模糊神经网络预测控制在配料系统中的应用
合集下载
基于神经网络的模糊预测控制及其应用
ｙ ｏ ｅ ｃ ｏ ｓｈｇ ａ ｄ ｆｐｒｄｉｔ ｎ ｉ ｉｈ ｎ ｉ Ａ ｎ ｔ Ａ ｕ ｚ ｅ ｒ ｌｎ ｔ ｒ ｒｄｉｔｏ ｏ ｒｌｍｏ ｌｉ ｔｔｄ ｂ ｓｌ ｔｅ ｌｇｃ ｉｆｒｎ ｅｐ ｒｏ ｆｚ ｙ ｎ ｕ ａ ｅｗｏｋ ｐ ｅ ｃ ｉｎ ｃ ｎｔ ｄｅ ｓｓａｅ ｙ ｕ ｉ ｏ ｈ ｏ ｉ ｎｅｅ ｃ ｅｆ ｍｍｎ ｅ ｏ ｕ ｚ ｎｔ ｌａ ｄ ｔｅ ｌａｎｎ ｂｉｉ ｆ ｃ ｆｆｚ ｙｃ ｒ ｎ ｈ ｅ ｒ ｉｇ ａ ｌｔ ｏ ｏ ｏ ｙ ｎ ｕａ ｅｗｏｋ．Ｗ ｉ ｈ ｓｎ ｅ ｈ ｅｍｅ ｔｐｏ ｅ ｓｉ ｒｄｉｔｖ ｌ ｎｒ ｌｄ．Ｔ ｅ ｅ ｐ ｒ ｎａ ｕ ｖ ￥ｓ ｏ ｔａ ｈ ｃ ￣ ｅ ｒ ｌｎ ｔ ｒ ｔ ｔｉ ￣ｄ ｌｔｅ ｆｒ ｎ ｒｃ ｓ ｓｐ ｅ ｃ ｅｙ ｃ ｔ ｅ ｈ ｉ ｏ ｏｌ ｈ ｘ ｅｉ ｍｅ ｔｌｃ ／ ｅ ｈ ｗ ｈ ｔｔｅ ａ ｃ ｔｅ ｃ ｎｔ ｌｒ ｕｔｉ ｏ ｄ． ｈ ｏ ｒ ｅｓｌ ｓ ｇ ｏ ｏ Ｋｅ ｗｏ ｄｓ Ｆｕ ｚ ｎｒｌ Ｎｅ ｒｌｎ ｔ ｒ Ｐｒｄｃ ｏ Ｆ ｒ ｎ ｙ ｒ ｚｙ ｃ ｔ ｏ ｏ ｕａ ｅｗｏｋ ｅ ｉｔ Ｂ ｉ ｅ ｍｅ ｔ
下进 行试 验 。试 验装 置 的示 意图 如 图 １ 示 。 所
样 品的被 测表 面 ， 的保 留切割 时 的粗 表面 ， 的 有 有
用 细砂 纸 抛 光 成 光 表 面 ， 后 置 于 炉 内进 行 升 温 、 然 恒
温 、 温 。管形 炉 炉 温 用 ＰＤ调 节 。 当 到 达某 试 验 温 降 Ｉ
Ｔ ｅ Ｆ ｚ ｙ Ｐｒ ｄｉｔ ｎ Ｃｏ ｔｏｌ ｓ ｄ ｏ ｈ ｕ ｚ ｅ ｃｉ ｎｒ ｏ Ｂａ ｅ ｎ Ｎｅｕ ａ ｔ ｏｒ ｎ ｔ ｐｉａ ｉ ｒ ｌＮｅ ｗ ｋ ａ ｄ Ｉ Ａｐ ｌ ｔ ｓ ｃ ｏｎ
下进 行试 验 。试 验装 置 的示 意图 如 图 １ 示 。 所
样 品的被 测表 面 ， 的保 留切割 时 的粗 表面 ， 的 有 有
用 细砂 纸 抛 光 成 光 表 面 ， 后 置 于 炉 内进 行 升 温 、 然 恒
温 、 温 。管形 炉 炉 温 用 ＰＤ调 节 。 当 到 达某 试 验 温 降 Ｉ
Ｔ ｅ Ｆ ｚ ｙ Ｐｒ ｄｉｔ ｎ Ｃｏ ｔｏｌ ｓ ｄ ｏ ｈ ｕ ｚ ｅ ｃｉ ｎｒ ｏ Ｂａ ｅ ｎ Ｎｅｕ ａ ｔ ｏｒ ｎ ｔ ｐｉａ ｉ ｒ ｌＮｅ ｗ ｋ ａ ｄ Ｉ Ａｐ ｌ ｔ ｓ ｃ ｏｎ
基于神经网络模糊PID控制算法的粮食储存控制系统
ｅ（惫）进 行模 糊 量化 和归 一化 处理 。模 糊化 控制 器 由计 算 控 制变量 、模 糊量 化 处 理 、模 糊 规 则 控 制 、模 糊 决 策
和非模 糊化 处 理等单 元 组成 。计 算控 制变 量单元 由计 算 机 经过 中断采 样 获 得被 控 制 量 的精 确值 ，将 此 量 与
１．３ Ｎ Ｎ
神经 网络 ＮＮ 以加 权 系 数 的形 式 表 示 模 糊 规 则 ， 通 过神 经 网络 的学 习算 法 计 算 ，模 糊 规则 的生 成 就 转
收 稿 日期 ：２０１５—０６—０９；修 订 日期 ：２０１６～０１—１１ 作 者 简 介 ：郑 伟 丽 （１９８０一），女 ，河 南 郑 州人 ，讲 师 ，本 科 ， 主要 研 究 方 向 为软 件 工程 、信 息 安 全
第 ２期 （总 第 １９５期 ） ２０１６年 ４月
Байду номын сангаас
机 械 工 程 与 自 动 化 Ｍ ＥＣＨＡＮＩＣＡＬ ＥＮＧＩＮＥＥＲＩＮＧ ＆ ＡＵＴＯＭ ＡＴ１０Ｎ
文 章 编 号 ：１６７２—６４１３（２０１６）０２—０１９５—０２
Ｎ Ｏ．２ Ａ ｐｒ．
基 于神经 网络模 糊 ＰＩＤ控制算 法 的粮食储存控 制系统
神 经 网 络 模 糊 ＰＩＤ 控 制 系 统 结 构 如 图 １所 示 。 系 统主要 由神经 网络 ＮＮ、模 糊 化 控制 器 、ＰＩＤ控 制 器 和被 控对 象组 成 。其 中 ，ｒ（忌）为 系统参 考输 入量 ；ｕ（ｋ） 为 ＰＩＤ控 制器 的输 出 ，其 作用 是控 制 被控 对象 ； （愚）为 系统输 出量 ； （志）为控 制 系 统偏 差 变 量 ，ｅ（ｋ）一ｒ（ｋ）一
给 定值 比较 得 到误差 信 号 Ｅ，把 误 差信 号 Ｅ 的精 确 量
模糊神经网络在温控系统中的应用
Ｈｅｅ ２０ ０ ， ｉａ ｆｉ ３０ ９ Ｃｈｎ ）
Ａｂ ｔａ ｔ ｓｒ ｃ ：Ｔｈ ａ ｅｒｉｔｏ ｃ ｓ ｓ ｈ ｍ ｅ ｄ ｉ ｆｔ ｍｐｅａ ｕ ｅ ｃ ｎ— ｅ ｐ ｐ ｎ ｒｄｕ ｅ ｃ ｅ ｅｓｇｎ ｏ ｅ ｒｔ ｒ ｏ
ｔ ｙｔ ｒ ｓ ｓ ｅｍ ｎ ａａ ｆｆ ｃ ｉ ｄ ｅ ｆ ｓ ｌ ｔ ｎ ｉｔｏ ｃ ｓ ｓ ｒ ｃ ｏｌ ａ ｄ ｐ ｓ ｏ ｕｎ ｔ ｏｎ ｍｏ ｕｌ ｉ ｔ ｈｅ ｎ ｒ ｄｕ ｅ ｔｕ — ｒ ｙ，
