仪表系统构成，如图2所示。监控站由研华工业控制计算机和高性能工业控制软件构成，完成对焦炉集气管压力系统的监视和操作，对历史数据进行存档，是控制系统的主要机界面。控制器采用日本三菱公司推出的A2A拟量输入模块、数字量输入输出模块和基板组成，通过智能控制算法对三座焦炉的集气管压力和鼓风机压力进行控制。仪表系统由变送器、配电器、隔离器、调节器和执行器等构成，主要完成压力信号的获取和阀门的控制执行。
系统主要功能为：
（1）实现3焦炉集气管压力的解耦控制，实现初冷器前和鼓风机前及鼓风后压力智能协调控制，保证4台鼓风机安全稳定运行。在推焦装媒及鼓风机后负荷变化等扰动较大的情况下，集气管压力稳定在设定值±20Pa内。
（2）实现过程的实时数据采集、数据处理、显示、报警、故障监测及诊断功能，手、自动无扰切换和设定操作，对历史趋势数据进行存储（存储240天的历史数据）和显示。具备报表打印功能和与上位机（管理系统）联网功能。
3 控制原理
针对焦炉集气管系统的结构和特点，本文提出一种基于模糊神经网络的智能协调控制方案。控制系统的结构如图3所示。它分为两级：专家智能控制协调级（虚线框内）和基本实时智能控制级。专家智能控制协调级在线实时监测被控系统过程，根据不同炉况，协调控制策略，进行有效控制。基本实时智能控制级分为单输入单输出（SISO）模糊神经网络控制器FNC1～FNC4和多变量解耦控制器FNC5两部分，由径向基函数网络（RBFN）逼近过程模型。此模型用于计算过程输出对过程输入的一阶偏导数ay/au和离线寻优，由多量解耦控制器根据解耦参考模型2进行解耦控制，与被控对象一道构成解耦后的广义被控对象，在此基础上分别采用SISO模糊神经网络控制器控制被控对象的动态特性：采用智能协调模糊神经网络控制器FNC4，以鼓风机闸阀开度为控制量，控制初冷器前吸力；采用模糊神经网络控制器FNC1～3，以各焦炉集气管蝶阀开度为控制量，控制相应焦炉集气管压力。
3.1 模糊神经网络结构
3座焦炉集气管压力和初冷器前压力控制算法FNC1～FNC4采用同样的`模糊神
经网络结构，取误差e、误差变化率Δe及其导数Δ2e作为模糊推理控制器输入，e为Δe分别划分为7个模糊子集，Δ2e划分为3个模糊子集，模糊子集隶属度采用高斯型函数表示。上述的模糊推理控制器可用一个如图4所示的初始神经网络构成。初始神经网络共有四层：输入层、隶属函数生成层、推理层和去模糊化层。输入节点数n为3，第一层隐含节点（模糊化）为17，第二层隐含节点（推理）L为7×7×3=147，一个输出点节。模糊化到推理连接权重为1。
多变量解耦控制器FNC5采用T-S模糊模型[4]，取FNC1～FNC4输出作为模糊控制器的输入，三座焦炉焦气管蝶阀和鼓风机前闸阀实际控制输出作为模糊控制器的输出，考虑到系统的动态解耦，每个输入分别取当前三个时刻值，从而构成12输入、4输出多变量解耦模糊控制模型。
3.2 模糊神经网络GA优化学习
对于单变量和多变量解耦模糊神经网络，可用遗传算法（GA）来调整和优化参数和结构，而推理规则的结论部分中的权值Wi较为多地具有局部性，可采用智能梯度算法在线调节。把两种学习算法结合起来，可发挥GA算法的全局搜索结构优化能力和梯度算法局部优化块速性。
采用遗传算法离线训练模糊神经网络参数的步骤如下：
（1）采用实数编码方式，随机产生n个实数字符串，每个字符串表示整个网络的一组参数；
（2）将各实数字符串译码成网络的各参数值，然后计算每一组参数的适合度值fi=1/Ei(i=1,2……，n)，式中Ei为定义的误差指标函数，按下列步骤产生新的群体，直到新群体中串总数达到n：
