1、熱工過程通常具有非線性、時變性,在自動控制中所采用的傳遞函數(shù)模型往往只是在一個工況點(diǎn)上的模型,很難描述熱工過程在整個工況范圍內(nèi)的非線性特征.而對控制系統(tǒng)的整體全局優(yōu)化必須要考慮過程的非線性,因此,建立熱工過程的整體非線性模型是對熱工控制系統(tǒng)整體全局優(yōu)化的基礎(chǔ),但至今在熱工控制系統(tǒng)中所基于的設(shè)計模型仍是傳遞函數(shù),這不利于對熱工控制系統(tǒng)的全局優(yōu)化.而模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)是適合于描述過程非線性特征的兩種方法,通過對樣本數(shù)據(jù)的不斷學(xué)習(xí),可較方便地

2、建立整個過程的非線性模型.該論文主要目的就是嘗試采用模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的非線性建模方法來建立熱工過程的全局非線性模型,為熱工控制系統(tǒng)的全局優(yōu)化打下基礎(chǔ).另一方面,目前模糊控制系統(tǒng)已較多應(yīng)用于熱工過程的自動控制中,但常規(guī)的模糊控制系統(tǒng)缺乏自適應(yīng)能力,主要原因是常規(guī)模糊控制所采用的模糊規(guī)則庫是不能自動調(diào)整的.而模糊系統(tǒng)的非線性建模技術(shù),不僅可以以規(guī)則的形式建立熱工過程的非線性模型,也可以建立模糊控制系統(tǒng)的模糊規(guī)則庫.因此,模糊系統(tǒng)的非線性建

3、模方法也為模糊控制系統(tǒng)的自適應(yīng)提供了一個途徑.該文的主要成果如下:模糊系統(tǒng)的建模主要是通過模糊規(guī)則來描述非線性系統(tǒng)的動態(tài)特性,因此,規(guī)則庫在模糊系統(tǒng)的非線性辨識過程中起著至關(guān)重要的作用,而模糊規(guī)則庫的自適應(yīng)、自組織能力將直接影響到其非線性系統(tǒng)的辨識效果.模糊規(guī)則庫的自學(xué)習(xí)過程主要可分為兩種情況:①對已有規(guī)則庫中規(guī)則的前件、后件參數(shù)的自學(xué)習(xí)、自調(diào)整;②模糊規(guī)則庫本身的自學(xué)習(xí),即根據(jù)過程的實(shí)際工況自動增減規(guī)則庫中的模糊規(guī)則.該文針對非線性模

4、糊系統(tǒng)的動態(tài)建模,提出了一套實(shí)用簡潔的規(guī)則庫初始化及在線混合自學(xué)習(xí)建模方法,并對非線性函數(shù)逼近、熱工過程辨識與建模中的相關(guān)問題做了大量的實(shí)驗(yàn)研究,取得了比較理想的非線性建模效果.另外,該文在建模過程中所提出的模糊規(guī)則的自適應(yīng)、自學(xué)習(xí)方法,同樣也可以對模糊控制規(guī)則進(jìn)行學(xué)習(xí),因此,它也是一類自適應(yīng)模糊控制系統(tǒng)的基礎(chǔ).除了對用模糊系統(tǒng)建立熱工過程的非線性模型進(jìn)行研究外,論文還對用神經(jīng)網(wǎng)絡(luò)建立的熱工過程的非線性模型進(jìn)行了研究.神經(jīng)網(wǎng)絡(luò)建模的主要

5、困難是如何確定適合的隱節(jié)點(diǎn)數(shù)目,因?yàn)殡[節(jié)點(diǎn)數(shù)目的多少直接影響到系統(tǒng)建模與辨識模型的精度.隱節(jié)點(diǎn)數(shù)目的增多會導(dǎo)致網(wǎng)絡(luò)的學(xué)習(xí)速度變慢,但是隱節(jié)點(diǎn)數(shù)目不夠時就不能很好地學(xué)習(xí)樣本,會嚴(yán)重影響神經(jīng)網(wǎng)絡(luò)模型的精度.該文針對典型的熱工過程,進(jìn)行了大量神經(jīng)網(wǎng)絡(luò)的建模仿真計算,從模型計算的數(shù)據(jù)可以看出,選擇適當(dāng)?shù)碾[節(jié)點(diǎn)數(shù)可以在確保神經(jīng)網(wǎng)絡(luò)模型精度的同時,有效提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度,加快整個非線性的建模過程,論文通過大量計算及分析,提出了選取隱節(jié)點(diǎn)數(shù)的原則