摘 要 ： 章 首 先 介 绍 了 温 控 系统 的 方 案 设 计 以 及 部 分 功 能 模 块 ， 后 文 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 法， 以及 如 何对 训 练 样 本 进 行 预 处 理 ， 后 利 用 ｍａｌｂ神 经 网 络 工 具 最 ｔ ａ 箱作 为 平 台 ， 过 测 试 样本 仿真 和试 验 。 设 计 的 应 用 为 实 现 快 速 、 通 本 精 确 的温 控 系统 提 供 了 一 种 功 耗低 、 济 有 效 的 解 决 方 案 。 经
ｔ ｒ ｅ ａ ｅｗ ｏ ｋ ｕｅ ｏｆｈｅ ＢＰ ｎ ｕｒｌｎ ｔ ｒ ．Ｔｈｅｐ ｅｒ ｏｉｔ ｕ ｉａ ｖ ｎｔｇ ｓ ｏ ｔ ａｐ ｎ ｓｏ ｔｄｓ ｄ ａ ａ ｅ ｆ ｐ ｂ ｓｃ ＢＰ ａｇ ｒ ｈ ｏｎ ｔ ｅ ｌ ｒ ｉｇ ｍｅｈ ｄ ｐ ｔ ｏｗａｒ ｏ ｒ— ａ ｉ ｌｏ ｉ ｍ ｈ ｅａ ｎｎ ｔｏｄ ａｎ ｕ ｓ ｆｒ ｔ ｄ ｃ ｒｅ ｓ ｎ ｉｇ ｓ ｕ ｉ ． Ｂ ｉｇ ＭＡＴＬ ｏｏｂ ｘ，ｔ ｅ ｍｐｒｖ ｄ ＢＰ ａｌ ｐｏ ｄｎ ｏｌｔ ｏｎ ｙ ｕｓｎ ＡＢ ｔ ｌｏ ｈ ｎｉ ｏｅ —
基于BP神经网络与模糊控制的小麦灌溉系统
基于BP神经网络与模糊控制的小麦灌溉系统目录1. 小麦灌溉系统概述 (3)1.1 内容综述 (4)1.1.1 研究背景与意义 (5)1.1.2 研究现状与不足 (7)1.1.3 研究目的与方法 (8)1.2 小麦灌溉的重要性 (9)1.2.1 合理灌溉对小麦生长的影响 (9)1.2.2 水资源合理利用的现实挑战 (10)1.3 灌溉技术综述 (12)1.3.1 传统的灌溉系统与技术 (13)1.3.2 智能化大规模灌溉系统的需求 (15)2. 模糊控制理论基础 (16)2.1 模糊集与隶属函数 (17)2.1.1 模糊集的基本概念 (18)2.1.2 隶属函数的定义与应用 (19)2.2 模糊推理与决策 (21)2.2.1 模糊推理的规则与结构 (22)2.2.2 模糊决策与控制的朋友技巧 (23)2.3 模糊控制系统的设计原理 (24)2.3.1 设计步骤及注意事项 (25)2.3.2 应用案例分析 (27)3. BP神经网络理论 (28)3.1 神经网络基本原理 (29)3.1.1 前向传播与后向传播 (31)3.1.2 网络结构与学习算法 (31)3.2 BP算法的优化 (33)3.2.1 初始权值的选择 (34)3.2.2 误差反向传播的优化 (35)3.3 BP神经网络在小麦灌溉中的应用优势 (35)3.3.1 自适应学习与泛化能力 (37)3.3.2 实时与在线控制的能力 (38)4. 基于BP神经网络与模糊控制的小麦灌溉系统的设计与实现 (39)4.1 系统总体架构设计 (40)4.1.1 感知层组成与功能 (41)4.1.2 决策层结构与工作原理 (42)4.2 具体实现步骤 (43)4.2.1 确定输入输出参数 (44)4.2.2 定义模糊集的规则 (46)4.2.3 网络训练与规则库更新 (46)4.3 系统的优化与性能评估 (47)4.3.1 系统性能指标的设定 (49)4.3.2 系统优化与调参策略 (49)4.3.3 实际应用案例分析与结果对比 (50)5. 讨论与展望 (51)5.1 基于BP神经网络与模糊控制的小麦灌溉系统优劣分析 (52)5.1.1 系统优势 (54)5.1.2 局限性与挑战 (55)5.2 未来发展方向 (56)5.2.1 技术的进一步优化与改进 (57)5.2.2 更大的应用范围与区域 (59)5.2.3 跨学科的综合研究与应用探索 (60)1. 小麦灌溉系统概述小麦作为全球主要的粮食作物之一，其生长状况直接影响到粮食产量和质量。
基于模糊PID控制饲料配料系统的仿真研究
２１ ０ ２年第 ３期 总第 ２ １ ４ 期
中国 农机化
Ｃ ｉ ｅ ｅ Ａｇｉｕｔ ｒｌＭｅ ｈ ｎ ｚｔ ｎ ｈｎ ｓ ｒ ｌ ａ ｃ ａ ｉａｉ ｃ ｕ ｏ
Ｎｏ ３ ０１ ． ，２ ２ Ｔｏａ ．４ｌ ｔ ｌＮｏ２
基 于模糊 Ｐ 制饲料 配料 系统 的仿真研 究 Ｉ Ｄ控
Ｙ Ｎ Ｙ － ｈ ｎ ＨＥ Ｙ ｎ － ｉＬ Ｎ Ｗｅ． ｅ ｅ ｒｈｏ ｕ ｚ Ｐ Ｄ ｃ ｎｒ ｎｆｅ ａｃ ｉｇｓｓ ｍ 【 ． ｈｎ ｓ Ａ ｒ ｕｔｒｌ ｅ ｈ — Ｉ ｕ ｚ ｅ ， ｉｇ ｑ， Ｉ ｉ Ｒ ｓａｃ ｆ ｚｙ Ｉ ｏ ｔ ｌ ｄ ｂ ｔ ｎ ｔ Ｆ ｏｏ ｅ ｈ ｙｅ Ｊ Ｃ ｉｅｅ ｇ ｃ ｌ ａ Ｍ ｃ ａ Ｊ ｉ ｕ
模 糊 控制 器 输 出为 ＰＤ 的 ３个控 制 参 数 。即 Ｋ 、 Ｉ
尹 玉 珍 ，女 ， １６ ９ ３年 生 ，江 苏 淮 安人 ，硕 士 ，江 苏 财 经 职 业 技 术 学 院机 电 系副 教 授 ；研 究 方 向 为机 械制 造 及 自动 化 。 赫英 岐 ，男 ， １７ ９ ４年 生 ，满 族 ，辽 宁 凤城 人 ，硕 士 ，江 苏 财 经 职 业技 术 学 院机 电系 讲 师 ；研 究 方 向 为机 电一 体 化 。 林 伟 ，男 ，汉 族 ，１８ ９ ３年 生 ，江 苏 淮 安 人 ，硕 士 ，江 苏 财 经 职 业 技 术 学 院机 电 系讲 师 ；研 究 方 向 为机 械 电 子 技 术 。
