下载文档原格式
模糊优化控制方法在中储式磨煤机制粉系统中的应用焦江丽;吕青【期刊名称】《微计算机信息》【年(卷),期】2011(027)012【摘要】Ball tube mill is one of the most important auxiliary equipments in domestic power plants nowadays. However, most mills are still in the state of manual control. The reason is that mill governing system has mufti-inputs and mufti-outputs, strong coupling, tardiness, inertia and complicated dynamic character. It has some difficulty for the control of this system. Using three traditional PID controllers isolated, the satisfactory purpose is impossible and it can＇t run in the best situation. This paper combined control system of ball mill and the reality of overage grind, analyze the dynamic characteristics of ball mill, discuss the fuzzy control technology in the automatic control of ball mill, and present a fuzzy control method and simulation. The result shows that, in this paper the fuzzy control system has strong anti-jamming capability and improves control quality of ball mill system.%磨煤机是火电厂大量采用的重要辅助设备之一。
模糊神经网络第一篇：模糊神经网络的基本原理及应用模糊神经网络是一种最早应用于模糊理论和神经网络理论的融合体，是一种新型的人工智能技术。
模糊神经网络的基本原理是将模糊理论和神经网络理论相结合，通过神经元与模糊集之间的映射建立模糊神经网络，实现数据处理和分类识别的功能。
模糊神经网络由输入层、隐含层和输出层三层组成，输入层接收输入数据，隐含层对输入数据进行加工处理，输出层根据隐含层提供的输出结果进行数据分类和识别。
整个模型的训练过程是通过反向传播算法实现，用来更新神经元之间权值的调整，进而提高分类和识别的准确度。
模糊神经网络在模式识别、图像处理、智能控制、时间序列预测等许多领域得到广泛应用，其应用具有许多优点。
例如，在模式识别领域，其能够对样本数据的模糊性进行精细化处理，提高识别精度；在智能控制领域，其能够通过学习和反馈调整策略，提高自适应控制效果，还能够模拟人的认知过程，具有较高的仿真能力，从而实现全面协调的规划与决策。
尽管模糊神经网络具有许多优点，但是和其他神经网络一样，其存在一些缺点。
例如，网络模型设计难度大，需进行繁琐的参数优化和实验验证；模型训练过程中存在局部最优问题，可能导致模型的收敛速度较慢，所以在实际应用过程中，需要充分考虑它们的优缺点来选择合适的模型。
综上所述，模糊神经网络在人工智能领域的应用具有广泛的前景，因为其能够克服传统的困难，更好地解决问题。
在未来，我们将不断地研究模糊神经网络的性能优化和应用扩展，为促进人工智能理论与应用的融合做出更大的贡献。
第二篇：模糊神经网络的案例分析及实现方法模糊神经网络是人工智能领域重要的一类算法之一，它在图像处理、数据挖掘、机器学习等领域得到了广泛的应用。
下面我们以智能交通管理为例，介绍模糊神经网络的具体应用过程。
模糊神经网络在实现智能交通管理中，主要可以实现车辆流量监测、拥堵监测、交通信号优化等功能。
其中，车辆拥堵监测是模糊神经网络在智能交通管理中的应用较为广泛的方向。
中储式球磨机制粉系统模糊控制策略的研究及其应用本文的主题是中储式球磨机制粉系统模糊控制策略的研究及其应用。
