专家能力的模糊神经网自组织控制器

D0I:10.13374/j.issn1001-053x.1997.05.017 第19卷第5期 北京科技大学学报 ol.19o.5 1997年10月 Journal of University of Science and Technology Beijing Oet.1997 专家能力的模糊神经网自组织控制器 郑德玲连晋生 北京科技大学信息工程学院，北京100083 摘要为实现酒精发酵变温控制，提出一种新的、具有专家调整策略的神经网络自组织模糊控制 器.用神经网络代替传统模糊控制器的逻辑规则推理合成运算或查表，减少了工作量.采用一种 对量化，比例因子进行专家调整的策路，使系统响应的上升时间减少，超调量降低，控制器的鲁棒 性，稳定性均良好. 关键词酒精发酵，人工神经网络，模糊逻辑 中图分类号TPI8 酒精发酵是一个复杂的生化反应过程，发酵温度是影响酒精发酵好坏的重要因素，严 格控制发酵过程各阶段发酵罐的品温就成了保证酒精发酵质量的关键 1温控曲线的确定 对酒精发酵机理及生产工艺分析的基础上，得知酒精发酵整个过程大体可分3个阶段： (1)酵母细胞增殖期，此期间增殖酵母细胞的最适温度应严格控制在27~30℃；(2)日标产物 (乙醇)合成期，此期间乙醇合成的最适品温 应严格控制在30~33℃；(3)充分合成防菌 31.5 污染期，此期间的最适温度应严格控制在 30.0 (30+1)℃. 28.5 27.0 为了使酒精发酵在3个期间内均保持 8.1216202428 最佳工况，应按图1所示的品温曲线作为工 h 图1洒精发酵品温最佳控制曲线 艺温度控制参考轨迹， 2控制器 在分析了传统的模糊控制器结构基础上，提出了一种具有专家调整策略的神经网络自组 织模糊控制器.如图2所示，它与传统模糊控制器的区别主要有2点：(1)新控制器用神经网 络并行运算代替了传统模糊控制器的规则推理合成运算或查表，通过对测量偏差和修改神经 网络的权值，实现了规则自组织修正控制：(2)增加了量化比例因子专家调整机构.下面主要围 绕这2个特点加以论述 1996-07-08收稿 第一作着女57岁教授

第 卷 年 第 期 月 北 京 科 技 大 学 学 报 专家能力 的模糊神经 网 自组织控 制器 郑德玲 连晋 生 北京科技 大学信息工 程 学 院 ， 北京 摘要 为 实现酒 精发酵变温控 制 ， 提 出一种新 的 、 具有 专家调 整 策 略 的 神经 网 络 自组 织 模 糊控 制 器 用 神 经 网 络代替传统模 糊 控 制 器 的逻辑规则 推理 合成运 算 或查 表 ， 减 少 了 工 作 量 采 用 一 种 对量 化 ， 比例 因子进行 专家调 整 的策略 ， 使系统响应 的上 升时 间减 少 ， 超 调 量 降低 ， 控 制器 的鲁 棒 性 ， 稳定性均 良好 关键词 酒精发酵 ， 人工神经 网络 ， 模糊逻辑 中图分类号 即 酒 精 发 酵是 一 个 复 杂 的生化反 应 过 程 ， 发酵 温 度 是 影 响酒 精 发酵 好 坏 的 重 要 因 素 ’ 严 格控 制 发酵 过程各 阶段 发酵罐 的 品温就成 了保证酒 精 发酵 质量 的关键 温控 曲线的确定 对酒 精发酵机理 及 生 产 工 艺分析 的基 础上 ， 得 知 酒 精 发酵 整 个过 程 大 体 可 分 个 阶段 酵 母 细 胞增 殖 期 ， 此期 间增殖 酵母 细胞 的最 适 温 度 应 严格 控 制 在 一 ℃ 目标 产物 乙 醇 合 成 期 ， 此期 间 乙 醇合成 的最 适 品 温 应严格 控 制 在 一 ℃ 充 分合 成 防菌 污 染 期 ， 此 期 间 的 最 适 温 度 应 严 格 控 制 在 为 了使酒 精 发 酵 在 个 期 间 内均 保 持 最 佳工 况 ， 应 按 图 所示 的 品温 曲线作 为工 艺温 度控 制参考轨迹 图 洒精发酵品温最佳控 制 曲线 控制器 在 分析 了传统 的模糊控 制器 结 构基 础上 ， 提 出 了一 种 具 有 专家调 整 策略 的 神经 网络 自组 织模糊 控 制器 如 图 所示 ， 它 与传 统模 糊控 制器 的 区 别 主要 有 点 新控 制器 用 神经 网 络并行 运算代替 了传 统模 糊控 制器 的规则 推理 合 成 运算 或查 表 ， 通 过 对测 量 偏 差 和修 改 神经 网络 的权值 ， 实现 了规则 自组 织修 正 控 制 增 加 了量 化 比例 因子 专家 调 整 机 构 下 面 主要 围 绕这 个特 点加 以 论述 一 一 收稿 第一 作 者 女 岁 教授 DOI ：10．13374／j ．issn1001－053x．1997．05．017

