神經(jīng)網(wǎng)絡 溫度控制系統(tǒng)中的研究與仿真 摘要 ： 本文提出一種基于 經(jīng)網(wǎng)絡的新型智能 制方法和一些 經(jīng)網(wǎng)絡的基本概念。同傳統(tǒng)的 制相比較，神經(jīng)網(wǎng)絡智能 制有許多優(yōu)點。把 經(jīng)網(wǎng)絡的 制方法應用到工業(yè)領域的溫度控制系統(tǒng)中，仿真結果表明：這種控制方法具有較高控制精度和較強的適應性以及良好的控制效果。 關鍵詞 ： 神經(jīng)網(wǎng)絡 ， 制器 ，溫度控制系統(tǒng) 1 引言 在工業(yè)控制過程中， 制是一種最基本的控制方式 ，其魯棒性好、結構簡單、易于實現(xiàn)，但常規(guī)的 制也有 其自身的缺點，因為常規(guī) 制器的參數(shù)是根據(jù)被控對象數(shù)學模型確定的，當被控對象的數(shù)學模型是變化的、非線性的時候， 數(shù)不易根據(jù)其實際的情況做出調(diào)整，影響了控制質(zhì)量，使控制系統(tǒng)的控制品質(zhì)下降。特別是在具有純滯后特性的工業(yè)過程中，常規(guī)的 制更難滿足控制精度的要求。由于神經(jīng)網(wǎng)絡具有自組織、自學習、自適應的能力，本文提出基于 經(jīng)網(wǎng)絡的 制器，使人工神經(jīng)網(wǎng)絡與傳統(tǒng) 制相結合互相補充，共同提高控制質(zhì)量，并把該方法在溫度控制系統(tǒng)中用 言進行了仿真應用。 2 經(jīng)網(wǎng)絡的模型構成及 算法 P 神經(jīng)網(wǎng)絡的模型構成 B P 神經(jīng)網(wǎng)絡的學習過程主要由兩個階段構成： 第一階段（正向傳播過程），輸入信號通過輸入層，經(jīng)過隱含層逐層處理，在輸出層計算出每個神經(jīng)元的實際輸出值。 第二階段 (誤差反向傳播過程 )，如果在輸出層未得到期望的輸出值，則逐層遞推地計算實際輸出與期望輸出的差值，并且根據(jù)這個誤差調(diào)節(jié)權系數(shù)。 經(jīng)網(wǎng)絡 制器的構成及算法 在傳統(tǒng)的 制中，經(jīng)典增量式 控制形式： u(k)=u( p e(k)-e(+ i e(k)+ d e(k)e( ：比例系數(shù) i =：積分系數(shù) ：微分系數(shù) 建立 經(jīng)網(wǎng)絡 制器結構： r(k) e(k) u(k) y(k) + _ 為了達到自適應調(diào)節(jié) , 目的，輸出層為三個神經(jīng)元，分別對應 , 。輸入層、隱含層的神經(jīng)元的數(shù)目根據(jù)被控對象的復雜性固定下來。 隱含層采用的激活函數(shù)為正負對稱的 數(shù)： )t a n h ()( 輸出層的激活函數(shù)采用非負的 數(shù)： 2)t an h (1)( 我們假定 們分別對應于 p ， i ， d 。 我們?nèi)⌒阅苤笜撕瘮?shù)為： 2)1()1(21 誤差反向傳播。反向傳播的實質(zhì)就是通過調(diào)整權系數(shù)使偏差最小，因此可以利用最速下降法，按誤差函數(shù)的負梯度方向?qū)Ω鲗由窠?jīng)元權系數(shù)進行調(diào)整修正。 則有： )1()3( - )()3()3( ：學習速率 ：動量項 由鏈法則可得： )3( =)3()3()3()3()3()()()()()1()1( ll e e =-e(k+1) )3()3()3()3()3()()()()()1( 其中： l =1, 2 ,3 因此可以得到 經(jīng)網(wǎng)絡的輸出層權系數(shù)的計算公式： )()()1( )3()2()3()3( 其中： )(*)()(*)( )1(s g n ()1( )3(,)3()3( kn e 由于在 制算法中)( )1( 一般情況下是未知的，可以用符號函數(shù))( )1( 來取代，并通過調(diào)整 來修正誤差。 同理可得到隱含層權系數(shù)計算公式： )()( )2()1()2()2( 其中： )()( )3(31)3()2()2( e tf ， 在上面各式中，上角標 （ 1）、（ 2）、（ 3）分別表示輸入層、隱含層、輸出層、 l ：輸出層神經(jīng)元個數(shù) i ：隱含層神經(jīng)元個數(shù) j ：輸入層神經(jīng)元個數(shù) )(1)( 2/)(1 2 綜上所述可以得到 經(jīng)網(wǎng)絡的控制算法： （ 1） 確定神經(jīng)網(wǎng)絡結構，初始化各層權系數(shù)?？刂屏俊⑤敵隽?、誤差的初值取 0。 （ 2） 對系統(tǒng)進行采樣，得到 )( )(計算得到誤差 )()()( 。然后根據(jù)增量式 式把誤差分量作為輸入層的輸入。 （ 3） 根據(jù)各層權系數(shù)正向計算 經(jīng)網(wǎng)絡各層的輸入、輸出。輸出層分量分別為 根據(jù)增量式 式可以得到控制器的輸出 u 。 （ 4） 將 u 作為 經(jīng)網(wǎng)絡的監(jiān)督信號，進行 法的反向傳播。在線根據(jù)輸出層、隱含層的學習算法調(diào)整各層的權系數(shù)，使 數(shù)達到自適應調(diào)整。 （ 5） 返回到（ 2）。 3 在工業(yè)生產(chǎn)過程中，控制的生產(chǎn)過程各種各樣，常常要對像溫度過程這樣的純滯后的過程進行控制。設被控的溫度控制過程的傳遞函數(shù)為： )110)(140( 3)( 仿真結果如下圖所示： 圖 1 圖 2 圖 (1)為常規(guī)的 制，圖 (2)為 經(jīng)網(wǎng)絡 制。從圖中我們可以看到常規(guī)的制所產(chǎn)生的超調(diào)量和過渡時間比 經(jīng)網(wǎng)絡 制所產(chǎn) 生的超調(diào)量和過渡時間大得多，由此可以看出 經(jīng)網(wǎng)絡 制具有較強的自適應性和較高的控制精度。 4 本文根 經(jīng)網(wǎng)絡的控制算法對純滯后的溫度控制系統(tǒng)進行了仿真實驗，實驗結果表明 經(jīng)網(wǎng)絡 適應性強，魯棒性好，控制精度高，其控制品質(zhì)比普通 控制品質(zhì)有了顯著的改善。隨著研究的不斷深入這種控制方法在工業(yè)過程控制中有著廣泛的應用前景。