在该研究中，我们探讨了一种新型的球磨机制粉系统模糊控制策略，并对其进行了实际应用。
在研究过程中，我们首先介绍了球磨机制粉系统的基本原理和控制方法，并分析了现有控制方法的不足之处。
在此基础上，我们提出了一种基于模糊控制的新型控制策略。
该策略通过建立模糊控制器，将输入量和输出量之间的关系用模糊规则进行描述，并通过模糊推理实现系统控制。
为了验证该控制策略的有效性，我们对其进行了实验。
实验结果表明，该控制策略在提高系统控制精度和稳定性方面具有显著优势，并且能够适应不同的工作条件和负载变化。
在实际应用中，我们将该控制策略应用于中储式球磨机制粉系统中，并进行了大量的实验验证。
实验结果表明，该控制策略在实际应用中具有较好的控制效果
和稳定性，并且能够有效地提高生产效率和产品质量。
综上所述，该研究提出的中储式球磨机制粉系统模糊控制策略具有显著的优势和实际应用价值，为球磨机制粉系统的控制和优化提供了一种新的思路和方法。
控制系统的神经网络模糊混沌滑模控制方法控制系统的神经网络模糊混沌滑模控制方法是一种应用于复杂控制系统中的先进控制技术。
该方法通过神经网络模型的建立和混沌滑模控制策略的设计，实现对系统动态特性的有效控制。
本文将详细介绍控制系统的神经网络模糊混沌滑模控制方法的原理与应用。
1. 神经网络模型的建立神经网络模型是控制系统中关键的一部分，通过拟合系统的非线性映射关系，实现对系统输入和输出之间的关系建模。
神经网络模型通常由输入层、隐含层和输出层组成，其中隐含层的神经元数量和连接权值决定了模型的表达能力。
在建立神经网络模型时，可以使用多种算法进行参数训练，例如反向传播算法、遗传算法等。
2. 模糊混沌滑模控制策略的设计模糊混沌滑模控制策略是控制系统中的一种优化控制方法，通过结合模糊控制理论和混沌理论，实现对系统的快速响应和鲁棒性改善。
该策略的核心思想是将混沌系统引入到滑模控制中，通过混沌系统的随机性和非线性特性，增加系统对干扰和参数变化的抵抗能力。
同时，利用模糊控制的模糊逻辑和推理能力，提高系统的自适应性和鲁棒性。
3. 控制系统的性能指标与优化方法在神经网络模糊混沌滑模控制方法中，性能指标的选择与优化方法的设计是至关重要的。
常见的性能指标包括响应速度、超调量和稳态误差等，可以根据具体的应用需求进行调整和优化。
优化方法主要包括参数整定和控制策略的选择，可以使用各种优化算法进行参数搜索和求解最优解。
4. 案例分析与仿真实验为了验证控制系统的神经网络模糊混沌滑模控制方法的有效性，本文将以某电力系统的调度控制为例进行案例分析和仿真实验。
通过对电力系统的动态特性建模和仿真，可以评估控制系统的性能和鲁棒性，并对系统参数进行优化和调整。
综上所述，控制系统的神经网络模糊混沌滑模控制方法是一种先进的控制技术，具有良好的控制效果和鲁棒性。
通过神经网络模型的建立和混沌滑模控制策略的设计，可以实现对复杂控制系统的高效控制和优化。
然而，在具体应用中，还需要综合考虑系统的特性、性能指标和优化方法，以实现最佳的控制效果。
神经网络论文制粉系统论文：模糊神经网络在球磨机控制系统中的应用[摘要] 火电厂的电站制粉系统是一个相互关联强耦合的复杂多输入多输出的控制对象。
运行时具有存滞后、大惯性和非线性的显著特点。
而且动态特性非常复杂，数学模型难以准确建立，并且数学模型随煤质、外部环境等因素变化较大。
根据上述特点，本文提出一种基于模糊神经网络的两级控制方案，第一级采用神经网络控制，第二级采用模糊控制。
很好的解决了在多变量模糊控制系统中的控制规则多、维数灾难问题。
实验试结果表明，如果将其应用到火电站中储式制粉系统的实际中。
将大大提高电站制粉系统的自动化水平及经济运行指标。
与传统的手动及pid定值控制比较，该方法大大改善了电站制粉系统的控制性能，是一种很有实用价值的控制方法。
[关键词] 神经网络非线性制粉系统1、引言本文的研究对象为火电机组中间仓储式制粉系统的控制问题，中间储仓式制粉系统在我国的中小型火力发电机组被广泛采用，由于长期手动控制制粉系统运行，不仅容易造成球磨机满煤、断煤、超温、跑粉事件的发生，而且也不能使制粉系统长期保持在最大出力运行。
因此，如何使磨煤机安全运行，降低单位磨煤电耗、提高机组的自动控制投入率，成为电厂的一大功关项目。
因此，对中间储仓式制粉系统控制问题的研究和优化运行，具有重要的理论意义和实际意义。
由于中间储仓式制粉系统是一个相互关联强耦合的复杂多输入多输出的控制对象。
