摘 要：本文深入研究了神經(jīng)網(wǎng)絡(luò)與模糊控制，再結(jié)合優(yōu)化算法，將其應(yīng)用到中厚板控制冷卻系統(tǒng)中，進行模型辨識與參數(shù)估計，并對終冷溫度進行控制，仿真結(jié)果表明了智能控制在中厚板控制冷卻中應(yīng)用的可行性。

關(guān)鍵詞：中厚板；智能控制；神經(jīng)網(wǎng)絡(luò)；模糊控制

由于中厚板層流冷卻控制系統(tǒng)本身所具有的多變量、強耦合、大滯后以及非線性時變等特點，對于這樣的控制問題，智能控制是一種解決途徑，于是，研究人員把目光轉(zhuǎn)向了智能控制。智能控制的主要特點是不依賴被控對象的精確模型，根據(jù)事實和數(shù)據(jù)來實現(xiàn)優(yōu)化控制。智能控制這種特性使得那些缺乏精確模型的復(fù)雜控制問題變得簡單了，因此，將智能控制方法應(yīng)用于中厚板控制冷卻中成為了研究的熱點和方向，同時研究也表明這種方法很有潛力。

1 智能控制技術(shù)

智能控制是控制科學(xué)發(fā)展的高級階段，是一門新興的交叉前沿學(xué)科。智能控制把人工智能融入了控制理論，改變控制策略以適應(yīng)被動對象模型的復(fù)雜性和不確定性，不完全依賴系統(tǒng)模型實現(xiàn)控制。智能控制在諸多領(lǐng)域擁有極為廣泛的應(yīng)用前景。

2 常用的神經(jīng)網(wǎng)絡(luò)

從連接方式上看，神經(jīng)網(wǎng)絡(luò)主要分為兩種，即前饋型神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)等）和反饋型神經(jīng)網(wǎng)絡(luò)（Hopfield網(wǎng)絡(luò)等）。神經(jīng)網(wǎng)絡(luò)應(yīng)用于控制領(lǐng)域初期，BP神經(jīng)網(wǎng)絡(luò)以它獨有的算法和優(yōu)點很快便成為了學(xué)者們研究應(yīng)用的重點。但BP神經(jīng)網(wǎng)絡(luò)同時也存在訓(xùn)練速度慢、易陷入局部極值等缺陷，因此，近年來，越來越多的研究人員開始對模糊神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、小腦模型神經(jīng)網(wǎng)絡(luò)（CMAC）等神經(jīng)網(wǎng)絡(luò)進行研究，并積極應(yīng)用于實際中。

模糊神經(jīng)網(wǎng)絡(luò)綜合了神經(jīng)網(wǎng)絡(luò)和模糊推理的優(yōu)點，既可以利用已有專家經(jīng)驗知識進行模糊推理，又擁有自學(xué)習(xí)、自適應(yīng)的能力，同時可以通過不斷的學(xué)習(xí)來調(diào)整已有的控制規(guī)則。模糊神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為控制領(lǐng)域再添了一個優(yōu)秀的工具。

BP神經(jīng)網(wǎng)絡(luò)算法及改進

BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network）是一種單向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)，每個神經(jīng)元用一個節(jié)點表示，整個網(wǎng)絡(luò)通常由輸入層、隱含層、輸出層節(jié)點組成，如圖所示。

BP神經(jīng)網(wǎng)絡(luò)算法主要由兩個傳播過程組成，即正向傳播過程和反向傳播 過程。網(wǎng)絡(luò)首先由輸入層經(jīng)過隱層向輸出層進行正向傳播，計算出相應(yīng)的網(wǎng)絡(luò)權(quán)值和閾值，如果輸出層的輸出達到期望，則學(xué)習(xí)算法終止；如果輸出存在誤差，則由輸出層開始將誤差傳向輸入層，即反向傳播誤差，并調(diào)整網(wǎng)絡(luò)各層的權(quán)值和閾值，使得輸出誤差減小。

