基于粒子群的模糊神经网络.pdf

维普资讯 l6 东北电力技术 2OO7年第2期 基于粒子群的模糊神经网络 A FuzzyNeuronNetworkBasedonParticleSwarm 白江斌，金慰刚，张建华 (华北电力大学，北京 102206) 摘要：近年来循环流化床锅炉因其高效、低污染、低成本等特点得到了迅速的发展，但由于其燃烧过程十分复杂很难建立 被控对象准确的数学模型，因此难以实现常规方法的控制。设计了一个模糊神经控制器并进行了仿真研究，用改进的粒子 群优化算法对控制器的初值进行离线优化训练，仿真结果表明，优化后的模糊神经网络控制器对控制对象具有 良好的控制 性能。该控制方法可用于流化床锅炉燃烧系统等复杂过程的控制。 关键词：循环流化床锅炉；模糊神经网络；粒子群优化算法；主气压力；床层温度 [中图分类号】TP273 ．4 [文献标识码]B [文章编号】1004—7913(20o7)02—0016—04 我国的火电机组以燃煤为主。在电力发展的同 为模糊控制系统增强学习功能，为深入研究和广泛 时，对环境的污染也 日益严重，已成为电力工业可 应用提供了极大可能性。 持续发展的制约因素之一。为此，电力工业积极开 1 模糊神经网络控制 发洁净煤发电新技术，解决提高燃煤发电机组的效 率和改善环境污染两大关键问题作为今后的发展重 神经网络具有并行计算、分布式信息存储、容 点之一[1l。 错能力强以及具备 自适应学习功能等一系列优点。 循环流化床 (CFB)被公认为是一种最具发展 正是由于这些优点，神经网络的研究受到广泛的关 前景的 “洁净”煤燃烧技术，它具有常规煤粉炉所 注并吸引了许多研究工作者的兴趣。但一般来说， 没有的优点：燃烧效率高，燃料适应性广 ，低污染 神经网络不适于基于规则的知识 ，因此在对神经网 燃烧 ，脱硫效率高，燃烧热强度大，炉膛体积小， 络进行训练时，由于不能很好地利用已有的经验知 床内传热系数高，负荷调节性能好，灰渣可综合利 识，常常只能将初始权值取为零或随机数，从而增 用等。在短短的30年问，流化床技术得到了飞速 加了网络的训练时间或者陷入非要求的局部极值。 发展。由最初的鼓泡流化床发展到了循环流化床， 这是神经网络的一个不足之处。 其应用也由小型锅炉发展到容量与煤粉炉相当的大 另一方面，模糊逻辑也是一种处理不确定性、 型电站锅炉。 非线性和其他不适定问题 (il1．posedproblem)的有 由于循环流化床锅炉是一个分布参数、非线 力工具。它比较适合于表达那些模糊或定性的知 性、时变、多变量耦合紧密的控制对象，对于这样 识，其推理方式比较类似于人的思维模式。以上这 一 个复杂系统无论是对象的分析还是控制系统的设 些都是模糊逻辑的显著优点。但一般来说模糊系统 计都非常困难。从前人的研究结果来看，在常规煤 缺乏自学习和 自适应能力。 粉炉等锅炉上行之有效的基于古典控制的常规控制 基于上述讨论，若能将模糊逻辑与神经网络适 方案难以保证其各项指标的实现，而基于现代控制 当地结合起来，吸取两者的长处，可组成比单独的 理论的循环流化床锅炉控制策略的研究进行的很 神经网络或单独的模糊系统性能更好的系统。 少。模糊控制在设计系统时不需要建立被控对象的 根据文献 [2]，可以设计出如图 1所示的T— 精确数学模型。实践证明，模糊控制器能够对时 s模糊神经网络结构。图 1中所示为MIMO系统， 变、非线性和复杂对象进行较为有效的控制。模糊 是MISO系统的简单推广