语 言 变 量 模 型 ．应 用 各 类 模 糊 推 理 方 法 ．得 到 适
合 控 制 要 求 的 控 制 量 ． 可 以 说 模 糊 控 制 是 一 种 控 制 算 法
１ 模 糊 ＰＩ 的控 制 原 理 Ｄ
一
中国 农机化
Ｃ ｉ ｅ ｅ Ａｇｉｕｔ ｒｌＭｅ ｈ ｎ ｚｔ ｎ ｈｎ ｓ ｒ ｌ ａ ｃ ａ ｉａｉ ｃ ｕ ｏ
Ｎｏ ３ ０１ ． ，２ ２ Ｔｏａ ．４ｌ ｔ ｌＮｏ２
基 于模糊 Ｐ 制饲料 配料 系统 的仿真研 究 Ｉ Ｄ控
Ｙ Ｎ Ｙ － ｈ ｎ ＨＥ Ｙ ｎ － ｉＬ Ｎ Ｗｅ． ｅ ｅ ｒｈｏ ｕ ｚ Ｐ Ｄ ｃ ｎｒ ｎｆｅ ａｃ ｉｇｓｓ ｍ 【 ． ｈｎ ｓ Ａ ｒ ｕｔｒｌ ｅ ｈ — Ｉ ｕ ｚ ｅ ， ｉｇ ｑ， Ｉ ｉ Ｒ ｓａｃ ｆ ｚｙ Ｉ ｏ ｔ ｌ ｄ ｂ ｔ ｎ ｔ Ｆ ｏｏ ｅ ｈ ｙｅ Ｊ Ｃ ｉｅｅ ｇ ｃ ｌ ａ Ｍ ｃ ａ Ｊ ｉ ｕ
模 糊 控制 器 输 出为 ＰＤ 的 ３个控 制 参 数 。即 Ｋ 、 Ｉ
尹 玉 珍 ，女 ， １６ ９ ３年 生 ，江 苏 淮 安人 ，硕 士 ，江 苏 财 经 职 业 技 术 学 院机 电 系副 教 授 ；研 究 方 向 为机 械制 造 及 自动 化 。 赫英 岐 ，男 ， １７ ９ ４年 生 ，满 族 ，辽 宁 凤城 人 ，硕 士 ，江 苏 财 经 职 业技 术 学 院机 电系 讲 师 ；研 究 方 向 为机 电一 体 化 。 林 伟 ，男 ，汉 族 ，１８ ９ ３年 生 ，江 苏 淮 安 人 ，硕 士 ，江 苏 财 经 职 业 技 术 学 院机 电 系讲 师 ；研 究 方 向 为机 械 电 子 技 术 。
语 言 变 量 模 型 ．应 用 各 类 模 糊 推 理 方 法 ．得 到 适
合 控 制 要 求 的 控 制 量 ． 可 以 说 模 糊 控 制 是 一 种 控 制 算 法
１ 模 糊 ＰＩ 的控 制 原 理 Ｄ
一
《自动化技术与应用》2011年第1—12期总目录
… … … … … … … … … … … … … … … … … … … … … …
徐澎波 ， 仁初 ， 立华 １ （５ 何 赵 Ｏ２ ）
磁悬 浮球系 统 的 自适应控 制器设 计… ……… ……… …… ……… …刘 宁 ｌ （Ｏ ０３ ） 物联 网技术 在现代 物流领 域中 的应用研 究… …赵寒涛 ， 冠宇 ， 运涛 １ （３ 王 焦 ０３ ） 基于 Ｐ校正 电液速度 伺服 系统 的 自适应 方法 ……… 高风 阳， Ｄ 曹智 ， 山ｌ （７ 丁 １ １） 模糊 控制 与ＰＤ Ｉ控制 的对 比及其 复合控 制… …… ………杨 世勇 ， 国林 ｉ （１ 徐 １２ ） 基于 Ｕ Ａ 的六足 机器 人控制 系统设 计 …… …・ 波， ＭＣ 尤 刘鹏 飞， 家忠 １ （６ 许 １２） 水稻 调亏灌 溉Ｆ ｚｙＰ Ｄ ｕ ｚ—Ｉ 智能监 控系 统研究 … …… ……・ 刘超 ， 丽萍 ｌ （） 孙 ２４
刨花 板热压 控制 系统 Ｂ 神 经网络 整定 Ｐ Ｄ 制 ・ 宇光， 军， 良宽 １ （） Ｐ Ｉ控 韩 曹 朱 ２８
徐 晓晖 ， 保 民， 群８ １ 靳 杨 （）
模糊神经 网络预 测控制在 配料 系统中 的应 用… … …………徐 学红， 冯冬青８ ６ （） 基于Ｑ Ｓ－Ｓ Ｖ 的醋酸 乙烯 聚合率 软测 量建模 研究 …… …夏梁 志， ＰＯ ＬＳＭ 李华８ １） （０ 大规模 高维数据 集环 境下 的路面使 用性 能评价方法 研究 … ……… ………… ・
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
常 保春 ， 宁青， 韩 梁伟平 ７９ （）
基 于Ｔ １６ 的混合 动力汽 车整 车控制 器的开 发… ……… ……… ……… ……… Ｃ ７６
徐澎波 ， 仁初 ， 立华 １ （５ 何 赵 Ｏ２ ）
磁悬 浮球系 统 的 自适应控 制器设 计… ……… ……… …… ……… …刘 宁 ｌ （Ｏ ０３ ） 物联 网技术 在现代 物流领 域中 的应用研 究… …赵寒涛 ， 冠宇 ， 运涛 １ （３ 王 焦 ０３ ） 基于 Ｐ校正 电液速度 伺服 系统 的 自适应 方法 ……… 高风 阳， Ｄ 曹智 ， 山ｌ （７ 丁 １ １） 模糊 控制 与ＰＤ Ｉ控制 的对 比及其 复合控 制… …… ………杨 世勇 ， 国林 ｉ （１ 徐 １２ ） 基于 Ｕ Ａ 的六足 机器 人控制 系统设 计 …… …・ 波， ＭＣ 尤 刘鹏 飞， 家忠 １ （６ 许 １２） 水稻 调亏灌 溉Ｆ ｚｙＰ Ｄ ｕ ｚ—Ｉ 智能监 控系 统研究 … …… ……・ 刘超 ， 丽萍 ｌ （） 孙 ２４
刨花 板热压 控制 系统 Ｂ 神 经网络 整定 Ｐ Ｄ 制 ・ 宇光， 军， 良宽 １ （） Ｐ Ｉ控 韩 曹 朱 ２８
徐 晓晖 ， 保 民， 群８ １ 靳 杨 （）