运行时具有存滞后,大惯性和非线性的显著特点，动态特性复杂。
数学模型难以准确建立，并且数学模型随煤质等因素变化较大，因此采用常规的相互独立的pid调节控制，无法消除回路间的耦合，即使使用预估控制和dahlin算法，其实际控制效果很难满足要求。
模糊神经网络控制是上个世纪后期发展起来的一种新型控制方法，其本质是一种非线性控制。
它不需要知道被控对象的数学模型，并具有比常规控制系统更好的稳定性和鲁棒性。
基于模糊神经网络控制的这些特点，这里针对电站制粉系统采用模糊神经网络控制，取得了满意的控制效果，具有一定的推广价值。
4 神经网络实现模糊控制4.1引言人工神经网络（Artificial Neural Networks，NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。
神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。
神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、微电子学、心理学、光计算、分子生物学等有关，是一门新兴的边缘交叉学科。
神经网络具有非线性自适应的信息处理能力，克服了传统人工智能方法对于直觉的缺陷，因而在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用[2]。
神经网络与其他传统方法相组合，将推动人工智能和信息处理技术不断发展。
近年来，神经网络在模拟人类认知的道路上更加深入发展，并与模糊系统、遗传算法、进化机制等组合，形成计算智能，成为人工智能的一个重要方向。
MATLAB是一种科学与工程计算的高级语言，广泛地运用于包括信号与图像处理，控制系统设计，系统仿真等诸多领域。
为了解决神经网络问题中的研究工作量和编程计算工作量问题，目前工程领域中较为流行的软件MATLAB，提供了现成的神经网络工具箱（Neural Network Toolbox，简称NNbox），为解决这个矛盾提供了便利条件。
神经网络工具箱提供了很多经典的学习算法，使用它能够快速实现对实际问题的建模求解。
在解决实际问题中，应用MATLAB 语言构造典型神经网络的激活传递函数，编写各种网络设计与训练的子程序，网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序，使自己能够从烦琐的编程中解脱出来，减轻工程人员的负担，从而提高工作效率。
4.2神经元与网络结构人工神经网络（artificial neural network，ANN）是模仿生物神经网络功能的一种经验模型。
球磨机对象控制中模糊径向基函数神经网络的PID控制分析作者：朱丽娟来源：《现代电子技术》2015年第24期摘要：结合球磨机制粉系统的特点，提出球磨机对象控制中模糊径向基函数神经网络PID控制算法，结合混合优化算法，在混沌粒子群优化的同时实现粗线调，并应用BP算法做好在线细调，进而得到PID控制的最佳参数。
通过Matla对算法进行仿真，结果表明，系统不仅有效解决了球磨机复杂对象的控制问题，同时也实现了算法的快速收敛，并有较快的跟踪速度以及较小的超调，解耦较好，适应性较强。
关键词：模糊径向基函数；神经网络；球磨机； PID控制中图分类号： TN911⁃34 文献标识码： A 文章编号： 1004⁃373X（2015）24⁃0056⁃03 PID control analysis of fuzzy radial basis function neural network inball mill object controlZHU Lijuan（College of New Energy and Electronic Engineering， Yancheng Teachers University，Yancheng 224002， China）Abstract： On the basis of the characteristics of ball mill pulverizing system， the PID control algorithm of fuzzy radial basis function neural network is proposed in this paper， in which the hybrid optimization