①以概率fi/∑fi,fj/∑fj从群体中选出两个串Si，Sj；
②以概率Pc对Si，Sj进行交换，得到新串Si',Sj'；
③以概率Pm使Si'，Sj'中的各位产生突变（取随机数）；
④返回第①步，直到产生（n-1）个新一代的个体；
⑤所产生的（n-1）个新一代的个体连同一代中性能最好的那个个体，共同组成新的群体。
（3）返回第（2）步，直到群体中的个体性能满足要求为止。群体中适应度最好的字符串译码后的参数即为所求参数。
这里采用一种自适应Pc和Pm方法。用适合度函数来衡量算法的收敛状况，其表达式为：
Pc=K1(fmax-f)
Pm=K2(fax-f)
式中，fmax、f分别是群体中的最大适合度和平均适合度。由于篇幅的关系，有关SISO模糊网络控制器和多变量解耦控制器的梯度在线学习算法请参考文献[5]，在本系统中由模糊神经网络控制器用编程控制器提供的浮点运算指令完成，在线学习算法由上位机用VC编程，通过通讯修改模糊神经网络参数。
4 控制系统实现
4.1 专家智能协调控制的实现
控制过程开始时启动基于智能的专家控制系统，通过过程特征提取将系统运行过程的特征信息如各级压力、误差等送入推理结构，推理机构根据知识库中的规则和事实执行推理，给出控制策略。当推理得出参数变化需启动模糊神经网络学习功能时，保存原参数，并启动模糊神经网络学习机制，根据系统的性能好坏决定是否接受学习后的整体参数。
根据工艺过程特点、工艺工程师和熟练操作工的知识和经验，初冷器前压力专家设定采取如下协调原因：首先保护设备的安全运行，如果鼓风机机前吸力P4高于工艺允许上限制值P4max，则降低鼓风机闸阀开度；如果鼓风机控制闸阀控制输出u4低于喘震闸阀开度V4min,则维持V4min闸阀开度。然后将鼓风机机后压力大小分8段折线，根据经验和实验数据给出初冷器前压力初步设定值，并根据实际状态进行调整，如果集气管压力超过设定上限制值Pmax，阀位超过灵敏区上限制值Vqmax，则降低初冷器前压力给定；如果3个集气管压力均超过设定上限制值Psmax，则增大鼓风机闸阀控制输出；如果集气管压力小于设定下限制值Pmin，阀位低于灵敏区下限制值Vqmin，则增加初冷器前压力给定；如果3个集气管压力小于设定一下限制值Psmin，则降低鼓风机闸阀控制输出。以产生式规则“IF conditions THEN results”形成的主要规则为：
R1：IF（P5≥Xi-1）AND（P5 THEN r4=(Yi-Yi-1)/(Xi-Xi-1)+Yi-1 R2：IF（P1>P1max）AND（V1>Vlqmax） THEN r4=r4-Δr R3:IF (P2>P2max)AND（V2>V2qmax） THEN r4=r4-Δr R4:IF (P3>P3max)AND (V3>V3qmax) THEN r4=r4-Δr R5:IF (P1>Psmax)AND(P2>Psmax) AND(P3>Psmax) THEN u*04=u04+Limit R6：IF（P1 THEN r4=r4+Δr R7：IF （P2 THEN r4=r4+Δr R8:IF(P3 THEN r4=r4+Δr R9:IF（P1 THEN u*04=u04-Limit R10：IF P4>P4max THEN u*4=u4-Limit R11:IF u4 上述规则中Xi、Yi(i=1,2,…,,7)为初冷器前压力设定经验数据，r4为初冷器前压力设定值，Δr为设定增量，u04为集气管模糊神经控制器输出值，u*04为前级合成控制输出，u4为解耦控制鼓风机闸阀控制输出，u*4为鼓风机闸阀控制最后合成输出，Limit为可能的最小闸阀开度调节量，取决于执行机构的调节精度。