·496· 北京科技大学学报 1997年第5期 性能测量 P(KT) 空制量修正 R(KN) 学习方法 模 R(T) XE +E EC 模网神经 糊 网络控制器 D 化 性 调整算法 专家推理规则 量化、比例因子专家调整策略机 图2有专家能力的模糊神经网络自组织控制器 (1)模糊神经网络控制器 图3为模糊神经网络控制器图中的X,X,分别对应偏差和偏差变化率的模糊等级，且均 分为7档，分别表示{NB,NM,NS,ZE,PS,PM,PB}.I~Ⅲ层实现模糊控制“IF-THEN”,Ⅲ ~V层实现逆模糊量化（判决〕的功能. T 输人层 隐含层 任测运 图3模糊神经网络控制器FNNC 网络I~Ⅲ层的算法如下， 层I的输出： 0x=Xk=1,2,…,14 (1) 层Ⅱ的输出： 0,=/(②w,0n=12,14 (2) 层Ⅲ的输出： 0,=j三W0 m=1,2,…13. (3) 其中X=(X,X,…,X:},表示网络模糊化后的输人

北 京 科 技 大 学 学 报 年 第 期 性能测量 一 之制量修正 学 习方法 模 网神经 网络控制器 叫 口件谕虱碧 糊化模 日际厂 调 整 算 法 专家推理规则 匹瞥叠一能 化 、 比例 因子专家调整策略机 图 有专家能力的模糊神经网络 自组织控制器 模 糊神经 网络控 制器 图 为模糊 神 经 网络控 制 器 图 中的 戈 ， 戈 分别 对应偏 差 和偏 差 变化率 的模糊 等级 ， 且 均 分 为 档 ， 分别 表示 ’ ， ， ， ， ， ， 一 层 实现模 糊控 制 “ ” ， 一 层 实现逆模 糊 量化 判 决 〕的功 能 戈 不 龙一 输人层 隐含层 仁 巾，，二 图 模糊神经网络控制器 网络 一 层 的算法 如下 乙， ， 层 的输 出 一 层 的输 出 、 戈 ， 一 ， ， … 」 一 洛 ， 岭 ， ” 层 的输 出 ， 工 川 ， 。 。 。 其 中 一 戈 ， 戈 ， … ， 戈 ， 表示 网络模糊 化 后 的输人