模糊神经 网络预 测控制在 配料 系统中 的应 用… … …………徐 学红， 冯冬青８ ６ （） 基于Ｑ Ｓ－Ｓ Ｖ 的醋酸 乙烯 聚合率 软测 量建模 研究 …… …夏梁 志， ＰＯ ＬＳＭ 李华８ １） （０ 大规模 高维数据 集环 境下 的路面使 用性 能评价方法 研究 … ……… ………… ・
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
常 保春 ， 宁青， 韩 梁伟平 ７９ （）
基 于Ｔ １６ 的混合 动力汽 车整 车控制 器的开 发… ……… ……… ……… ……… Ｃ ７６
模糊BP神经网络控制在水泥分解炉温度控制系统中的应用
模糊BP神经网络控制在水泥分解炉温度控制系统中的应用水泥烧成系统中分解炉温度的控制是一个典型的多变量、大迟滞、强耦合、非线性的复杂控制对象，很难建立起非常精确的数学控制模型，常规的控制算法几乎都无法取得满意的控制效果。
针对这一问题，文章先分析确定了影响分解炉温度的常量，采用神经网络算法构建预测模型，然后经模糊控制器得到喷煤量并调节这一常量来稳定分解炉内部温度。
经现场实际应用结果表明此温度控制系统响应速度快，实际控制温度与正常值误差较小，具有良好的鲁棒性、可靠性。
标签：分解炉；温度控制；神经网络；预测控制；模糊控制引言随着国内外房地产行业的蓬勃发展和建材行业的加速转型，水泥产业目前正处于产品结构和技术创新调整的重要时期。
，采用预分解技术的新型干法水泥生产工艺及优化控制策略已经成为我国水泥产业的发展趋势。
分解炉是预分解技术的核心模块，承担了预分解系统中煤粉燃烧、气固换热以及碳酸盐的分解等任务，保持炉温的稳定对于保持整个预分解系统的热力分布和热工制度的稳定至关重要。
但分解炉的控制具有非线性、大滞后性、强耦合性等特点，这决定了该系统的控制将会非常复杂。
针对以上问题，根据预测控制具有很强的鲁棒性，不依赖具体数学模型和在线滚动优化的特点，文章采用基于神经网络建模的预测控制并结合模糊控制方法，提出了一种可应用于新型水泥干法烧成系统分解炉温度控制的算法。
1 水泥分解炉工作原理和影响因素分解炉作为水泥烧成系统的第一个环节，其温度的控制对整个烧成系统起到了至关重要的作用，温度过高或过低，都会对系统产生很大的影响甚至停止运行，对生产公司的产销早成很大的影响。
二次风风温、三次风风温、煤粉的成分、预热后生料入炉前的温度、生料的成分以及分解炉自身散热等等都会影响分解炉温度。
在影响分解炉温度的众多因素中，通过对分解炉结构的分析和实际操作人员经验的总结，我们得出影响分解炉参数时变的主要因素有三个，煤粉流量、三次风量和生料流量。
自适应模糊控制在配料过程中的研究与应用
维普资讯
《 啊斟工业》２ ０ 年一 ２ 一一 １ 期 －０ 糊 控 制 在 配 料 过 程 中 的 研 究 与 应 用
匡字国 李小 英
摘
要
针对 工业配料过 程 中配料精 度和 速度相 矛盾 的难题 ， 中提 出 了一种 专 家系统 、 糊控 文 模
有非 线性和 时变性等 特点 。 用 常规 的控制算 法难 以 行处理 。 采
适应参 数变化及 干扰 因素 的影 响 ， 不仅 给调试 带来 困 １ 影响 称重 系统精 度的 因素
一
难， 控制 的效果也 不理想 。
随着科 学技术 和生产 的迅速 发展 ， 复杂和不 确 对 制理 论 的局 限性 日益 明显 。 了克服理论 和应用之 间 为
中图分类号 Ｔ ２ ３２ Ｐ７ ．
Ｒｅ ｅ ｒ ｈ ａ ｄ ａ ｐ ｉａ ｉｎ ｏ ｅａ ａ ｔｖ ｎ ｕ ｚ ｏ ｔ ｏ ｎ ｔ ｅｐ ｏ ｏ ｔ ｎ ｎ ｒ ｃ ｓ ｓａ ｃ ｎ ｐ ｌ ｔ ｆｔ ｄ ｐ ｉｅａ ｄ ｆ ｚ ｙ ｃ ｎ ｒ ｌ ｈ ｒ ｐ ｒｉ ｉｇ ｐ ｏ ｅ ｓ ｃ ｏ ｈ ｏ ｏ
ｏ ｉｅｒｎ ｅａ ｄｒｐｄａｊｓｎ ｚ ｏｔ ｌ ｎ ｘｃ ｔｄ ｆ ｄ ｐｉ ｏｔ ｌ ｒ ｂ ｔ ａ ｐｉ ｐ ｆ ｄ ａｇ ｎ ａｉ ｄｕｔ ｇｉ ｆ ｚ ｃｎ ｏ ａ ｄｅａｔｕ ｅｏ ａ ｔ ｅｃｎｒ ｅ ｏｈ ｐ ｌ ｄ ａ－ ｗ ｉ ｎｕｙ ｒ ｉ ａ ｖ ｏａ ｅ
ｔ ｍ ｒ ｏｈ ｇ ｅ ｔ ｍｐ ｏ ｅ ． ｅ ａ ｅ ｂ ｔ ｒ ａ ｌ ｉ ｒ ｖ ｄ ｙ
Ｋｅ ｒ ｓ ｍｉ ｔｒ ； ｚｙ ｃ ｎｒ ｌ ａ ａ ｔ ｅ ｃ ｎ ｒｌ ｅ ｐ ｒ ｓ ｓｅ ｙ ｗｏ ｄ ｘｕ ｅ ｆ ｚ ｏ ｔｏ ； ｄ ｐ ｉ ｏ ｔ ； ｘ ｅ ｙ ｔ ｍ ｕ ｖ ｏ ｔ
《 啊斟工业》２ ０ 年一 ２ 一一 １ 期 －０ 糊 控 制 在 配 料 过 程 中 的 研 究 与 应 用
匡字国 李小 英
摘
要
针对 工业配料过 程 中配料精 度和 速度相 矛盾 的难题 ， 中提 出 了一种 专 家系统 、 糊控 文 模
有非 线性和 时变性等 特点 。 用 常规 的控制算 法难 以 行处理 。 采
适应参 数变化及 干扰 因素 的影 响 ， 不仅 给调试 带来 困 １ 影响 称重 系统精 度的 因素
一
难， 控制 的效果也 不理想 。
随着科 学技术 和生产 的迅速 发展 ， 复杂和不 确 对 制理 论 的局 限性 日益 明显 。 了克服理论 和应用之 间 为
