基于補償模糊神經(jīng)網(wǎng)絡的反應釜溫度控制研究.pdf

1、氧樂果合成過程反應釜內(nèi)溫度控制的好壞直接影響到產(chǎn)品的質(zhì)量。但由于氧樂果生產(chǎn)的合成反應過程具有時變、延時等非線性特性,其受一甲胺流量、一甲胺總投料量、反應時間、冷卻鹽水溫度等多種因素影響,難以建立精確的數(shù)學模型,使得基于精確數(shù)學模型的常規(guī)控制方法很難取得滿意的控制效果。近年來,由于模糊神經(jīng)網(wǎng)絡兼顧了模糊邏輯和神經(jīng)網(wǎng)絡的優(yōu)點,在處理非線性問題方面有獨特的優(yōu)勢,得到了廣泛的應用。常規(guī)模糊神經(jīng)網(wǎng)絡控制中,模糊運算一般采用靜態(tài)、局部優(yōu)化的運算方法

2、,補償模糊神經(jīng)網(wǎng)絡控制中,模糊運算采用動態(tài)的、全局優(yōu)化運算。
　　氧樂果合成反應是一個動態(tài)的過程,考慮到氧樂果合成反應的動態(tài)特性,本文采用帶有輸出一階延時回饋的神經(jīng)網(wǎng)絡對氧樂果對象進行辨識;并將補償模糊神經(jīng)元引入到模糊神經(jīng)網(wǎng)絡中,設計了補償模糊神經(jīng)網(wǎng)絡控制器。在設計控制器之前,為了得到控制器較合理的初始參數(shù)和模糊規(guī)則數(shù),避免人為設定的主觀性和盲目性,分析比較了幾種比較典型的聚類算法后,采用模糊C均值自適應聚類算法來提取系統(tǒng)特征和聚

3、類點,得到系統(tǒng)的初始規(guī)則庫和初始參數(shù)。利用從實際生產(chǎn)過程中采集的數(shù)據(jù),對補償模糊神經(jīng)網(wǎng)絡控制器進行離線訓練,確定控制器的初始結(jié)構(gòu)和參數(shù),然后將訓練好的補償模糊神經(jīng)網(wǎng)絡控制器和氧樂果合成反應對象模型連接到一起,進行控制器仿真實驗?；谘a償算子的模糊神經(jīng)網(wǎng)控制器既能調(diào)整輸入、輸出模糊隸屬函數(shù),又能動態(tài)地優(yōu)化模糊推理規(guī)則,使補償模糊神經(jīng)網(wǎng)絡能夠從專家建立的合理的模糊規(guī)則或者不太合理的模糊規(guī)則中進行相互補償運算,克服了人為選取模糊規(guī)則具有較大的