[發明專利]一種基于模糊神經網路的供漿系統流量控制方法

無效

• 申請號: 201210091025.8
• 申請日: 2012-03-30
• 公開（公告）號: CN102622000A
• 公開（公告）日: 2012-08-01
• 發明（設計）人: 劉星萍;邱書波;王斌鵬;劉鵬
• 申請（專利權）人: 山東輕工業學院
• 主分類號: G05D7/06
• 分類號: G05D7/06
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張勇

1.一種基于模糊神經網路的供漿系統流量控制方法，它采用PLC作為控制器，通過編碼器獲得抄紙機的轉速，PLC根據系統設計的參數，結合當前抄紙機的速度和濃度變化，通過模糊神經網絡計算出應該控制的流量的變化參數，其特征是，具體過程為：

在供漿系統運行時記錄當期濃度值C_前和流量值Q_前，當系統濃度變為C_后，通過公式和M_紙＝QP+M_灰分計算出當前濃度下對應的紙漿流量Q_后，流量的變化ΔQ＝Q_后-Q_前；如果ΔQ大于零說明濃度減低了，流量需要增加，如果ΔQ小于零說明濃度增加了，對應的流量就因該減少；流量控制是通過調節電機的加減速來實現的，采用通過調解加速時間來穩定的控制加減速方法，設計單位時間內的加減量，只需要知道多少時間內就能達到所要求的速度值，也即開關接通的時間越長加速或減速的時間就長，加減速的時間乘以單位時間內的加減量就是電機需要要加減的值，通過現場測試得到幾組實際值，通過ΔQ依據模糊神經網絡計算出比例值，ΔQ乘以該比例值就是本次升降速的時間，然后用觸摸屏輸入閥門動作的時間間隔也就是脈沖寬度。

2.如權利要求1所述的基于模糊神經網路的供漿系統流量控制方法，其特征是，所述模糊神經網絡的輸入為兩個變量X1、X2，輸出變量為Y，將每個輸入因子分為：NM，NS，ZO，PS，PM這5個模糊狀態；模糊神經網絡進行學習，在學習時選擇在線學習，在線學習期間學習速度不變，在線學習終止條件是性能指標E小于等于某一數值，這個指標值隨控制對象的改變而改變的；當確定控制對象時，該指標值根據經驗確定，具體學習步驟是：

①θji、σji、ωi及η的初始值在[0，1]之間隨機選取，η的值為恒定值，根據經驗決定；

②根據模糊神經算法計算出比較理想的θji(k+1)、σji(k+1)、ωi(k+1)值；

③根據模糊神經算法計算E，若E≤0.002，迭代結束；否則，令θji(k+1)、σji(k+1)、ωi(k+1)為初始值并返回②。

3.如權利要求2所述的基于模糊神經網路的供漿系統流量控制方法，其特征是，通過上位機與下位機的配合來計算權值；學習過程中下位機具體過程如下：

(1)初始化

初始化樣本值(包括兩個輸入值：濃度變化值，當前濃度值和一個輸出值：流量的變化值)和為后續傳輸樣本值做準備，學習階段不斷地把樣本值寫入的儲存地址，同時也不斷地把樣本值發給上位機；

(2)接受請求

接受上位機的命令請求，決定下位機是否給上位機發送樣本數據，如果是執行第(3)步，否則停止；

(3)發送數據

通過下位機的通訊向上位機發送樣本數據，發送完后就結束傳送樣本，啟動新的接受，等待上位機求情數據傳送信號；

學習過程中上位機具體過程如下：

(1)初始化

首先隨機選取[0，1]內θji、σji、ωi及η的初始值，其次對學習過程中用到的常數賦值，同樣賦給存儲單元；最后，請求下位機傳送樣本數據；

(2)初始值計算

1)由于初始化中請求數據傳送，首先通過上位機的通信程序取得數據，并且接收樣本數據后，告知下位機不再傳送數據；

2)接著利用初始化已賦值的第一組權值，計算第一組樣本值為輸入時輸出值、輸出值與期望輸出值的差值以及后續計算所要用到的數據；

3)權值、性能指標E值計算

在上述第2)步的基礎上計算權值和E值；

4)E值判斷把計算的E值與0.002相比較；如果E≤0.002，說明計算的函數變量、權值已達到預期目標，學習過程結束；結束的同時觸發外接設備的開關量，利用外接設備讀取這些計算結果；相反，則需繼續學習過程，并將不滿足性能指標第(3)步計算出的函數變量、權值賦給下一步重新計算t值所需的地址內，把請求數據標志位置位，并向下位機發送，從而為新t值的計算做好準備；

5)學習過程中t值計算

由于已把請求數據標志位置位，因此，首先通過通信程序先取樣本，取完樣本值后告知上位機不再傳樣本值，接著計算新的t值，以便計算新的函數變量、權值以及E值；當學習階段結束后，通過現場采集數據，建立數據庫并把采集的數據當作輸入，運用訓練好的權值和模糊神經網絡算法，得到控制對象所需的控制值。