中图分类号 Ｔ ２ ３２ Ｐ７ ．
Ｒｅ ｅ ｒ ｈ ａ ｄ ａ ｐ ｉａ ｉｎ ｏ ｅａ ａ ｔｖ ｎ ｕ ｚ ｏ ｔ ｏ ｎ ｔ ｅｐ ｏ ｏ ｔ ｎ ｎ ｒ ｃ ｓ ｓａ ｃ ｎ ｐ ｌ ｔ ｆｔ ｄ ｐ ｉｅａ ｄ ｆ ｚ ｙ ｃ ｎ ｒ ｌ ｈ ｒ ｐ ｒｉ ｉｇ ｐ ｏ ｅ ｓ ｃ ｏ ｈ ｏ ｏ
ｏ ｉｅｒｎ ｅａ ｄｒｐｄａｊｓｎ ｚ ｏｔ ｌ ｎ ｘｃ ｔｄ ｆ ｄ ｐｉ ｏｔ ｌ ｒ ｂ ｔ ａ ｐｉ ｐ ｆ ｄ ａｇ ｎ ａｉ ｄｕｔ ｇｉ ｆ ｚ ｃｎ ｏ ａ ｄｅａｔｕ ｅｏ ａ ｔ ｅｃｎｒ ｅ ｏｈ ｐ ｌ ｄ ａ－ ｗ ｉ ｎｕｙ ｒ ｉ ａ ｖ ｏａ ｅ
ｔ ｍ ｒ ｏｈ ｇ ｅ ｔ ｍｐ ｏ ｅ ． ｅ ａ ｅ ｂ ｔ ｒ ａ ｌ ｉ ｒ ｖ ｄ ｙ
Ｋｅ ｒ ｓ ｍｉ ｔｒ ； ｚｙ ｃ ｎｒ ｌ ａ ａ ｔ ｅ ｃ ｎ ｒｌ ｅ ｐ ｒ ｓ ｓｅ ｙ ｗｏ ｄ ｘｕ ｅ ｆ ｚ ｏ ｔｏ ； ｄ ｐ ｉ ｏ ｔ ； ｘ ｅ ｙ ｔ ｍ ｕ ｖ ｏ ｔ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
趋势， 将其与模 糊控 制方法结 合起来 可 以弥补模糊 控制 的不 足 ， 使其适 用于具 有滞后 特点 的对 象 。但是 一般预 测控 制方法 对预测模 型精 度要求 较高 ， 预测控 制算法 且
式 中 ，Ａ （ ） （ ） （ —ｉ ）为 ｋ—ｆ时 ｕｋ—ｉ＝ｕｇ—ｉ一ｕｋ 一１
刻作用 在 系统 上 的控 制增量 。
给 定 输入 控 制增 量为 ：
△Ｕ（ ） ［ ｕ ｋ ， ｕ ｋ－１，． （ Ｉ 一１ 七 ＝ Ａ （ ）Ａ （ Ｉ ）． － ．Ａｕ 足－Ｍ － ） ］
其 中 ， 为优 化控 制时域 长度 。 Ｍ 则 预 测模 型 的输 出值 为 ：
萝 ＋ｆ ＝Ｙ （ ＋ ‘ ｕ ｋ （ ） ０ ＋ ） ｉ Ａ （）
ｐ ｅ ｉ ｉ ｎ ｏ ｎ ｒ ｄｉ ｎ ｒ ｐｏ ｔｏ ａ ｖ ｄ ｎ ｌ ｍｐ ｏ ｅ ． ｒ ｃ ｓｏ ｆｉ ｇ ｅ ｅ ｔ ｏ ｒｉ ｎ ｈ ｓｅ ｉ ｅ ｔｙ ｉ ｒ ｖ ｄ ｐ Ｋｅ ｒ ： ｕ ｚ ｏ ｔｏ ； ｅ ｒ ｌｎ ｔ ｒ ； ｒ ｄ ｃ ｉ ｅ ｃ ｎ ｒ ｌ ｂ ｌ ｗｅ ｇ ｔ ｒ ｐ ｅ ｉｉ ｎ ｙ ｗｏ ｄｓ ｆ ｚ ｙ ｃ ｎ ｒ ｌ ｎ ｕ ａ ｅ ｗｏ ｋ ｐ ｅ ｉ ｔｖ ｏ ｔｏ ； ｅ ｔ ｉ
本 文的生料配料系 统采用动态矩 阵控 制 ＤＭ Ｃ的形
ｃ ｎ ｒ ｌ ｄ， ｎ ｈ ｉ ｌ ｔｏ ｘ ｅ ｉ ｎ ａ ｕ ｖ ｓ ｓ ｏ ｔ ｔ ｈ ｏ ｔｏ ｆｅ ｔ ｆｔ ｅ ｍａ ｅ ｉ ｌｆｏ ｉ ｆｅ ｔｖ ， ｎ ｈ ｏ ｔｏ ｌ ｅ ａ ｄ ｔ ｅ ｓ ｍｕ ａ ｉ ｎ ｅ ｐ ｒｍｅ ｔ ｌ ｒ ｅ ｈ ｗ ｈａ ｅ ｃ ｎ ｒ ｌ ｆ ｃ ｔ ｒａ ｗ ｓｅ ｆ ｃ ｉ ｅ ａ ｄ ｔ ｅ ｃ ｔ ｅ ｏ ｈ ｌ
较 困难 ， 靠 经验往 往达 不到 期望 的效果 ， 神经 网络 依 而
具 有逼 近任意 非线性 函数 、 自组 织和 自学 习的 能力 ， 所
Ｊ ｌ ｆ＋１
Ａ （＋ 一 ） ｕｋ １
（ ２ ）
式 中 ，Ｙ （ 七＋ｆ 配料 皮 带秤 上物 料 流量 的初 始 ）是
值 ； ＝１ ．４ 。 ｉ ，， ０ ． ．
Ａ ｂ ｔ ａ ｔ Ｉ ｃ ｏ ｄａ ｃ ｔ ｈ ｅ ｈｎ ｑ ｅ ｆ ａ ｕ ｅ ｆｍ ａ ｅ ｉ ｌ ｒ ｐ ｒｉ ｎ ｎ ｅ ｔｓ ｓ ｅ ｉ ｈ ｅ ｅ ｔ ｒ ｄ ｃ ｉ ｎ ｅ ｇ ， ｎ ｒｉ ， ｓ ｒ ｃ ： ｎ ａ ｃ ｒ ｎ ｅ ｗｉｈ ｔ ｅ ｔ ｃ ｉ ｕ ｅ ｔ ｒ ｓｏ ｔ ｒａ ｏ ｏ ｔｏ ｉ ｇ ｂ ｌ ｙ ｔ ｍ ｎ ｔ ｅ ｃ ｍ ｎ ｏ ｕ ｔ ， ． ． ｉ ｅ ｔａ ｐ ｐ ｏ ｔｍｅ ｌ ｇ ｎ ｎ ｌｎ ａ ｉｙ ａ ｄ ｆ ｅ ｕ ｎ ｉｔ ｒ ｎ ｅｉ ｒ ｉ ｌ ， ｕ ｚ ｅ ｒ ｌ ｅ ｗｏ ｋ ｐ ｅ ｉ ｔ ｅｃ ｎ ｒ ｌ ｒ ａ ｅ ｎ ｎ ｕ ａ ｉ ａ ， ｏ —ｉ ｅ ｒｔ ｎ ｒ ｑ ｅ ｔ ｓ ｕ ｂａ ｃ ｗｏ ｋ ｆ ｄ ａ ｆ ｚ ｙ ｎ ｕ ａ ｔ ｒ ｒ ｄ ｃ ｉ ｏ ｔｏ ｌ ｓ ｄ ｏ ｅ ｒ ｌ ｄ ｎ ｅ ｎ ｖ ｅ ｂ ｎ ｔ ｒ ｒ ｄ ｃ ｉ ｎ ｍｏ ｅ ｓ ｄ ｓｇ ｅ ． ｏ ｅ ｗｏ ｋ ｐ ｅ ｉ ｔｏ ｄ ｌ ｅ ｉ ｎ ｄ Ｂｙ ｃ ｍｂ ｎ ｎ ｕ ｚ ｏ ｔｏ ， ｅ ｒ ｌ ｅ ｗｏ ｋ ａ ｄ ｐ ｅ ｉ ｔｖ ｏ ｔ ｏ ， ｔ ａ ｎ ａ ｃ ｉ ｉ ｉ ｇ ｆ ｚ ｙ ｃ ｎ ｒ ｌ ｎ ｕ ａ ｔ ｒ ｎ ｒ ｄ ｃ ｉ ｅ ｃ ｎ ｒ ｌ ｉ ｃ ｎ ｅ ｈ ｎ ｅ ｎ
（． １ 河南商业高 等专科学校计 算机系 ， 河南 郑州 ４ ０ ４ ； ． ５ ０ ４ ２ 郑州大学信 息与控制研究 所 ， 河南 郑州 ４ ０ ０ ） ５０ １
