姜 濱，孫麗萍，曹 軍，周 正（東北林業(yè)大學機電工程學院，哈爾濱 150040）

高頻真空木材干燥的模糊神經網絡控制方法研究

姜 濱，孫麗萍，曹 軍，周 正
（東北林業(yè)大學機電工程學院，哈爾濱 150040）

高頻真空木材干燥是一種干燥速度快、能源消耗低、環(huán)境污染小的新型聯合干燥技術。在木材高頻真空聯合干燥過程的理論分析基礎上，針對神經網絡方法建立的木材干燥模型，設計了木材干燥模糊控制器和模糊神經網絡控制器。對模糊控制和模糊神經網絡兩種控制方法進行了仿真實驗，結果表明模糊神經網絡方法控制效果更好，如溫度上升快，控制精度高，穩(wěn)定性好。模糊神經網絡控制方法對實現木材干燥過程的全自動控制具有重要研究意義。

高頻真空；木材干燥；模糊神經網絡

1 前言

高頻真空木材干燥是一種干燥速度快、能源消耗低、環(huán)境污染小的新型聯合干燥技術[1]。該技術具備高頻干燥和真空干燥各自的優(yōu)點，在減少木材干燥過程中由于局部溫度過高而發(fā)生開裂或燒焦可能性的同時，縮短了干燥時間；另外，還保證了木材的干燥品質[2]。在傳統(tǒng)proportional integral derivative（PID）控制的基礎上，將神經網絡和模糊控制結合能夠實現系統(tǒng)的智能控制，改善系統(tǒng)性能，提高控制精度。

2 高頻真空木材干燥的模糊控制方法

高頻真空木材干燥過程具有非線性和復雜性的特點，常規(guī)控制往往不能滿足控制精度，模糊控制是一種不依賴數學模型的非線性智能控制方法[3]。根據木材干燥模糊控制過程和木材高頻真空干燥工藝過程，將干燥窯內木材中心溫度與給定溫度之間的誤差e及誤差變化率ec作為控制器的輸入，將高頻控制信號g作為控制器的輸出[4]。由于輸入參數誤差e及誤差變化率ec和輸出參數高頻控制信號g都是精確量，因此需進行模糊化使之變成模糊量，木材干燥模糊控制系統(tǒng)如圖1所示。

圖1 木材干燥模糊控制系統(tǒng)方框圖Fig.1 Block diagram of wood drying control system

模糊化過程中選取高斯函數作為各模糊子集在相應論域上的隸屬函數[5]。高斯型隸屬函數形式為

式（1）中，c為高斯函數的對稱中心；δ為函數寬度。在基本模糊控制器的設計中，這兩個值根據經驗給出，具體輸入輸出量的隸屬度函數設計如下：溫度誤差的模糊等級為7，集合論域為[-6，-4，-2，0，2，4，6]，則將溫度誤差隸屬函數中c取值為-6，4，-2，0，2，4，6；δ的值取為1.2。溫度誤差變化率的模糊等級為5，集合論域為[-4，-2，0，2，4]，則將溫度誤差變化率隸屬函數中 c取值為-4，-2，0，2，4；δ的值取為1.2?？刂戚敵隽康哪：燃墳?，集合論域為[0，1，2，3，4，5，6]，則將控制輸出量隸屬函數中c取值為0，2，4，6；δ的值取為1.2。

本文采用Mamdani模型的合成推理法來建立木材干燥模糊控制器的規(guī)則，首先建立溫度誤差和溫度誤差變化率交運算的模糊關系；然后求得模糊輸出量的模糊關系，即模糊控制器的控制規(guī)則。根據模糊變量的初始值及經過改進back propagation（BP）神經網絡算法計算得出的模糊變量的調整值，可以求出具體的模糊集合，再根據合成推理法得到的模糊控制關系就能推理出輸入—輸出的模糊關系矩陣。

3 高頻真空木材干燥的模糊神經網絡控制方法

3.1 模糊控制理論與神經網絡的融合

模糊控制是通過模糊邏輯來模擬人類的思維方式處理實際系統(tǒng)中的控制問題，這種模糊邏輯控制系統(tǒng)在處理復雜性、不確定性、非精確的實際控制問題時具有明顯優(yōu)勢[6]。模糊控制用模糊集合來描述客觀存在的非確定性信息，不依賴具體的數學模型，但其變量隸屬函數和模糊控制規(guī)則不具有動態(tài)調整性，整個控制過程缺乏自學習能力，從而影響控制效果[7]。

神經網絡具有并行處理、自學習和較好的容錯能力，屬于黑箱式的學習模式，將其與模糊控制結合起來，動態(tài)地調整模糊控制器的相關參數，提高系統(tǒng)的控制性能[8]。

3.2 模糊神經網絡控制器設計

對木材干燥過程進行模糊控制時，很難得到相對準確的模糊控制規(guī)則，本文針對木材高頻真空干燥過程提出了模糊神經網絡控制方法。兩者結合方式選用的是網絡學習式，利用BP學習算法動態(tài)地調整模糊控制器變量隸屬函數的相關參數，實現木材干燥系統(tǒng)的模糊自適應控制。木材干燥模糊神經網絡控制系統(tǒng)方框圖如圖2所示。

學習算法選用的是BP算法，通過BP網絡的誤差反向傳播來調整模糊控制器模糊變量的隸屬函數，為模糊控制過程提供必要信息，以使被控對象的輸出逼近期望值[9]。模糊控制器采用的數學解析模型為

