探析自适应模糊控制及其在供热网温度控制系统中的应用研究

《探析自适应模糊控制及其在供热网温度控制系统中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京交通大学硕士学位论文自适应模糊控制及其在供热网温度控制系统中的应用研究姓名：苏建华申请学位级别：硕士专业：交通信息工程及控制指导教师：徐洪泽20040301Y586356北京交通大学工学硕士学位论文摘要供热网温度控制系统是通过调节供热管网中的蒸汽流量，以改变建筑物室内温度的计算机控制系统。供热网热交换过程具有非线性、时变和时滞等特性。常规模糊控制器虽然对具有此类特性的被控对象有一定的适应性，但是也存在许多不足。例如，由人工经验获得的模糊控制规则不够完善，凭人工经验调节的量化因子和比例因子很难得到一组最佳的参数值。所以控制器适应范围有限，控制精度不高。本文以供热网温度控制系统为研究背景，并针

2、对常规模糊控制器的不足，作了以下工作:首先，分析传统模糊控制器结构特点。基于有符号变量的概念，提出了一种改进的二维模糊控制器。仿真结果表明，与常规的二维模糊控制器相比，本文提出的模糊控制器能够改善系统的动态性能。第二，常规模糊控制器的控制规则根据人工经验获得，存在规则不够完善，控制性能不佳的问题。本文基于遗传算法提出了一种优化设计模糊控制规则的方法。仿真结果表明，与根据人工经验获得模糊控制规则相比，基于遗传算法设计出的模糊控制规则，能够获得更好的控制性能。第三，依据人工经验来调节量化因子和比例因子有很大的盲目性，很难得到一组最佳的参数值。本文基于增强学习原理提出了一种在线调整模糊控制器量化因子

3、和比例因子的自适应模糊控制算法。仿真结果表明，与依据人工经验获得的量化因子和比例因子相比，本文提出的算法具有更好的自适应性能。最后，将本文提出的自适应模糊算法应用于供热网温度控制系统中。仿真和现场实验结果表明，与传统的模糊控制算法相比，本文提出的自适应模糊控制算法具有更好的自适应性，能够获得更高的控制精度。关键词:自适应模糊控制，供热网温度控制系统，遗传算法，增强学习原理央经作汗、矛乒万同意勿全义公布AbstractAbstractAtemperaturecontrolsystemofheatingnetisusedtoregulatethetemperatureofrooms.Itisdif

4、iculttoacquiresatisfiedperformancebynormalfuzzylogiccontrol,becausethenon-linear,time-delaya力dtime-varietyisusuallyappearedinheatingnet.Inordertoapprovetheperformanceofcontrolsystem,animprovedalgorithmofself-tuningfuzzylogiccontrolbasedontheanalysisofheatingnet'scharacteristicandconventionalfuzzycon

5、troller'sdisadvantageisproposedinthispaper.Firstly,baseontheanalysisofcharacteristicofconventionalfuzzycontroller,aconceptofsignedvariableispresentetwo-dimensionalfuzzycontrollerisddeessiigngned,whichvariable.Thesimulationresultshowstheimprovedtwo-dimensionfuzzycontrollercanimprovetheovershootandcon

6、trolprecision.Secondly,simplecontrolrulesbasedoperator'sexperienceisimperfect,whichafectthecontrolefect.Aimingattheproblem,aoptimizedwaybasedongeneticalgorithmispresentedtodesignthecontrolrules.Thesimulationresultshowsthattheperformanceofcontrolhasbeenimprovedbyoptimizedrules.Thirdly,itisblindfoldto

7、adjustthequantifieedfactorandscalingfactorbytheexperience.Andthenitishardtoacquireasetofbestparametervalues.Soanalgorithmbasedonreinforcementstudyisproposedtoadjusttthhequantifiedfactorandscalingfacto