摘 要： 针对水泥生产过程 中皮带配料 系统 的惯性 、滞后 、非线性及现场干扰频繁等特点 ， 设计一种模糊神经 网络预测控制算法 ， 将
ｓ ｌ－ ｔ ｄ ｉ ｇ， ｒ ｃ ｉ ｇ ａ ｄ ａ ｔ—ｎ ｅ ｆ ｒ ｎ ｅ ｃ ｐ ｂ ｌ ｉ ｓｏ ｈ ｌ ｏ ｉｈ ， ｎ ｈ ｅ ｒ ｌｎ ｔ ｒ ａ ｏ ｐ ｎ ａ ｅ ｗ ｉ ｅ ｆｓ ｕ ｙ ｎ ｔａ ｋ ｎ ｎ ｎ ｉｉ ｔ ｒｅ ｅ ｃ ａ ａ ｉｉ ｅ ｆｔ ｅ ａ ｇ ｒｔ ｍ ａ ｄ ｔ ｅ ｎ ｕ ａ ｅ ｗｏ ｋ ｃ ｎ ｃ ｍ ｅ ｓ ｔ ｔ ｔ ｈ
直 接影 响着水 泥 的生产质 量 。配料 系统 的特点 是惯性 、 滞 后 、时变和 非线性 等 ， 系统模 型难 以建立 。现有 水泥 厂生料 配料 系统一般 用 电子皮带秤 实现 ， 制方 式采用 控
算法 抗 干扰 能力 强 ， 获得 较高 的控制精 度 ， 制效果 能 控 优于 传统的 Ｐ Ｄ控制 。 Ｉ
干 扰 出现 的情 况 ， 以使 调节 品质更稳 定 。 可
统 结构如 图 １所示 。
２ ２ 模 糊神 经 网络 结构 ［［ ． ２３ ］］
对于 复杂控 制系统 ， 用传统 预测控 制 中的滚动 优化 法难 以满足 控制要 求 ， 本文 采用模 糊神经 网络进行 优化 计算 。 图 ２为模糊 神经 网络 的拓 扑结构 ， ５层 神经元 由 组成 ， 采用 Ｂ Ｐ算法 。
Ａｐ ｌ ａ ｉｎｏ ｕ ｐ ｔ ｆ ｉ ｏ ｃ Ｆ
ｉ ｔ ｒ ｌ ｏ ｏ ｔ ｎｎ ｓｅ ｎ Ｍａｅ ｉ ｐ ｒｏ ｉｇ Ｓｙ ｔ ｍ ａ Ｐｒ ｉ
ＸＵ Ｘｕｅ ｈ ｎ ＦＥＮＧ ｎｇ ｑ ｎｇ ・ ｏ ｇ． Ｄｏ ・ ｉ
（ ． ｍｐ ｔｒ ｐ ｒ ｎ， ｎ ｎＢｕ ｉｅｓ ｌ ｇ ， ｈ ｎ ｚ ｏ ５ ０ ４Ｃ ｉａ １ Ｃｏ ｕｅ ａｔ ｔＨｅ ａ ｓｎ ｓ ｌ ｅ Ｚ ｅ ｇ ｈ ｕ４ ０ ４ ｈｎ ； Ｄｅ ｍｅ Ｃｏ ｅ ２ Ｉ ｓ ｔｔ ｆ ｎｏ ｍａｉｎａ ｄＣｏ ｖ ｌＺ ｅ ｇ ｈ ｕ４ ０ ０ ｈｎ ．ｎ ｔ ｕｅ ｆｒ ｔ ｎ ｏ， ｈ ｎ ｚ ｏ ５ ０ １Ｃ ｉａ） ｉ ｏＩ ｏ ｎ
Ｃｏｎ ｒ ｌＴｈ ｏｒ ｄ Ａｐ ｉａｔ ｎｓ ｔｏ ｅ ｙ ａｎ ｐｌ ｃ ｉ ｏ
自 动化 技 术 与 应 用 》２ １ ０ １年第 ３ ０卷 第 ８期
用 的是过 程 当前和过去 的信息 ， 无法对 系统 的变 化趋 势 进行 预测 或估计 ， 而预测控 制可 以预测系 统未来 的变化
自 技 与 》 ０ １ 第３ 卷 期 动化 术 应用 ２１ 年 ０ 第８
控 制 理 论 与 应 用
Ｃｏ ｔｏｌ ｅｏ ｙ ａｎ ｎｒ Ｔｈ ｒ ｄ Ａｐｐ ｉ ｔ ｎｓ ｌ ｉ ｃａ ｏ
模 糊 神 经 网络 预 测 控 制 在 配 料 系 统 中 的 应 用
徐 学红 １ ，冯 冬 青
１ 引言
生 料配料 是水 泥生 产 中的一个 重要环 节 ， 其稳 定性
计 了一种模 糊神经 网络预 测控制算 法 ， 将模糊 控 制的逻
辑推理 能力 、神经 网络的强学 习能力 、预测控 制的超前 预测 能力相 结合 ， 增强 算法 的 自学 习、跟踪 与抗干 扰能
力 。将该 控制 算法 用于 配料 系统 中 ， 真结 果表 明 ， 仿 该
＋ ｆ
—
对复 杂 系统很 难 实现最 优 ， 算量 相 当大 ， 计 而模糊 控制 算法 通过模 仿人 的控制 思维方 式来选 择相应 的控 制量 ， 对预 测模型 精度要 求相对 降低 。在 构造模 糊控 制器 时 ， 隶属 函数 、控制规则 、量 化 因子 、 比例 因子等 的选 取 比
预 测的状态 反馈 到模糊神 经 网络 ， 以此来训练 模糊神 并 经 网 络 以达到 有 效 的控 制 。模 糊神 经 网络 预测 控 制系
（ 足＋Ｊ ＝ｅｋ＋Ｊ 一ｅｋ４Ｊ ） ） （ ） （ 一１ －
（ ５ ）
利用预测模型预测出未来 ．步的偏差和偏差变化 ７
率 ， 以实 现超前 调节 ， 可 对于 系统 具有 时滞 特性 或有 大
图１
模糊神 经 网络预 测控 制系统
２ １ 预 测 模 型 与 反 馈 校 正 ．
预 测模 型 的功 能 就 是根 据 当前 的控 制输 入 和 过程
的历 史输 出来 预测 系统的未 来的输 出 ， 预测模 型 只强调
模 型 的 功能 而 不强调 其 结 构形 式 。预 测模 型 在 出现偏
预测 模型 经 反馈 校正 后 的输 出为 ：
以将 神 经 网络和 模糊 控 制器 相结 合 以弥补模 糊 控 制器
（ ｋ＋ｉ ＝ （ Ｉ） ［ （） （） ） －ｆ＋ｈ ｙｋ 一 － 七】
（） ３
的不足 ， 使其 能够通 过 自学 习去 构造模糊 控制规 则 、优
式 中，ｙｋ 为 系统的实 际输 出值 ， （ 为模型 预 （） Ｙ ） 测输 出 ， ｈ为第 ｉ 步输 出的反 馈校 正系数 。设预 测偏差
传统的 ＰＤ控 制 ， Ｉ 但配料过程 中存在延迟 ， 控制信号延迟
一
段 时间 才能反 映到生料 流量上 ， 造成较 大的超调 和 较