圖2 木材干燥模糊神經網絡控制系統(tǒng)方框圖Fig.2 Block diagram of wood drying fuzzy neural network control system

自學習過程中的性能函數為

式（3）中，L為性能函數的輸出；r為被控對象的期望輸出；y為被控對象的實際輸出；t為自學習過程時間。神經網絡的隱含層激勵函數選取Sigmoid型函數，輸出層激勵函數選為 fc(x)=x。得到網絡辨識的輸出值為

4 模糊控制器和模糊神經網絡控制器實驗

4.1 模糊控制器仿真實驗

仿真環(huán)境為MATLAB7.0 SIMULINK。根據日本柳杉高頻真空聯合干燥實驗的實驗結果，將模糊控制器仿真中的給定溫度設定為70℃，初始溫度設定為50℃，仿真時間定為120 min，木材干燥模糊控制系統(tǒng)的仿真原理如圖3所示，仿真輸出結果如圖4所示。

圖3 木材干燥模糊控制器仿真模型Fig.3 Simulation model of wood drying fuzzy controller

圖4 模糊控制系統(tǒng)溫度輸出曲線Fig.4 Temperature output curve of fuzzy control system

4.2 模糊神經網絡控制器仿真實驗

在模糊神經網絡控制器的MATLAB7.0仿真試驗中，本文采用M函數編輯器編寫了木材干燥系統(tǒng)的模糊神經網絡控制算法，并通過運行已經建立的M文件完成了整個仿真實驗。

為便于實驗對比，將模糊神經網絡控制器的仿真條件與模糊控制的設定為一致，木材干燥模糊神經網絡控制系統(tǒng)的仿真原理如圖5所示，仿真輸出結果如圖6所示。

圖5 木材干燥模糊神經網絡控制器仿真模型Fig.5 Simulation model of wood drying fuzzy neural network controller

從兩種控制方法的仿真結果中可以看出，模糊控制的溫度上升時間為80 min左右，調節(jié)時間接近120 min，溫度控制量的精度為±2.5℃；而模糊神經網絡控制的溫度上升時間為60 min，調節(jié)時間為85 min，溫度控制量的精度為±1℃。模糊神經網絡的控制效果要比模糊控制精確，通過BP的自學習能力動態(tài)地調整模糊控制器的相關參數，提高了模糊控制精度，減小了溫度調整時間。

圖6 模糊神經網絡控制系統(tǒng)溫度輸出曲線Fig.6 Temperature output curve of fuzzy neural network control system

5 結語

高頻真空聯合木材干燥作為一種新型的聯合干燥方式，具有干燥速度快、能源消耗低、環(huán)境污染小等優(yōu)勢。木材干燥過程具有非線性、時變性及復雜性等因素，傳統(tǒng)的控制方法達不到高精度的控制需求。本文將神經網絡理論與模糊控制相結合，利用BP算法的自學習能力動態(tài)地調整模糊控制器中變量的隸屬函數，使模糊控制器的控制輸出量更為精確?；谝呀ǖ哪静母稍锬Ｐ瓦M行了模糊控制器與模糊神經網絡控制器的對比仿真實驗，實驗結果表明木材高頻真空聯合干燥的模糊神經網絡控制器控制效果更好。

[1]李 堅.木材科學[M].哈爾濱：東北林業(yè)大學出版社，1994.

[2]何玲芝.高頻真空干燥木材的研究[J].東北林業(yè)大學學報，1992，20(3)：49-53.

[3]小林功，黑田尚宏，久田卓興，等.日本柳杉髓心方材干燥過程中的過熱蒸汽預處理[J].日本木材工業(yè)，2003，58(6)：258-263.

[4]李曉玲，高瑞清，構 濤，等.人工林落葉松髓心方材高頻/真空干燥工藝研究[J].木材工業(yè)，2010，24(1)：29-321.

[5]Cronin K，Baucour P，Abodayeh K，et al.Probabilistic analysis of timber drying schedules[J].Drying Technology，2003，21(8)：1433-1456.

[6]王立新.模糊系統(tǒng)與模糊控制教程[M].北京：清華大學出版社，2003.

[7]曹文華.混沌優(yōu)化的微波木材干燥模糊控制器的設計研究[D].哈爾濱：東北林業(yè)大學，2010.

[8]李盼池，李世勇.基于量子遺傳算法的正規(guī)模糊神經網絡控制器設計[J].系統(tǒng)仿真學報，2007，19(16)：3710-3714.

[9]曾光奇，胡均安.模糊控制理論與工程應用[M].武漢：華中科技大學出版社，2006.

Research on fuzzy neural network control method for high-frequency vacuum drying of wood

Jiang Bin，Sun Liping，Cao Jun，Zhou Zheng
(College of Mechanical and Electrical Engineering，Northeast Forestry University，Harbin 150040，China)

High-frequency vacuum combined wood drying is a kind of fast drying speed，low energy consumption，little environmental pollution of new drying technology.On the basis of theoretical analysis with high frequency in wood vacuum drying process，the fuzzy controller and fuzzy neural network controller of wood drying are designed in view of the neural network method to establish model of wood drying.The simulation experiment results show that fuzzy neural network control is better，such as the temperature rising fast，high control precision，good stability.The method to realize the automatic control of timber drying process has important research significance.

high-frequency vacuum；wood drying；fuzzy neural network

S781.71

A

1009-1742(2014)04-0017-04

2014-01-20

孫麗萍，1958年出生，女，黑龍江哈爾濱市人，教授，博士生導師，主要從事智能檢測、模式識別、木材科學與技術方面的研究；E-mail：zdhslp@163.com