可编程控制器梯形图很适合上述规则的编程。四套鼓风机机组均采用智能专家协调控制系统，只是参数不同。不同机组运行时自动选用相应参数。 4.2 时间比例数字输出控制的实现 经过专家智能协调控制后的输出，还要经过非线性修正，然后采用时间比例数字输出算法并用固态继电器直接控制阀门。控制输出经过标度变换，转换成相应的时间。由于小于某一值的脉冲不但不会驱动伺服电机，还会使电机过热，因此需极小值切除，并且根据上次开阀方向和本次开阀方向进行死区补偿，并根据阀位测量数据进行故障处理。其框图如图5所示。 本系统于6月在湘潭钢铁集团有限公司焦化厂投入运行，实际应用表明，该系统工作可靠、性能稳定、功能齐全、操作方便，控制精度达到要求。单座焦炉的调节对其它焦炉压力的影响较控制前明显削弱，对压力的最大扰动幅度从±200Pa下降到±10Pa，当出现扰动时，能快速调节达到稳定，保证压力稳定在工艺要求的范围内。 焦炉集气管压力模糊神经网络控制系统 关键词：可编程控制器 模糊神经网络 智能控制 焦炉集气管压力控制是焦炉控制的关键之一。压力大时焦炉冒烟严重，近距离不能看清设备，大量焦炉媒气进入空气中，污染环境；压力小时空气吸入严重，影响焦炉寿命和焦炉煤气质量。因此，采用先进控制手段，对焦炉焦气管压力进行长期稳定控制，对于改善环境、提高煤气回收量和质量、提高焦炉辅助产品产量和质量，具有重要的意义。焦炉集气管控制系统的主要问题有： （1）焦炉集气管压力系统是一个耦合严重、具有严重非线性、时变特性、扰动变化激烈的多变量系统，一般的.PID调节很难满足要求。 （2）当媒质较好、鼓风机后媒气负荷稳定时，自动控制效果较好；当媒质较差、鼓风机后压力变化大时，常常出现振荡现象，迫使系统无法投入自动控制。 （3）作为控制机构之一的鼓风闸阀存在严重的非线性、滞后大，常规伺服放大器加执行结构很难适应。 近年来，神经网络、模糊技术和遗传算法已成为智能计算的三大信息科学，是智能控制领域的三个重要基础工具，将三者有机地结合起来，取长补短，不仅在理论上显示出诱人的前景，在实际应用也取得了突破。本系统采用一种基于遗传算法和模糊神经网络的智能模糊控制器，实现了模糊规则的在线修改和隶属函数的自动更新，使模糊控制具有自学习和自适应能力。本文将系统的硬件高可靠性、软件灵活性与现代智能控制相结合，在分析控制对象的基础上采智能协调解耦控制方案，应用PLC的逻辑梯形图语言编程实现，保证了集气管压力稳定在工艺要求范围内。 1 工艺简介 图1是焦炉集气管系统的结构。焦炉媒气从各炭化室通过上升管时被循环氨气冷却到80～90℃，然后进入集气管。焦炉某气从焦炉到初冷器分为两个吸气系统，即1号和2号焦炉为一个系统，3号焦炉为一个系统。1号和2号焦炉的煤气从各自的集气管进入共用吸气管后，在初冷器前与3号焦炉的煤气会合后进入初冷器。通过初冷器被冷却到35～40℃，然后由鼓风机送往下道工序。 2 系统硬件结构及系统功能 焦炉集气管压力控制系统采用高可靠性的两级计算机集散控制系统，由监控、控制器和通讯网及仪表系统构成，如图2所示。监控站由研华工业控制 [1] [2] [3] [4] [5] MWC计算机模糊控制系统 -----卷烟平均重量模糊控制器的设计 张丽晖 (南京农业大学 计算中心) 摘要 本文研究在研究“MWC卷烟平均重量控制系统”的总体方案，阐述了系统总体设计、硬件设计和软件设计；并且通过模糊自动控制原理的分析和模糊控制器的设计，将模糊控制应用于烟重控制系统中，并针对卷烟机的卷烟平均重量自动控制。