长 的调节 时 间 ， 工作 现场干 扰 出现 非常 频繁 ， 且 控制 性 能很 难满 足要求 ， 重影 响了水泥 的生产 质量 。本 文设 严
２ 模糊 神 经 网络 预 测控 制 系统 的设 计
模糊控 制、 神经 网络 与预 测控 制相结合 ， 强算法 的 自学 习、 增 跟踪 与抗 干扰 能力 ， 神经 网络预测模型有效地补偿 了传统预 测控 制基于 线性模 型的局 限性 。 将该控 制算法 用于皮带配料控制系统 中， 仿真结 果表 明 ， 物料流量控制效果优于传统 的ＰＤ控制 ， Ｉ
配 料 精 度 有 了明 显 的 提 高 。
关 键 词 ： 糊 控 制 ； 经 网 络 ； 测控 制 ； 带 秤 ； 度 模 神 预 皮 精
中图分类号 ： Ｐ ７ ４ Ｔ ２ ３ ．
式 中 ，Ａ （ ） （ ） （ —ｉ ）为 ｋ—ｆ时 ｕｋ—ｉ＝ｕｇ—ｉ一ｕｋ 一１
刻作用 在 系统 上 的控 制增量 。
给 定 输入 控 制增 量为 ：
△Ｕ（ ） ［ ｕ ｋ ， ｕ ｋ－１，． （ Ｉ 一１ 七 ＝ Ａ （ ）Ａ （ Ｉ ）． － ．Ａｕ 足－Ｍ － ） ］
其 中 ， 为优 化控 制时域 长度 。 Ｍ 则 预 测模 型 的输 出值 为 ：
萝 ＋ｆ ＝Ｙ （ ＋ ‘ ｕ ｋ （ ） ０ ＋ ） ｉ Ａ （）
ｐ ｅ ｉ ｉ ｎ ｏ ｎ ｒ ｄｉ ｎ ｒ ｐｏ ｔｏ ａ ｖ ｄ ｎ ｌ ｍｐ ｏ ｅ ． ｒ ｃ ｓｏ ｆｉ ｇ ｅ ｅ ｔ ｏ ｒｉ ｎ ｈ ｓｅ ｉ ｅ ｔｙ ｉ ｒ ｖ ｄ ｐ Ｋｅ ｒ ： ｕ ｚ ｏ ｔｏ ； ｅ ｒ ｌｎ ｔ ｒ ； ｒ ｄ ｃ ｉ ｅ ｃ ｎ ｒ ｌ ｂ ｌ ｗｅ ｇ ｔ ｒ ｐ ｅ ｉｉ ｎ ｙ ｗｏ ｄｓ ｆ ｚ ｙ ｃ ｎ ｒ ｌ ｎ ｕ ａ ｅ ｗｏ ｋ ｐ ｅ ｉ ｔｖ ｏ ｔｏ ； ｅ ｔ ｉ
本 文的生料配料系 统采用动态矩 阵控 制 ＤＭ Ｃ的形
ｃ ｎ ｒ ｌ ｄ， ｎ ｈ ｉ ｌ ｔｏ ｘ ｅ ｉ ｎ ａ ｕ ｖ ｓ ｓ ｏ ｔ ｔ ｈ ｏ ｔｏ ｆｅ ｔ ｆｔ ｅ ｍａ ｅ ｉ ｌｆｏ ｉ ｆｅ ｔｖ ， ｎ ｈ ｏ ｔｏ ｌ ｅ ａ ｄ ｔ ｅ ｓ ｍｕ ａ ｉ ｎ ｅ ｐ ｒｍｅ ｔ ｌ ｒ ｅ ｈ ｗ ｈａ ｅ ｃ ｎ ｒ ｌ ｆ ｃ ｔ ｒａ ｗ ｓｅ ｆ ｃ ｉ ｅ ａ ｄ ｔ ｅ ｃ ｔ ｅ ｏ ｈ ｌ
较 困难 ， 靠 经验往 往达 不到 期望 的效果 ， 神经 网络 依 而
具 有逼 近任意 非线性 函数 、 自组 织和 自学 习的 能力 ， 所
Ｊ ｌ ｆ＋１
Ａ （＋ 一 ） ｕｋ １
（ ２ ）
式 中 ，Ｙ （ 七＋ｆ 配料 皮 带秤 上物 料 流量 的初 始 ）是
值 ； ＝１ ．４ 。 ｉ ，， ０ ． ．
Ａ ｂ ｔ ａ ｔ Ｉ ｃ ｏ ｄａ ｃ ｔ ｈ ｅ ｈｎ ｑ ｅ ｆ ａ ｕ ｅ ｆｍ ａ ｅ ｉ ｌ ｒ ｐ ｒｉ ｎ ｎ ｅ ｔｓ ｓ ｅ ｉ ｈ ｅ ｅ ｔ ｒ ｄ ｃ ｉ ｎ ｅ ｇ ， ｎ ｒｉ ， ｓ ｒ ｃ ： ｎ ａ ｃ ｒ ｎ ｅ ｗｉｈ ｔ ｅ ｔ ｃ ｉ ｕ ｅ ｔ ｒ ｓｏ ｔ ｒａ ｏ ｏ ｔｏ ｉ ｇ ｂ ｌ ｙ ｔ ｍ ｎ ｔ ｅ ｃ ｍ ｎ ｏ ｕ ｔ ， ． ． ｉ ｅ ｔａ ｐ ｐ ｏ ｔｍｅ ｌ ｇ ｎ ｎ ｌｎ ａ ｉｙ ａ ｄ ｆ ｅ ｕ ｎ ｉｔ ｒ ｎ ｅｉ ｒ ｉ ｌ ， ｕ ｚ ｅ ｒ ｌ ｅ ｗｏ ｋ ｐ ｅ ｉ ｔ ｅｃ ｎ ｒ ｌ ｒ ａ ｅ ｎ ｎ ｕ ａ ｉ ａ ， ｏ —ｉ ｅ ｒｔ ｎ ｒ ｑ ｅ ｔ ｓ ｕ ｂａ ｃ ｗｏ ｋ ｆ ｄ ａ ｆ ｚ ｙ ｎ ｕ ａ ｔ ｒ ｒ ｄ ｃ ｉ ｏ ｔｏ ｌ ｓ ｄ ｏ ｅ ｒ ｌ ｄ ｎ ｅ ｎ ｖ ｅ ｂ ｎ ｔ ｒ ｒ ｄ ｃ ｉ ｎ ｍｏ ｅ ｓ ｄ ｓｇ ｅ ． ｏ ｅ ｗｏ ｋ ｐ ｅ ｉ ｔｏ ｄ ｌ ｅ ｉ ｎ ｄ Ｂｙ ｃ ｍｂ ｎ ｎ ｕ ｚ ｏ ｔｏ ， ｅ ｒ ｌ ｅ ｗｏ ｋ ａ ｄ ｐ ｅ ｉ ｔｖ ｏ ｔ ｏ ， ｔ ａ ｎ ａ ｃ ｉ ｉ ｉ ｇ ｆ ｚ ｙ ｃ ｎ ｒ ｌ ｎ ｕ ａ ｔ ｒ ｎ ｒ ｄ ｃ ｉ ｅ ｃ ｎ ｒ ｌ ｉ ｃ ｎ ｅ ｈ ｎ ｅ ｎ
（． １ 河南商业高 等专科学校计 算机系 ， 河南 郑州 ４ ０ ４ ； ． ５ ０ ４ ２ 郑州大学信 息与控制研究 所 ， 河南 郑州 ４ ０ ０ ） ５０ １
摘 要： 针对水泥生产过程 中皮带配料 系统 的惯性 、滞后 、非线性及现场干扰频繁等特点 ， 设计一种模糊神经 网络预测控制算法 ， 将
ｓ ｌ－ ｔ ｄ ｉ ｇ， ｒ ｃ ｉ ｇ ａ ｄ ａ ｔ—ｎ ｅ ｆ ｒ ｎ ｅ ｃ ｐ ｂ ｌ ｉ ｓｏ ｈ ｌ ｏ ｉｈ ， ｎ ｈ ｅ ｒ ｌｎ ｔ ｒ ａ ｏ ｐ ｎ ａ ｅ ｗ ｉ ｅ ｆｓ ｕ ｙ ｎ ｔａ ｋ ｎ ｎ ｎ ｉｉ ｔ ｒｅ ｅ ｃ ａ ａ ｉｉ ｅ ｆｔ ｅ ａ ｇ ｒｔ ｍ ａ ｄ ｔ ｅ ｎ ｕ ａ ｅ ｗｏ ｋ ｃ ｎ ｃ ｍ ｅ ｓ ｔ ｔ ｔ ｈ
直 接影 响着水 泥 的生产质 量 。配料 系统 的特点 是惯性 、 滞 后 、时变和 非线性 等 ， 系统模 型难 以建立 。现有 水泥 厂生料 配料 系统一般 用 电子皮带秤 实现 ， 制方 式采用 控
