基于模糊神經(jīng)網(wǎng)絡的發(fā)酵過程建模與控制.pdf

1、發(fā)酵工業(yè)在國民生活和國民經(jīng)濟中的作用越來越重要,這一工業(yè)領域的操作管理和自動化控制成為很重要的課題.但由于發(fā)酵過程動態(tài)是高度的非線性和時變性、模型不確定性、關鍵變量如生物質(zhì)濃度和產(chǎn)物濃度又不可在線測量,使發(fā)酵過程控制問題變得十分復雜,應用常規(guī)的控制策略得不到滿意的控制性能.隨著智能控制理論的發(fā)展,其在發(fā)酵過程的應用得到越來越多人的關注.該文基于智能控制中的模糊神經(jīng)控制理論,對這一復雜過程的建模和控制問題進行了研究.第一,回顧了非線性系統(tǒng)

2、辨識和非線性系統(tǒng)控制的研究方法,分析了各種方法的特點及它們的應用范圍,論述了智能控制理論在非線性系統(tǒng)建模和控制中的作用和應用前景,最后,總結了目前發(fā)酵過程建模和控制方面,國內(nèi)外的研究現(xiàn)狀和存在的問題.第二,將模糊C均值聚類和模糊神經(jīng)網(wǎng)絡建模方法結合起來.模糊C均值聚類用于對輸入變量空間進行劃分,生成初始的模糊規(guī)則庫.所選用ANFIS自適應模糊神經(jīng)網(wǎng)絡建模方法運用最小二乘估計與BP算法相結合.與普通的模糊神經(jīng)網(wǎng)絡相比,這種模糊神經(jīng)網(wǎng)絡收斂

3、速度快,建模精度高.第三,混合模糊神經(jīng)網(wǎng)絡建模.針對目前發(fā)酵過程應用的混合神經(jīng)網(wǎng)絡模型做了比較,串連型和串并聯(lián)型混合神經(jīng)網(wǎng)絡訓練復雜,許多成熟的訓練方法不能采用.并聯(lián)混合神經(jīng)網(wǎng)絡訓練方法簡單,但泛化能力不強,因此,該文采用ANFIS的混合模糊神經(jīng)網(wǎng)絡模型,與并聯(lián)的混合神經(jīng)網(wǎng)絡相比,其泛化能力和建模精度都有了提高.第四,將智能控制理論中的模糊神經(jīng)網(wǎng)絡控制方法引入發(fā)酵過程控制,為了滿足實時控制的要求,引入了補償模糊算子,從而大大提高了收斂速