文中用于控制烟重的新的模糊控制算法，可作为一种通用的控制算法。算法涉及模糊控制器的输入／输出。控制器用平均重量的偏差和变化率来维持一个恒定的输出烟重。 关键词：平均重量控制器、模糊控制、自调整算法 新型“烟棒生产线实时重量检测控制系统”是南京智能技术研究所和本文作者联合研究设计、协作研制开发的一个科研项目。它是卷烟生产流水线的核心设施，能用于生产中进行性能测试、成品质量抽捡、采集和处理数据、控制生产等工作的配套综合系统。计算机系统的使用、微机化数字仪表的研制以及先进的模糊控制技术的应用，必将使该系统能在实用、可靠的基础上，同时具备性能优越、技术先进、操作灵活、维护方便等特点，它也应当成为新型卷烟生产流水线的最佳选择。 在卷烟平均重量集散微机测控系统中，采用了先进的.模糊控制器作为卷烟平均重量控制器，该控制器在响应快、超调小、对参数变化不敏感等方面均优于传统控制的控制效果。本系统中对于烟重等环节所采用的先进的模糊控制方法，将把卷烟平均重量测控系统推向新的高度。 §1 MWC模糊控制器总述（实用的模糊微机控制系统） 在卷烟平均重量控制系统（MWC）中，对于烟重等控制对象，采用了一种新的控制算法──自调整模糊控制算法，它以重量偏差及其变化率为输入，平整电机转速为输出，在总结熟练的技术工人的丰富经验的基础上，制定模糊控制规则，应用模糊推理合成规则，计算出用于该控制回路实时控制的基本模糊控制器查询表；同时为获取较好的控制效果，采用了在线自动调整量化因子和比例因子的结构模式。该算法具有良好的跟踪性能和抗扰动性能，可作为一种通用的控制算法。 MWC模糊控制器方框图如图1所示。 新型“烟棒生产线实时重量检测控制系统”是南京智能技术研究所和本文作者联合研究设计、协作研制开发的一个科研项目。它是卷烟生产流水线的核心设施，能用于生产中进行性能测试、成品质量抽捡、采集和处理数据、控制生产等工作的配套综合系统。计算机系统的使用、微机化数字仪表的研制以及先进的模糊控制技术的应用，必将使该系统能在实用、可靠的基础上，同时具备性能优越、技术先进、操作灵活、维护方便等特点，它也应当成为新型卷烟生产流水线的最佳选择。 在卷烟平均重量集散微机测控系统中，采用了先进的模糊控制器作为卷烟平均重量控制器，该控制器在响应快、超调小、对参数变化不敏感等方面均优于传统控制的控制效果。本系统中对于烟重等环节所采用的先进的模糊控制方法，将把卷烟平均重量测控系统推向新的高度。 §1 MWC模糊控制器总述（实用的模糊微机控制系统） 在卷烟平均重量控制系统（MWC）中，对于烟重等控制对象，采用了一种新的控制算法──自调整模糊控制算法，它以重量偏差及其变化率为输入，平整电机转速为输出，在总结熟练的技术工人的丰富经验的基础上，制定模糊控制规则，应用模糊推理合成规则，计算出用于该控制回路实时控制的基本模糊控制器查询表；同时为获取较好的控制效果，采用了在线自动调整量化因子和比例因子的结构模式。该算法具有良好的跟踪性能和抗扰动性能，可作为一种通用的控制算法。 MWC模糊控制器方框图如图1所示。 离线模糊Fuzzy算法 图1中，输出值Y是与红外线检测器实测烟重对应的数字量，S是卷烟生产过程所要求的卷烟平均重量值（数字量），计算机将Y值与给定值S相比较，得出烟重偏差数字量e，经计算机处理可以取得偏差变化的数字量c（c＝ei－ei－1，其中ei－1为前次的偏差；ei为本次的偏差），e与c作为模糊控制器的输入，模糊控制器输出的控制量是应当调节的数字量d，d对应着平整电机的转速、方向及步数。 