Vol.19 No.5 郑德玲等：专家能力的模糊神经网自组织控制器 ·497· 输出作用函数： f=(回=1+exp(-】· 设每条控制规则有2个输入变量(X=EX=9),一个输出变量U,即有(E,EC),相 应论域E,EC和U选定的模糊子集取7个语言值：{PL,PM,PS,ZE,NS,NM.NL}· 为了使模糊神经网络模拟某些已知的控制规则，则第一层的输入模式为：{“s(X)4正 (X),urs(X),up(X).upL(X).u(X)uN(X)ius(X).uzE(X).ps(X).upM(X).up(X)us(x), u()}14 第Ⅲ层输出节点数对应控制量U的量化等级数：{-6，一5，一4，-3，-2，-1,0,1,2， 3,4,5,6}·如某控制规则： IF(X,E=PL)and (X,EC PS)Then U=NM; 此时输人模式应为： {0,0,0,0,0,0,1;0,0,0,0:1,0,0}4 网络映射输出模式应为： {0,0.5,1.0,0.5,0,0,0,0,0,0,0,0,0} 其中，4-5)=0.5,4(-4)=1.0,4-3)=0.5，其余的全部为0. 使用以上方法，逐条训练规则，调整权值W,W,即可实现从输入到输出的期望映射， (2)规则自组织控制， 一般改变模糊控制系统性能的方法有多种，如改变隶属度函数、量化因子和控制量变化 比例因子，以及修改控制规则等.本文则通过性能测量，控制量较正和在线学习调节权值及量 化，及比例因子专家调整策略机制，达到系统满足预期要求的目的， ①性能测量. 性能测量是在测量系统输出的实际特性与预期特性之间差异的基础上，根据语言变化偏 差及偏差变化率EC,给出输出特性所需的较正量P. ②控制量较正， 根据校正量PnT),计算控制量变化U的校正量r(nT)(T,为采样期).设系统有时滞，其 值为m,于是需要用(nT,-mT)时刻的控制变化U(nT,-mTo). 经过(nT)的校正所得的新控制量变化为： U(nT-mT)=U(nT-mT)+r(nT (4) 控制规则修正：调整网络权值以，W,Wk,模糊控制器的输出控制量能随外界环境的 变化自适应地调整到期望的控制量， 定义 误差函数为： E·=(1/2)∑(U.-U)M=1 (5) 式中U为期望输出控制量，U为网络的实际输出： (O·W) U'= =1 -,1=1,2,…,13 (6) 权值修正为：

郑德玲等 专家能力 的模糊 神经 网 自组织控制器 输 出作 用 函数 一 不一早伏一一 设每条控 制规则有 个输人 变量 戈 一 乒戈 一 尽 ， 一个输 出变量刀 ， 即有 易 尽什 ， 相 应 论 域 乒 瞥 和 选 定 的 模 糊 子 集 取 个 语 言 值 ， ， ， ， · · 为 了 使 模 糊 神 经 网 络模 拟 某 些 已 知 的控 制 规则 ， 则 第 一 层 的 输 人 模 式 为 扭、 戈 ， 产 。 ， 拜 ， 拜 ， 群 戈 ， 拜 戈 ， 拜 ‘群 戈 ， 群 戈 ， 群 戈 ， 拜 戈 ， 拜 戈孙 毛 ， 二 毛 ， 第 层 输 出节 点数 对应控 制量 的量 化等级 数 一 ， 一 ， 一 ， 一 ， 一 ， 一 ， ， ， ， ， ， ， ，， 如某控 制规则 戈 互 弋 尽 旦 此 时输人模 式 应 为 ， ， ， ， ， ， ， ， ， ， ， 网络 映射输 出模 式 应 为 笼 ， ， ， ， ， ， ， ， ， ， ， ， 其 中哪 一 一 ， 群 一 一 讲 一 一 ， 其余 的全 部 为 使用 以 上 方法 ， 逐条 训 练规则 ， 调整权值 碑 、 ， 城 ，， 即可 实现从输人 到输 出的期望 映射 · 规则 自组织控 制 一般改 变模 糊 控 制 系 统性 能 的方 法 有多 种 ， 如 改 变 隶 属度 函 数 、 量 化 因子 和 控 制量 变 化 比例 因子 ， 以 及修改控 制规则等 本文则通过性 能测量 ， 控 制量 较正 和在 线学 习调 节权值及量 化 ， 及 比例 因子 专家调 整策 略机制 ， 达到 系 统满足 预期要 求的 目的 ①性 能测量 性 能测量是 在测量 系 统输 出的实际特性 与预期特性 之 间差异 的基 础上 ， 根据语 言变化偏 差及偏 差 变化率 ， 给 出输 出特性所需 的较 正量 尸 ②控 制量 较正 根 据校 正量 代。 兀 ， 计算控 制量 变化 的校 正 量 兀 为采样 期 〕 设 系 统有 时滞 ， 其 值 为 ， 于是需要 用 兀一 兀 时刻 的控 制变化 兀一 兀 经过 。 兀 的校正 所得 的新 控 制量 变化 为 ‘ 兀一 兀一 兀 兀 控 制规则修 正 调 整 网络权值 峨 ‘ ， 叫 ， ， 代 、 ， 模 糊控 制 器 的输 出控 制量 能 随外 界 环 境 的 变 化 自适应地调整 到期望 的控制量 定 义 误差 函数为 二 叭 一 式 中 热 ， 为期望 输 出控 制量 ， 鱿为 网络 的实 际输 出 艺 · 峨 ， 鱿 一 竺 匕一一一一一 二口 ， … ， 权值 修正 为