algorithm is combined to realize the chaos particle swarm optimization and coarse tunning， and the optimal parameters of PID controller are obtained by using BP algorithm. The Matlab simulation results show that the system has the advantages of fast tracking speed， small overshoot and strong adaptability， it not only can effectively solve the problem of the ball mill complex object， but also achieve the fast convergence of the algorithm.Keywords： fuzzy radial basis function； neural network； ball mill； PID control0 引言现阶段，在火电厂的规模化发展中，更加注重球磨机辅助设备的安全高效运行。
神经网络论文制粉系统论文：模糊神经网络在球磨机控制系
统中的应用
[摘要] 火电厂的电站制粉系统是一个相互关联强耦合的复杂多输入多输出的控制对象。
运行时具有存滞后、大惯性和非线性的显著特点。
而且动态特性非常复杂，数学模型难以准确建立，并且数学模型随煤质、外部环境等因素变化较大。
根据上述特点，本文提出一种基于模糊神经网络的两级控制方案，第一级采用神经网络控制，第二级采用模糊控制。
很好的解决了在多变量模糊控制系统中的控制规则多、维数灾难问题。
实验试结果表明，如果将其应用到火电站中储式制粉系统的实际中。
将大大提高电站制粉系统的自动化水平及经济运行指标。
与传统的手动及pid定值控制比较，该方法大大改善了电站制粉系统的控制性能，是一种很有实用价值的控制方法。
[关键词] 神经网络非线性制粉系统
1、引言
本文的研究对象为火电机组中间仓储式制粉系统的控
制问题，中间储仓式制粉系统在我国的中小型火力发电机组被广泛采用，由于长期手动控制制粉系统运行，不仅容易造成球磨机满煤、断煤、超温、跑粉事件的发生，而且也不能使制粉系统长期保持在最大出力运行。
因此，如何使磨煤机安全运行，降低单位磨煤电耗、提高机组的自动控制投入率，
成为电厂的一大功关项目。
因此，对中间储仓式制粉系统控制问题的研究和优化运行，具有重要的理论意义和实际意义。
由于中间储仓式制粉系统是一个相互关联强耦合的复杂多输入多输出的控制对象。
运行时具有存滞后,大惯性和非线性的显著特点，动态特性复杂。
数学模型难以准确建立，并且数学模型随煤质等因素变化较大，因此采用常规的相互独立的pid调节控制，无法消除回路间的耦合，即使使用预估控制和dahlin算法，其实际控制效果很难满足要求。
模糊神经网络控制是上个世纪后期发展起来的一种新型控制
方法，其本质是一种非线性控制。
它不需要知道被控对象的数学模型，并具有比常规控制系统更好的稳定性和鲁棒性。
基于模糊神经网络控制的这些特点，这里针对电站制粉系统采用模糊神经网络控制，取得了满意的控制效果，具有一定的推广价值。
2、球磨机中储式制粉系统对控制的要求
根据球磨机制粉系统的工作过程。
对控制系统提出的要求主要有三点。
1）保证磨煤机内的磨煤量接近最佳储煤量。
理论分析和实践经验表明，磨煤机的能耗与粉量的多少基本无关，因此，保证磨煤机内的存煤量尽可能接近最佳存煤量，以便制成尽可能多的煤粉是提高制粉系统经济性的关键。
磨煤机的存煤量一般主要是通过调整给煤量来控制的；2）为了提高磨煤机的干燥出力，应尽量提高干燥剂的温度，但为
了防止磨煤机送出的煤粉爆燃，又应保证磨煤机出口的温度不超过规定值。
因此，要对磨煤机的出口温度进行控制，一般主要是通过调整热风门的开度来控制的；3）为了保证磨煤机的最佳通风量，使磨制好的煤粉随通风输送到煤粉仓，并防止煤粉泄露，需要控制磨煤机入口负压，一般应略小于周围环境大气压，主要是由循环风门的开度控制的，然而，并非通过三个单回路就能达到以上控制目的，因为该系统控制的难度在于：1）磨煤机内的存煤量是一个难以直接测量的量，其测量方法是多年来人们一直在努力的方向[1，2]，却又一直未能较好地解决，直到目前，绝大多数系统均是用磨煤机入出口之间压差代表存煤量，但入出口压差受热风和再循环风的影响很大，从而最佳存煤量也就难以保证；2）该系统是一个强耦合大惯性的三输入三输出多变量系统，采用三个单回路的调节方式显然不能满足生产实际，手动调节难以兼顾；3）该系统具有严重的非线性，如当给煤量超过一定限度值后，将出现堵煤和煤粉泄露现象，影响安全生产和环境卫生。