其中， 烟重基准值为S＝MW（mg）， 偏差测量值范围为±e（e＝过重极限－控制极限）（mg）， 重量偏差变化率为±c（c＝MW×1％）（mg）， 步进电机转速控制范围为±d。 根据控制规则，可以求出对应的模糊关系R，有了R，对于A和B的任何值，通过模糊算法（合成推理规则），可以求出对应的输出变量C的值，再用加权平均法就可求出相应的执行量z。 如上所述，对于A和B的每一组值，都可求出相应的执行量z，但是这种计算是相当繁琐的，计算量很大，不能立即做出反应，不适于实时控制。克服这一缺点的解决方法是：可以离线（即事先）先做模糊决策表（又叫查询表、控制表、如表6－6所示），并将此表输入计算机。在控制过程中，计算机把采样后经变换得到的输入x和y，与表6－6的行与列比较，可立即得出执行量z。 因此，实际模糊控制（算法）分为“在线”和“离线”两部分。 §2 模糊控制器的结构设计（算法预处理） 一、确定语言变量、语言变量的基本论域 根据MWC控制方案，选取基本模糊控制器的输入语言变量为重量偏差 WE、重量偏差变化率WC，输出语言变量为平整电机转速WD。 重量偏差WE的基本论域为 〔－e，＋e〕， 重量偏差变化率WC的基本论域为 〔－c，＋c〕， 平整电机转速WD的基本论域为 〔－d，＋d〕。 二、选择模糊状态（语言变量WE、WC、WD的语言值）－－描述词汇 WE＝{太轻，轻，较轻，正常，较重，重，太重}， 简记为{NL，NM，NS，ZE，PS，PM，PL}； WC＝{很快，快，稍快，正常，稍慢，慢，很慢}， 简记为{NL，NM，NS，ZE，PS，PM，PL}； WD＝{正大，正中，正小，保持，负小，负中，负大}， 简记为{NL，NM，NS，ZE，PS，PM，PL}； 三、定义模糊集（语言变量WE、WC、WD所取的模糊集合的论域） 1．将在基本论域内连续变化的WE、WC、WD离散化（即量化）后分成 Ne（3）、Nc（3）、Nd（4）级（档）。 2．语言变量WE、WC、WD所取的模糊集合的论域： WE所取的模糊集合的论域X＝{－Ne，…，0，…，＋Ne}， WC所取的模糊集合的论域Y＝{－Nc，…，0，…，＋Nc}， WD所取的模糊集合的论域Z＝{－Nd，…，0，…，＋Nd}。 四、确定量化因子和比例因子 1．重量偏差WE的量化因子 2．重量偏差变化率WC的量化因子 3．平整电机控制转速WD的比例因子 五、建立语言变量赋值表 在确定语言变量的基本论域以及论域元素量化等级后，语言变量中各模糊子集的隶属函数取正态型分布函数或按均匀型分布函数，在此基础之上，建立语言变量的赋值表。 表2 语言变量WE赋值表 语言值 PS ZE NS NL 0 0 0 1 0 0 0.5 0.5 0 0 0.5 1 0 0 0 1 0 0 0 1 0.5 0 0 0.5 0.5 0 0 0 1 0 0 0 0 表3 语言变量WC赋值表 隶属度/X 语言值 -3 -2 -1 0 +1 +2 +3 PL PS ZE NS NL 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 表4 语言变量WD赋值表 隶属度 语言值 -4 -3 -2 -1 0 +1 +2 +3 +4 PL PS ZE NS NL 0 0 0 0 1 0 0 0 0.5 0.5 0 0 0 1 0 0 0 0.5 0.5 0 0 0 0.5 0 0 0 0 1 0 0 0 1 0 0 0 0.5 0.5 0 0 0 1 0 0 0 0 六、确定模糊控制状态表（提取、制定模糊控制规则） 根据上述各语言变量赋值表，基于操作者的实践经验，通过操作者手动控制策略的总结，为卷烟平均重量控制系统构造模糊控制规则（模糊模型）。