一種基于歷史數(shù)據(jù)的加熱爐溫度模糊控制規(guī)則提取方法.pdf

《一種基于歷史數(shù)據(jù)的加熱爐溫度模糊控制規(guī)則提取方法.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、940化工自動(dòng)化及儀表第43卷一種基于歷史數(shù)據(jù)的加熱爐溫度模糊控制規(guī)則提取方法薛美盛孫勝杰袁鑫李先知(中國(guó)科學(xué)技術(shù)大學(xué)信息科學(xué)技術(shù)學(xué)院,合肥230026)摘要針對(duì)加熱爐模糊控制器模糊規(guī)則庫難以建立的問題,提出了一種基于歷史數(shù)據(jù)的加熱爐溫度模糊控制規(guī)則提取方法。此方法包含3個(gè)環(huán)節(jié),首先選擇輸入輸出變量和典型工況的歷史數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,再對(duì)歷史數(shù)據(jù)使用模糊C-均值聚類算法以確定規(guī)則數(shù)目和輸入變量的隸屬度函數(shù),最后對(duì)每條規(guī)則使用支持向量回歸機(jī)算法確定規(guī)則的后件參數(shù)。應(yīng)用此方法能夠有效地提取加熱爐模糊控制器的模糊規(guī)則,實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。關(guān)鍵詞模糊控制規(guī)則加熱爐歷史數(shù)據(jù)中圖分類號(hào)TH

2、701文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1000-3932(2016)09-0940-05[12]加熱爐是鋼鐵生產(chǎn)過程最重要的設(shè)備之一,用于提取模糊系統(tǒng)規(guī)則,它是基于VC維理論[13]其能源消耗占鋼鐵生產(chǎn)總能耗比重較大。加熱爐和結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的學(xué)習(xí)算法,可以有效的控制目標(biāo)是在獲得滿足軋機(jī)開軋所需要的鋼坯地避免過擬合問題,具有較好的泛化能力,并能通溫度分布的前提下,減少鋼坯表面燒損,降低能過核函數(shù)有效地處理高維問題。模糊聚類算法被[1]耗。加熱爐本質(zhì)上是一個(gè)多變量、強(qiáng)耦合,同時(shí)廣泛應(yīng)用于輸入/輸出數(shù)據(jù)的劃分和模糊規(guī)則前[14~16]帶有大滯后的非線性系統(tǒng),所以當(dāng)爐內(nèi)工況發(fā)生件的獲取中,它可以有效地避免多

3、變量帶來變化或出現(xiàn)較大擾動(dòng)時(shí),采用傳統(tǒng)的機(jī)理建模方的“維數(shù)災(zāi)難”。筆者主要討論基于模糊C-均值法建模困難。而模糊系統(tǒng)不用考慮對(duì)象機(jī)理,因聚類(FuzzyC-Means,FCM)算法和支持向量回歸此在解決諸如加熱爐這樣的工業(yè)過程系統(tǒng)的建模機(jī)(SupportVectorRegression,SVR)算法的模糊規(guī)[2]與控制問題時(shí)具有很大的優(yōu)勢(shì)。則的提取,然后基于某鋼廠加熱爐運(yùn)行的歷史數(shù)模糊系統(tǒng)在工業(yè)過程建模和控制中已有許多據(jù),利用所提方法提取出溫度模糊控制規(guī)則。成功應(yīng)用的案例[3~7]。模糊規(guī)則庫的建立是模糊1T-S模糊系統(tǒng)的模糊規(guī)則提?、俳：涂刂频暮诵膯栴}。在加熱爐系統(tǒng)中,由于1.1T-S模

4、糊系統(tǒng)缺乏知識(shí)采集的手段,模糊規(guī)則庫通常是根據(jù)司T-S模糊系統(tǒng)以仿射函數(shù)作為模糊規(guī)則后爐工的經(jīng)驗(yàn)總結(jié)得來的,這樣很難精確描述復(fù)雜件,通過將非線性系統(tǒng)分解為一系列局部線性系[8]系統(tǒng)中的內(nèi)部關(guān)聯(lián),較難有完善的模糊規(guī)則庫。統(tǒng),提供了一套從給定的輸入-輸出數(shù)據(jù)集產(chǎn)生[17]而基于系統(tǒng)運(yùn)行數(shù)據(jù)的模糊規(guī)則提取方法是解決模糊規(guī)則的系統(tǒng)化方法。T-S模糊系統(tǒng)中典型這一問題的有效途徑。的模糊規(guī)則的形式為:12n對(duì)于從輸入/輸出數(shù)據(jù)中提取模糊規(guī)則已經(jīng)Rj:ifx1isAjandx2isAjandLandxdisAj,thenyj=01d有許多研究成果,如文獻(xiàn)[9]研究的基于自適應(yīng)fj(x)=βj+βjx1+…

5、+βjxd(1)Ti神經(jīng)網(wǎng)絡(luò)的模糊系統(tǒng)(ANFIS),文獻(xiàn)[10]研究的其中,x=(x1,x2,…,xd)為輸入向量;Aj表基于遺傳算法的模糊規(guī)則自動(dòng)生成,文獻(xiàn)[11]研示第i個(gè)輸入變量的模糊集合;yj是模糊規(guī)則后究的基于Levenberg-Marquardt優(yōu)化算法的模糊規(guī)件的精確函數(shù)。給定輸入向量x,模糊系統(tǒng)的輸則提取等。但是這些方法在處理多變量和強(qiáng)非線性系統(tǒng)問題時(shí)都存在過學(xué)習(xí)問題,從而導(dǎo)致所設(shè)計(jì)的模糊系統(tǒng)泛化能力較差。支持向量機(jī)算法可①收稿日期:2016-02-04(修改稿)第9期薛美盛等.一種基于歷史數(shù)據(jù)的加熱爐溫度模糊控制規(guī)則提取方法941MnMn數(shù)(m?,c?)和各簇的中心點(diǎn)v=

6、(xc?,xc?,…,出為y=∑(∏u(x))/∑(∏u(x)),其中,uX

7、Y,i1,i2,iijiijiijm?j=1i=1j=1i=1c?c??ix,y),定義輸入空間的聚類中心v(m)=(x)表示模糊集A的隸屬度函數(shù)。N,iiX,iijc?c?c?T-S模糊系統(tǒng)的輸入空間劃分決定了模糊規(guī)(x1,i,x2,i,…,xN,i),然后利用FCM算法中的隸屬則的數(shù)量,其中最直接的方法是簡(jiǎn)單格柵劃分法,度函數(shù)計(jì)算公式計(jì)算每一次簇中輸入向量的隸屬?2/(1-m?)即將輸入空間劃分為網(wǎng)格狀,每一個(gè)網(wǎng)格代表一?‖xk-vx,i‖?度u=,其中,u代表ikci,k條模糊規(guī)則。然而,當(dāng)輸入空間的維數(shù)增多

8、時(shí),?！?‖x-v?‖2/(1-m?))kx,jj=1糊規(guī)則的數(shù)目將急劇增多。為避免這種情況,筆第k個(gè)輸入向量在第i條規(guī)則中的隸屬度,i=1,者采用模糊聚類的方法將輸入空間劃分為若干?2,…,c,x代表第k個(gè)輸入向量。然后用同樣k簇,這樣式(1)變?yōu)镽:ifx∈Ctheny=f(x),其jjjj的聚類中心計(jì)算測(cè)試數(shù)據(jù)集中輸入向量的隸屬中x=(x,x,…,x),C為輸入空間分割后的部12dj度。分空間。這樣輸入