·498· 北京科技大学学报 1997年第5期 2E+BAW.(0 W.（+）=W,(0-2w (7) 2E' W+1)=W,(0-2W+B△W,0 (8) 2E'+BAW(O w+)=w0-2m (9) 式中，B为动量因子，n为学习率， ③量化、比例因子专家调整器. 它的设计思想类似人工调节的粗调、细调和微调.偏差较大时粗调，有利于系统的快速响 应，减少上升时间；偏差较小或进入稳态时细调或微调，以减小超调量，这种设想在模糊控制 中就是将偏差E,偏差变化率EC基本论域变化范围分成嵌套的多个层次，各层次依次具有从 大到小的不同论域.如图4所示 控制器作用的目标就是最终进入第M层的0区.在多层模糊控制器的外层可使用较大的 (a) E EM C EC ECEC ECM- E,1 -6 -B -EM 1-3-6 -E 图4控制范围分层及量化示意图.()分层示意图，b)第M层量化放大示意图 k(比例因子)，可实现系统的快速响应，减少上升时间.当系统的运动轨迹由外向内推进时， 可逐层减小k,防止超调和振荡， 调整策略是通过测量偏差的不同大小等级进行相应的调整.构成知识库的知识是由偏 差、偏差域值及相应的量化因子、比例因子等组成 专家推理规则由一组修正量化、比例因子的规则组成.形式如下： IFe≥a,andec≥b,Then k.=k,k=kk.=k。elsek。=k,-k=k-k。=k,-1其中， k,k为量化因子，k,k,k的确定根据上升时间，超调量的大小及稳态精度决定. 3酒精发酵温度控制 针对酒精发酵反应器的特征所做的简化近似模型（带0阶保持器）： G(S)=(k.e-/TS+1)(I-e-/S) (10) 其中τ，T和T,分别为迟滞时间常数、采样周期、惯性时间常数

北 京 科 技 大 学 学 报 年 第 期 峨 ‘ 什 一 峨 。 一 。黑 。 △ 峨 ， ‘ 气 ‘ 城 ， ，、 一 城 。 一 。黑 、 ，△ 、 ‘ 卜下 子 嗽 ‘ 叽 中 一 刀又二 了 ‘ 代 、 口△碑 、 式 中消为 动量 因子 ， 粉为学 习率 ③量 化 、 比例 因子 专家调整 器 它 的设计思想类 似人 工调 节 的粗调 、 细 调 和微调 偏差 较大 时粗 调 ， 有 利于 系 统 的快 速 响 应 ， 减 少 上 升 时 间 偏 差 较小 或进人 稳 态 时细 调 或微 调 ， 以 减小 超 调 量 这 种 设 想 在模 糊 控 制 中就是 将偏差 ， 偏差变化率 基 本论域变化范 围分成嵌套 的多个层 次 ， 各层 次依次具有从 大到小 的不 同论域 如 图 所示 控 制 器作 用 的 目标就是 最终 进 人 第 层 的 区 在多 层模 糊控制器 的外层 可使 用较大 的 一 仁 一 一 图 控制范围分层及 化示意 图 分层 示意图 ， 伪 第 层 化放大示 意图 比例 因子 ， 可 实 现 系 统 的快 速 响应 ， 减 少 上 升 时 间 当系 统 的运 动 轨 迹 由外 向 内推 进 时 ， 可逐层减 小气 ， 防止超 调 和振 荡 调 整 策 略是 通 过 测 量 偏 差 的不 同大 小 等级 进 行 相 应 的调 整 构 成 知 识 库 的知 识是 由偏 差 、 偏 差域值及相应 的量化 因子 、 比例 因子等组成 专家推理规则 由一组修正量 化 、 比例 因子 的规则组 成 形式 如下 己 全 ‘ 全 乓 气 ， 一 气 ， 一 ， ，一 ，， 气 一 、 ， 一 一 ， · 其 中 ， ， 为量 化 因子 ， ， ， 气的确定根 据上 升 时 间 ， 超 调量 的大小 及稳态精度决定 酒精发酵温度控制 针 对酒 精 发酵反 应器 的特 征 所做 的简化 近似模 型 带 。 阶保持器 习 · 一 ‘ ’ 不 · 一 一 丁 ‘ 其 中 ， 和 】分别 为迟 滞 时间常数 、 采样 周 期 、 ‘ 惯性 时 间常数