即把代表控制规则的模糊条件语句简写为模糊控制状态表。 表5 模糊控制规则表 WC WD WEB1 NLB2 NSB3 ZEB4 PSB5 PL A1 NL A2 NS A3 ZE A4 PS A5 PL PL PL PS PS O PL PS O NS NL PS O NS NS NL O NS NS NL NL C11－C17 C31－C37 C41－C47 C61－C67 C81－C87 §3 模糊控制器的算法设计 一、模糊算法（离线部分） 模糊算法由模糊化、合成算法、判决三步组成。 1．输入模糊化 查找语言变量WE和WC的赋值表，找出测量值e、c的量化值x、y上与最大隶属度对应的语言值所决定的模糊集合A、B。模糊集合A、便代表确定数e、c的模糊化。 〖例如〗 根据系统偏差测量值e（确定数）计算出x＝＋3；查找偏差WE赋值表，在＋3级上的隶属度0．5、0．7、0．1中间求取与最大隶属度0．7对应的语言值PM的模糊集合PM为 PM＝0．2／2＋0．7／3＋1／4＋0．7／5＋0．2／6 模糊集合PM便是确定数e偏差的模糊化。 2．模糊算法器（合成算法） 1）模糊控制规则 在MWC系统的控制器中，模糊控制规则的一般形式为 if WE＝Ai and WC＝Bj then WD＝Ck （用复合条件语句表示为 ： 若Ai且Bj则Ck） 应用模糊集合的运算规则，可求出模糊关系R： R＝R1∪R2∪…∪Rm×n 式中 R1＝DT1×Cφ(1,1)，D1＝A1×B1 ．．．．．． Rm×n＝DTm×n×Cφ(m,n)，Dm×n＝Am×Bn 即 R＝ ∪ （Ai×Bj×Ck） i∈I j∈J ＝ ∪ 〔Ai×Bj×Cφ(i,j)〕 i∈I j∈J “×”运算的含义由下式定义： i＝m，j＝n μR（x，y，z）＝ ∨ 〔μAi（x）∧μBj（y）∧μCk（z）〕 i＝1，j＝1 i＝m，j＝n ＝ ∨ 〔μAi（x）∧μBj（y）∧μCφ(i,j)（z）〕 i＝1，j＝1 其中： X、Y、Z 分别是偏差WE、偏差变化率WC、控制量WD的论域； Ai，Bj，Ck分别是论域X，Y，Z上的模糊集， 也分别是偏差WE、偏差变化率WC及控制量WD的语言值； i∈I＝{1,2,…,m}，j∈J＝{1,2,…,n}，k∈K＝{1,2,…,m*n}； ∨x∈X，∨y∈Y，∨z∈Z。 2）模糊算法 用模糊推理合成规则（CRI法）算出模糊控制器输出的控制量WD，设控制规则对应的模糊关系为R，输入分别取模糊集为WE＝A，WC＝B，则输出的控制量的变化WD为模糊集C 〖WD〗C＝（A×B)oR （o表示模糊关系的合成） 即 μC（z）＝ ∨ μR（x，y，z）∧〔μA（x）∧μB（y）〕 x∈X y∈Y 〖 根据上式，每一条控制规则可求出相应的`C1，C2，…，Cm×n 控制C为 C＝C1＋C2＋…＋Cm×n〗 3．模糊判决 根据模糊输出C来确定控制量WD的具体数值z（确切值）。 方法：（加权平均法，取隶属度作为权系数） 设C＝C（Z1）／Z1＋C（Z2）／Z2＋…＋C（Zn）／Zn， 则确定执行量的公式 ∑ C（Zi）×Zi i＝1 ∑ C（Zi） i＝1 〖小结〗 如果系统的偏差为论域X中的元素xi，偏差变化率为论域Y中的元素yj，根据上述算法，可以算出相应的控制量的变化zij。结合表2、3、4、5经计算机大量计算，对论域X、Y中全部元素的所有组合都计算出相应的以论域Z元素表示的控制量变化值，并写成矩阵（zij）p×q。