3 模糊控制系統(tǒng)及原理

模糊控制系統(tǒng)是一種自動控制系統(tǒng)，同時也是一種智能控制系統(tǒng)。它是以模糊數(shù)學(xué)、模糊邏輯推理和模糊語言為基礎(chǔ)，采用計算機控制技術(shù)構(gòu)成的閉環(huán)結(jié)構(gòu)控制系統(tǒng)。模糊邏輯控制系統(tǒng)主要由模糊化過程、知識庫、推理決策和精確化計算組成。

4 結(jié)束語

本文采用模糊控制建立模型對冷卻區(qū)冷卻段開啟數(shù)進行調(diào)整，模糊控制作為一種智能控制，模仿人的思維，運用專家或熟練操作工的經(jīng)驗，對許多沒有復(fù)雜且精確模型的問題給出了較為理想的控制方案，并得到了良好的控制效果。因此，采用模糊控制方法來解決這一復(fù)雜的問題，從而實現(xiàn)對冷卻區(qū)冷卻段數(shù)的調(diào)整是可行的。通過仿真對比，理論上，在中厚板控制冷卻系統(tǒng)中，模糊控制方法的控制精度高于傳統(tǒng)PID控制方法的控制精度，模糊控制的效果更為理想。

因此，采用模糊控制方法對中厚板終冷溫度進行控制，方法適合，調(diào)整后控制效果良好，實測終冷溫度控制在誤差允許的范圍內(nèi)，提高了終冷溫度的控制精度。

本文設(shè)計了一套較完善的控制規(guī)則，通過這些模仿人思維的控制規(guī)則，模糊控制器便可以由這些復(fù)雜的輸入量得出相應(yīng)的控制輸出量，而這個實際的 控制輸出量就是水冷區(qū)冷卻段數(shù)的調(diào)整量。通過冷卻段數(shù)的調(diào)整，預(yù)設(shè)定冷卻段數(shù)與調(diào)整量疊加后，得到了最終動態(tài)調(diào)節(jié)的水冷區(qū)冷卻段數(shù)，從而達到 了控制終冷溫度的目的。

模糊控制系統(tǒng)輸出控制量（即冷卻段數(shù)調(diào)整量）和調(diào)整后的水冷區(qū)冷卻 段開啟數(shù)仿真曲線如圖1-1所示。圖中，上半部為模糊控制器輸出控制量曲線，下半部為調(diào)整后的冷卻段數(shù)。

分析最終控制效果，如圖1-1所示，加入模糊控制器之后q

的冷卻系統(tǒng)，終冷溫度目標(biāo)值與實際值的誤差基本控制在±30℃以內(nèi)，絕大多數(shù)點能控制到±20℃以內(nèi)，比例高達90%以上，誤差率控制在±3%以內(nèi)。而傳統(tǒng)的PID控制方法，由圖4.7可以看出，終冷溫度控制的誤差范圍在±40℃左右，誤差百分率在6%以內(nèi)，誤差較大。通過仿真對比，可以得出以下結(jié)論，理論上，在中厚板控制冷卻系統(tǒng)中，模糊控制方法的控制精度高于傳統(tǒng) PID控制方法的控制精度，模糊控制的效果更為理想。

[參考文獻]

[1]魏士政，等.中厚板控制冷卻技術(shù)[J].鋼鐵研究學(xué)報，2002（5）：67-72.

[2]李士勇.模糊控制、神經(jīng)控制和智能控制[M].哈爾濱：哈爾濱工業(yè)大 學(xué)出版社，2004.

[3]權(quán)太范.模糊控制技術(shù)在控制工程中的應(yīng)用現(xiàn)狀及前景[J].控制與決策，1988（1）：59-62.

[4]達飛鵬，徐嗣鑫.基于模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識[J].控制與決策，1997（4）：387-390.

[5]靳哲.人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測中厚板控冷的冷卻速度[D].北京科技大 學(xué)碩士學(xué)位論文，2006.