论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　摘要：本文深入研究了神经网络与模糊控制，再结合优化算法，将其应用到中厚板控制冷却系统中，进行模型辨识与参数估计，并对终冷温度进行控制，仿真结果表明了智能控制在中厚板控制冷却中应用的可行性。
　　关键词：中厚板；智能控制；神经网络；模糊控制
　　由于中厚板层流冷却控制系统本身所具有的多变量、强耦合、大滞后以及非线性时变等特点，对于这样的控制问题，智能控制是一种解决途径，于是，研究人员把目光转向了智能控制。智能控制的主要特点是不依赖被控对象的精确模型，根据事实和数据来实现优化控制。智能控制这种特性使得那些缺乏精确模型的复杂控制问题变得简单了，因此，将智能控制方法应用于中厚板控制冷却中成为了研究的热点和方向，同时研究也表明这种方法很有潜力。
　　1智能控制技术
　　智能控制是控制科学发展的高级阶段，是一门新兴的交叉前沿学科。智能控制把人工智能融入了控制理论，改变控制策略以适应被动对象模型的复杂性和不确定性，不完全依赖系统模型实现控制。智能控制在诸多领域拥有极为广泛的应用前景。
　　2常用的神经网络
　　从连接方式上看，神经网络主要分为两种，即前馈型神经网络（BP网络、径向基函数网络等）和反馈型神经网络（Hopfield网络等）。神经网络应用于控制领域初期，BP神经网络以它独有的算法和优点很快便成为了学者们研究应用的重点。但BP神经网络同时也存在训练速度慢、易陷入局部极值等缺陷，因此，近年来，越来越多的研究人员开始对模糊神经网络、RBF神经网络、小脑模型神经网络（CMAC）等神经网络进行研究，并积极应用于实际中。
　　模糊神经网络综合了神经网络和模糊推理的优点，既可以利用已有专家经验知识进行模糊推理，又拥有自学习、自适应的能力，同时可以通过不断的学习来调整已有的控制规则。模糊神经网络的出现为控制领域再添了一个优秀的工具。
　　BP神经网络算法及改进
　　BP神经网络（BackPropagationNeuralNetwork）是一种单向传播的多层前馈神经网络，每个神经元用一个节点表示，整个网络通常由输入层、隐含层、输出层节点组成，如图所示。
　　BP神经网络算法主要由两个传播过程组成，即正向传播过程和反向传播过程。网络首先由输入层经过隐层向输出层进行正向传播，计算出相应的网络权值和阈值，如果输出层的输出达到期望，则学习算法终止；如果输出存在误差，则由输出层开始将误差传向输入层，即反向传播误差，并调整网络各层的权值和阈值，使得输出误差减小。
　　3模糊控制系统及原理
　　模糊控制系统是一种自动控制系统，同时也是一种智能控制系统。它是以模糊数学、模糊逻辑推理和模糊语言为基础，采用计算机控制技术构成的闭环结构控制系统。模糊逻辑控制系统主要由模糊化过程、知识库、推理决策和精确化计算组成。
　　4结束语
　　本文采用模糊控制建立模型对冷却区冷却段开启数进行调整，模糊控制作为一种智能控制，模仿人的思维，运用专家或熟练操作工的经验，对许多没有复杂且精确模型的问题给出了较为理想的控制方案，并得到了良好的控制效果。因此，采用模糊控制方法来解决这一复杂的问题，从而实现对冷却区冷却段数的调整是可行的。通过仿真对比，理论上，在中厚板控制冷却系统中，模糊控制方法的控制精度高于传统PID控制方法的控制精度，模糊控制的效果更为理想。
　　因此，采用模糊控制方法对中厚板终冷温度进行控制，方法适合，调整后控制效果良好，实测终冷温度控制在误差允许的范围内，提高了终冷温度的控制精度。
　　本文设计了一套较完善的控制规则，通过这些模仿人思维的控制规则，模糊控制器便可以由这些复杂的输入量得出相应的控制输出量，而这个实际的控制输出量就是水冷区冷却段数的调整量。通过冷却段数的调整，预设定冷却段数与调整量叠加后，得到了最终动态调节的水冷区冷却段数，从而达到了控制终冷温度的目的。
　　模糊控制系统输出控制量（即冷却段数调整量）和调整后的水冷区冷却段开启数仿真曲线如图1-1所示。图中，上半部为模糊控制器输出控制量曲线，下半部为调整后的冷却段数。
　　分析最终控制效果，如图1-1所示，加入模糊控制器之后q
　　的冷却系统，终冷温度目标值与实际值的误差基本控制在±30℃以内，绝大多数点能控制到±20℃以内，比例高达90%以上，误差率控制在±3%以内。而传统的PID控制方法，由图4.7可以看出，终冷温度控制的误差范围在±40℃左右，误差百分率在6%以内，误差较大。通过仿真对比，可以得出以下结论，理论上，在中厚板控制冷却系统中，模糊控制方法的控制精度高于传统PID控制方法的控制精度，模糊控制的效果更为理想。
　　[参考文献]
　　[1]魏士政，等.中厚板控制冷却技术[J].钢铁研究学报，2002（5）：67-72.
　　[2]李士勇.模糊控制、神经控制和智能控制[M].哈尔滨：哈尔滨工业大学出版社，2004.
　　[3]权太范.模糊控制技术在控制工程中的应用现状及前景[J].控制与决策，1988（1）：59-62.
　　[4]达飞鹏，徐嗣鑫.基于模糊神经网络的系统辨识[J].控制与决策，1997（4）：387-390.
　　[5]靳哲.人工神经网络方法预测中厚板控冷的冷却速度[D].北京科技大学硕士学位论文，2006.