即得到如表6所示的控制表，将表中的数据存放到过程控制计算机的内存中，便可在线使用。（矩阵即为模糊控制器的查询表。） 表6 模糊控制器查询表 d(zij) e(xi) －3－2－10＋1＋2＋3 －3 －2 －1 0 ＋1 ＋2 ＋3 3 2 1 1 1 0 3 2 1 1 0 -1 3 2 1 0 -1 -1 2 1 0 -1 -3 -4 1 0 -1 -2 -3 -4 0 1 -2 -2 -3 -4 1 -1 -1 -2 -3 -4 －3 │ 4 4 3 3 2 1 0 －2 │ 3 3 3 2 1 0 -1 －1 │ 2 2 2 1 0 -1 -1 0 │ 1 1 1 0 -1 -2 -1 ＋1 │ 1 1 0 -1 -2 -2 -2 ＋2 │ 1 0 -1 -3 -3 -3 -3 ＋3 │ 0 -1 -1 -3 -3 -4 -4 ━━━━━━━━━━┷━━━━━━━━━━━━━━━━━━━━━━ 二、实时控制查表算法（在线部分） 1．输入量（实测值）的等级量化 将实测偏差e转化成论域X的某一元素x： 设X＝{－Ne，…，0，…，＋Ne}，Ke为量化因子， 则下列三种情况必居其一： （1）l≤Ke＊e≤l＋1，l〈Ne （2）Ke＊e〈－Ne （3）Ke＊e〉Ne 对于情况（2）及（3），分别将e量化为－Ne与Ne。 对于情况（1）， 若l≤Ke＊e〈l＋1／2，则将e量化为l； 若l＋1／2≤Ke＊e〈l＋1，则需将e量化为l＋1。 同理可得，精确量偏差变化率c在论域Y上转化后的某一元素y。 2．查询模糊决策表 将变换得到的输入x与决策表的行比较，将变换得到的输入y与决策表的列比较， 得出输出量相应级别z。 3．输出量的精确化 将输出量z转化为实际控制输出量d， 转化公式d＝Kd×z。 三、自调整控制与系统性能分析（改善） 为了获取较好的控制效果，在上面设计的基本模糊控制器采用在线自动调整量化因子Ke、Kc和比例因子Kd的结构模式。即 1．当偏差e较大时，减小Ke与Kc与增大Kd，以快速减小e； 2．当偏差e较小时，系统已接近稳态，需要大分辨率以提高系统的控制精 度以及提高系统的阻尼程度，应增大Ke与Kc，同时减小Kd。 〖结论〗 “卷烟平均重量控制系统”模糊控制实现与效果 本系统通过微型计算机的模拟仿真，根据上述控制方案实现了模糊控制；并且根据采集到的信息，可方便地修改量化因子和比例因子，监测烟机工况和及时发出报警信号。 通过对“卷烟平均重量控制系统”实现计算机模糊控制的技术分析，它将有助于提高产量与质量、提高烟机稳定性，降低烟耗且经济效益明显，能达到比较理想的控制效果；其投资少、效益大，具有广阔的推广应用前景。 【参考文献】 〖1〗李友善，李军．《模糊控制理论及 其在过程控制中的应用》．国防工业出版社． 〖2〗易继锴．《现代控制系统设计》．北京工业大学出版社． 〖3〗王彩华，宋连天．《模糊论方法学》．中国建筑工业出版社． 〖4〗郭宗祥，杨鸿铨．《模糊信息处理基础》．成都电讯工程学院出版社． 〖5〗吴万铎，吴万钊．《模糊数学与计算机应用》．电子工业出版社． 〖6〗冯德益，楼世博等．《模糊数学方法与应用》．地震出版社． 〖7〗张振良．《应用模糊数学》．重庆大学出版社． ★ 用于月球软着陆最优轨迹跟踪制导过程的模糊神经网络控制方法 ★ 用模糊怎么造句 ★ 承受压力作文 ★ 压力面试题目 ★ “压力”主题班会 ★ 成功=努力=压力篇2：焦炉集气管压力模糊神经网络控制系统
篇3：MWC计算机模糊控制系统
篇4：MWC计算机模糊控制系统
篇5：MWC计算机模糊控制系统
焦炉集气管压力模糊神经网络控制系统（精选5篇）
