神经模糊温度控制器外文翻译.docVIP

浙江大学 毕业设计（论文）外文文献翻译 毕业设计（论文）题目 波分调功式温度控制器设计 翻译题目 Neuro Fuzzy Temperature Controller 神经模糊温度控制器 学 院 自动化 专 业 电气工程与自动化 姓 名 班 级 学 号 指导教师 神经模糊温度控制器 摘要 本文研究了一种基于实验性的应用研究的神经模糊混合技术。在一个水温控制系统中做实验，这个控制技术是在实时的基于设置点控制和负载扰动控制的正常环境状态下测试的，它是观察神经模糊控制器提供的优点。本文在结构、系统和设计经验等几个方面说明神经模糊控制器的控制技术的优越性。这个实验结果显示出此神经模糊控制器的效率。 关键词：经典控制，级联神经模糊控制器 一、前言 经典的（P，PI，PID）控制技术是简单的控制系统的基础，它的简单主要是在于在工业上的广泛应用。因为经典控制器被增益反馈控制器校准，所以它们不能补偿设备的参数变化，也不能适应环境的变化。在经典的常规的技术中，设备的数学模型和控制器的参数调整是在执行控制器之前就完成的。就控制目标而言，大多数实际系统表现出非线性特征，而且这些系统经常令人烦恼甚至有时不能使用物理规律来建立模型。因此使用经典的控制器不适合非线性的控制应用场合。 需要解决这些问题，以及要有一种控制器能较好地调节一个运行点以及整个范围的设置点，这个需求激发了其他的控制技术的发展。在最近三十年，很多的非传统的技术，譬如神经和模糊控制，已经被提议用来替代传统的经典的技术。人工神经网络和模糊逻辑理论的发展为有可能实现更好和更有效率的控制提供新的资源。人工神经网络有学习能估计输入输出功能的动力系统的能力。模糊系统将设置或者被制定的信息转换成为适当的控制行动。尤其是不管是人工神经网络还是模糊系统都不需要建立设备的数学模型。模糊控制系统的发展除了语言的组织还需要相关的设备专业知识[1]。 设计这个神经迷糊控制器通常需要充足的设备的输入输出描述或者输出量的希望值。为了更好的设计我们就要混合这两个系统，误差和衍生出的误差作为这个系统的输入来给定，而神经网络的输出作为模糊逻辑来给定。神经网络将决定从这五个模糊设置里选择出来一个模糊设置，最大量设置将被选择出来[2]。 本文中神经模糊控制器的性能是在实际的水温系统中测试。 二、模糊系统 （1）模糊变量和基本运算 和布尔逻辑相反，模糊逻辑的变量只有两重的状态，它的变量值只有0和1两种。模糊逻辑的基本运算由、、与、或和非组成。ABC表示A、B和C中的最小值，ABC表示A、B和C中的最大值，=1-A表示1减去A的值。例如0.10.80.4=0.1,0.10.80.4=0.8,=0.7。上面所有的规则都作为zadel模糊集合论中的与、或和非运算。 （2）模糊控制器 模糊控制器的工作原理不同于神经网络。模糊控制器被分为三个部分。第一部分，电压输入被转换成为模糊变量运算，在这一部分我们使用方程式（1）中给定的五个模糊变量的运算。每一个模糊变量对应介如0和1之间的模拟量。第二部分模糊逻辑运用于输入模糊变量，进而产生作为结果的输出变量。最后一部分去模糊化，即从输出模糊变量到输出变量 图1 模糊结果 三、神经模糊混合系统 神经网络和模糊系统有两个不同的方面，第一，神经网络是可以适应和调节的；第二，神经网络是具有自然的大规模等级和可并联的特点。在神经网络的运行中，与数据相关联是个重要的职责，理解神经网络的行为是相当困难的。模糊逻辑主要与不精确有关，并且能表示成某一领域专家的技能。因为模糊规则按照人类感觉所建立，那么模糊逻辑就具有不可自适应和不可调节的特性。在一个复杂的系统里，更多的规则意味着识别和建立这些规则就更加复杂和难以计算。这些特点限制了模糊逻辑的使用范围[4]。 当联合这两种技术，他们的优点就是可应用于不同的场合。混合系统的优点如下： （1）应用模糊规则对于融合不同的知识是可能的大规模的知识基础，才能模糊前端或后端处理器有效地处理并减少处理器数据是可能的。 图2 级联控制系统 五、神经模糊控制器 神经模糊补偿器的功能是为了补偿基础模糊控制器的表现不足的地方。图3显示的是神经模糊控制器的结构模型。神经网络有一个隐藏层和一个输出层。所有的神经元具有S型函数性质。神经模糊补偿器是通过在线的后置的运算规则的传播来调节的，而分量的更新用方程式（2）来给定的。 图3 神经模糊控制器 （2） 式中的是在时间t内从单元i到单元j的分量，是分量的变化量。分量的变化量是通过3式计算的。