3、球磨机制粉系统分级模糊神经网络控制
3.1球磨机制粉系统分级模糊神经网络控制系统组成
球磨机制粉系统分级模糊神经网络系统控制如图1所示，为进行解耦控制和减少模糊控制规则数，把系统分两级控制，第一级采用三个模糊神经网络控制器（fnnc），分别
为负压模糊神经网络控制器、温度模糊神经网络控制器和负荷模糊神经网络控制器。
第二级采用模糊控制器，对上级起协调作用。
系统的输入量为热风量、再循环风量和给煤量；系统输出的变量为磨煤机出口温度、磨煤机入口负压和磨煤机的负荷。
根据系统的特点，本系统采用磨煤机入口负压的入口负压的偏差△p；磨煤机的出口温度偏差△t；磨煤机的出口温度偏差的变化率；磨煤机负荷偏差△m及磨煤机负荷偏差变化率五个量构成一级模糊神经网络控制系统。
负压模糊神经网络控制器选用球磨机入口负压的偏差作为输入量，输出为。
温度模糊神经网络控制器选用球磨机出口温度的偏差和其变化率作为输入量，输出量是。
负荷模糊神经网络控制器选用球磨机差压及振动量的加权平均值与其先不定期值的偏差和其变化率作为输入变量，输出为。
第二级模糊控制器选用作为输入的变量，输出为给煤量控制、热风门控制和再循环风门控制。
gzx为再循环风量、grk为热风量、bgm 为给煤量。
图1球磨机分级模糊神经网络控制系统
3.2协调级模糊控制器的组成
图2 协调级模糊控制器结构图
由图2我们看出，模糊神经网络控制器输出的三个变量分别有球磨机系统磨入口负压、温度和负荷产生的。
由于系统变量之间的严重耦合，必须经过协调级的协调分配后，才
能送入执行器对系统进行调整。
显然，协调级起到模糊解耦器的作用，其模糊控制器结构图如图2所示。
从图2可知，协调级模糊控制器是由模糊化、模糊控制规则、模糊决策、非模糊化四部分组成。
模糊控制器的输出是经过非模糊化处理后的精确量，分别是gzx（再循环风量）、grk（热风量）和bgm（给煤量），控制再循环风门执行器、热风门执行器和给煤机执行器。
3.3协调级的模糊控制规则
经过模糊化后，我们得出的论域为：
它们的含义为：。
取和分别表示的对应论域上的语言值，分别表示系统模糊输出（）的语言变量值。
控制规则形式如下：为了使模糊推理方便，将上述的mimo系统简化为miso 系统，控制规则如下：
式中
在实际控制扎中，根据现场专家经验和系统特性确定出控制规则表，由模糊规则及模糊控制规则表，可求出模糊关系r。
3.4协调级的模糊决策与非模糊化
已知模糊关系r，模糊控制量可计算为：
，可以很方便确定出系统的输入-输出控制量。
经模糊
控制算法给出的控制量，不能直接控制对象，必须将其转换到控制对象所能接受的基本论域中去。
基本论域为一连续的实数域，所以，从控制量的模糊集论到基本论域的变换采用面积平分法计算输出量z*,根据面积平分法计算的输出量z*是模糊控制表的输出量,在实际计算时是由模糊器的输入查表得到,将z*转化为被控对象的实际量为,为比例因子。
设计一个模糊控制器除了要有一个好的模糊控制规则外，合理的地选择模糊控制器的比例因子也非常重要。
对输出而言，比例因子起到了将控制量从模糊论域转化到基本论域的作用。
根据磨媒机制粉系统的对象特性，再循环风门的比例因子要比热风门和给媒机控制的比例因子要大，其取值范围一般由实际或仿真实验确定。
4、结论
真对火电厂制粉系统的非线性模型,设计了一种神经网络和模糊控制相结合的两级控制方法,经我院机炉西实习场测试表明,采用该控制策略可以获得良好的控制性能和节能效果，特别是很好的解决了出口温度和煤粉燃爆之间的矛盾,在两者之间可以找到一个最佳点，同时也能很好的协调储煤量出口温度,出口负压之间的关系,使之达到最佳控制，参数的模糊量化采用查表方式,大大的节省计算机内存,提高了
控制运行速度。
参考文献：
[1]李浩昱，吴建强。
模糊神经网络在能量缓冲统一潮流控制器中应用的研究[j]，中国电机工程学报2003。
23(10):83-88.
[2]吕志来,张保会. 基于ann和模糊控制相结合的电力负荷短期预测方法[j],电力系统自动化
1999,23(22):37-39.。