Vol.19 No.5 郑德玲等：专家能力的模糊神经网自组织控制器 ·499· 输人给定的酒精发酵3阶段变温曲线，分别为28.5℃，31.5℃和30℃.误差均为±1℃. 量化、比例因子选取范围：偏差分二层嵌套，即. [-X,+X]=[-6,+6],k=1;[-XXJ=[-3,+3,k2=2 偏差变化率不分层控制量基本论域分2层： [-X,+X]=[-2,2[-X+XJ=[-1,+1 而k则根据不同的给定分别为： 28.5℃时：k=14.25,km=29.5; 31.5℃时：k1=16.25,k=32.5 30℃时：k=15.5,k=31. 结果曲线如图5所示.从图可以看出，系统响应在3阶段的温度稳态误差均满足指标要 求，当改变输人给定时，系统响应的超调量很小(6%)，且稳定在要求的±1℃误差范围之 内，上升时间短，超调量小，由此可见，该控制器的控制性能完全实现了原设想要求， 4 结论 30 25 20 15 10 1002003004005006007008009001000 t/s 图5具有专家调整策略的模糊神经网络控制器仿真结果 用神经网络代替会传统模糊控制器的逻辑规则推理合成运算或查表，减少了计算工作 量.实现了神经网络模糊控制器规则的在线自组织功能，使之实用性更强，采用一种对量化、 比例因子进行专家调整的策略，使系统响应的上升时间减少，超调量降低，稳态误差根据要求 可任意调整，且该控制器的鲁棒性、稳定性均良好， 参考文献 1铃木彰.醋及调味料制造.北京：轻工业出版社，1979 2郑德玲.智能控制系统.北京：冶金工业出版社，1994

郑德玲等 专家能力 的模糊 神经 网 自组织控制器 输人 给定 的酒 精发酵 阶段 变温 曲线 ， 分别 为 ℃ ， ℃ 和 ℃ 误差 均 为 士 ℃ 量 化 、 比例 因子 选取 范 围 偏 差分二层嵌套 ， 即 一 ， 戈 一 ， ， 一 一 戈 ， 戈 一 ， ， 偏差 变化率不分层 控 制量基本论域分 层 一 ， 一 ， 一 弋 ， 弋 一 ， 而 。 则根 据不 同的给定分别 为 时 一 · ， 弋 · 时 ’ ， ， 弋 ℃ 时 碱一 巧 ， 嵘 结 果 曲线 如 图 所 示 从 图可 以 看 出 ， 系 统 响应 在 阶段 的温 度 稳 态误 差 均 满 足 指 标 要 求 当改 变 输 人 给 定 时 ， 系 统 响 应 的超 调 量 很 小 ， 且 稳 定 在 要 求 的 士 ℃ 误 差 范 围 之 内 ， 上 升 时 间短 ， 超调 量小 由此可 见 ， 该控制器 的控 制性 能完全 实现 了原设想要 求 结论 ，山乙气，、 ‘气 尸、 图 具有专家调整策略的模糊神经网络控制器仿真结果 用 神 经 网络 代替 会传 统模 糊 控 制器 的逻 辑规则 推理 合 成 运 算 或 查 表 ， 减 少 了计算 工 作 量 实 现 了 神经 网络 模糊 控 制 器规则 的在 线 自组 织 功 能 ， 使之 实 用 性 更 强 采 用 一 种 对量 化 、 比例 因子进行 专家调 整 的策 略 ， 使系 统响应 的上 升 时 间减 少 ， 超 调 量 降低 ， 稳 态误差根 据要 求 可 任意 调整 ， 且 该控 制器 的鲁棒性 、 稳定性 均 良好 参 考 文 献 铃木彰 醋及调 味料制造 北京 轻工 业 出版社 ， 郑德玲 智能控制 系统 北京 冶金 工 业 出版社