算法 抗 干扰 能力 强 ， 获得 较高 的控制精 度 ， 制效果 能 控 优于 传统的 Ｐ Ｄ控制 。 Ｉ
干 扰 出现 的情 况 ， 以使 调节 品质更稳 定 。 可
统 结构如 图 １所示 。
２ ２ 模 糊神 经 网络 结构 ［［ ． ２３ ］］
对于 复杂控 制系统 ， 用传统 预测控 制 中的滚动 优化 法难 以满足 控制要 求 ， 本文 采用模 糊神经 网络进行 优化 计算 。 图 ２为模糊 神经 网络 的拓 扑结构 ， ５层 神经元 由 组成 ， 采用 Ｂ Ｐ算法 。
Ａｐ ｌ ａ ｉｎｏ ｕ ｐ ｔ ｆ ｉ ｏ ｃ Ｆ
ｉ ｔ ｒ ｌ ｏ ｏ ｔ ｎｎ ｓｅ ｎ Ｍａｅ ｉ ｐ ｒｏ ｉｇ Ｓｙ ｔ ｍ ａ Ｐｒ ｉ
ＸＵ Ｘｕｅ ｈ ｎ ＦＥＮＧ ｎｇ ｑ ｎｇ ・ ｏ ｇ． Ｄｏ ・ ｉ
（ ． ｍｐ ｔｒ ｐ ｒ ｎ， ｎ ｎＢｕ ｉｅｓ ｌ ｇ ， ｈ ｎ ｚ ｏ ５ ０ ４Ｃ ｉａ １ Ｃｏ ｕｅ ａｔ ｔＨｅ ａ ｓｎ ｓ ｌ ｅ Ｚ ｅ ｇ ｈ ｕ４ ０ ４ ｈｎ ； Ｄｅ ｍｅ Ｃｏ ｅ ２ Ｉ ｓ ｔｔ ｆ ｎｏ ｍａｉｎａ ｄＣｏ ｖ ｌＺ ｅ ｇ ｈ ｕ４ ０ ０ ｈｎ ．ｎ ｔ ｕｅ ｆｒ ｔ ｎ ｏ， ｈ ｎ ｚ ｏ ５ ０ １Ｃ ｉａ） ｉ ｏＩ ｏ ｎ
Ｃｏｎ ｒ ｌＴｈ ｏｒ ｄ Ａｐ ｉａｔ ｎｓ ｔｏ ｅ ｙ ａｎ ｐｌ ｃ ｉ ｏ
自 动化 技 术 与 应 用 》２ １ ０ １年第 ３ ０卷 第 ８期
用 的是过 程 当前和过去 的信息 ， 无法对 系统 的变 化趋 势 进行 预测 或估计 ， 而预测控 制可 以预测系 统未来 的变化
自 技 与 》 ０ １ 第３ 卷 期 动化 术 应用 ２１ 年 ０ 第８
控 制 理 论 与 应 用
Ｃｏ ｔｏｌ ｅｏ ｙ ａｎ ｎｒ Ｔｈ ｒ ｄ Ａｐｐ ｉ ｔ ｎｓ ｌ ｉ ｃａ ｏ
模 糊 神 经 网络 预 测 控 制 在 配 料 系 统 中 的 应 用
徐 学红 １ ，冯 冬 青
１ 引言
生 料配料 是水 泥生 产 中的一个 重要环 节 ， 其稳 定性
计 了一种模 糊神经 网络预 测控制算 法 ， 将模糊 控 制的逻
辑推理 能力 、神经 网络的强学 习能力 、预测控 制的超前 预测 能力相 结合 ， 增强 算法 的 自学 习、跟踪 与抗干 扰能
力 。将该 控制 算法 用于 配料 系统 中 ， 真结 果表 明 ， 仿 该
＋ ｆ
—
对复 杂 系统很 难 实现最 优 ， 算量 相 当大 ， 计 而模糊 控制 算法 通过模 仿人 的控制 思维方 式来选 择相应 的控 制量 ， 对预 测模型 精度要 求相对 降低 。在 构造模 糊控 制器 时 ， 隶属 函数 、控制规则 、量 化 因子 、 比例 因子等 的选 取 比
预 测的状态 反馈 到模糊神 经 网络 ， 以此来训练 模糊神 并 经 网 络 以达到 有 效 的控 制 。模 糊神 经 网络 预测 控 制系
（ 足＋Ｊ ＝ｅｋ＋Ｊ 一ｅｋ４Ｊ ） ） （ ） （ 一１ －
（ ５ ）
利用预测模型预测出未来 ．步的偏差和偏差变化 ７
率 ， 以实 现超前 调节 ， 可 对于 系统 具有 时滞 特性 或有 大
图１
模糊神 经 网络预 测控 制系统
２ １ 预 测 模 型 与 反 馈 校 正 ．
预 测模 型 的功 能 就 是根 据 当前 的控 制输 入 和 过程
的历 史输 出来 预测 系统的未 来的输 出 ， 预测模 型 只强调
模 型 的 功能 而 不强调 其 结 构形 式 。预 测模 型 在 出现偏
预测 模型 经 反馈 校正 后 的输 出为 ：
以将 神 经 网络和 模糊 控 制器 相结 合 以弥补模 糊 控 制器
（ ｋ＋ｉ ＝ （ Ｉ） ［ （） （） ） －ｆ＋ｈ ｙｋ 一 － 七】
（） ３
的不足 ， 使其 能够通 过 自学 习去 构造模糊 控制规 则 、优
式 中，ｙｋ 为 系统的实 际输 出值 ， （ 为模型 预 （） Ｙ ） 测输 出 ， ｈ为第 ｉ 步输 出的反 馈校 正系数 。设预 测偏差
传统的 ＰＤ控 制 ， Ｉ 但配料过程 中存在延迟 ， 控制信号延迟
一
段 时间 才能反 映到生料 流量上 ， 造成较 大的超调 和 较
长 的调节 时 间 ， 工作 现场干 扰 出现 非常 频繁 ， 且 控制 性 能很 难满 足要求 ， 重影 响了水泥 的生产 质量 。本 文设 严
２ 模糊 神 经 网络 预 测控 制 系统 的设 计
模糊控 制、 神经 网络 与预 测控 制相结合 ， 强算法 的 自学 习、 增 跟踪 与抗 干扰 能力 ， 神经 网络预测模型有效地补偿 了传统预 测控 制基于 线性模 型的局 限性 。 将该控 制算法 用于皮带配料控制系统 中， 仿真结 果表 明 ， 物料流量控制效果优于传统 的ＰＤ控制 ， Ｉ
配 料 精 度 有 了明 显 的 提 高 。
关 键 词 ： 糊 控 制 ； 经 网 络 ； 测控 制 ； 带 秤 ； 度 模 神 预 皮 精
中图分类号 ： Ｐ ７ ４ Ｔ ２ ３ ．