空調(diào)系統(tǒng)神經(jīng)模糊控制器結(jié)構(gòu)和算法

1、空調(diào)系統(tǒng)神經(jīng)模糊控制器結(jié)構(gòu)和算法譚良才* 陳沛霖*University of Nevada Las Vegas，Las Vegas, 89154, *同濟(jì)大學(xué)，200092摘 要本文提出了一種適用于空調(diào)系統(tǒng)控制的新型神經(jīng)模糊控制器。這種神經(jīng)模糊控制器將神經(jīng)網(wǎng)絡(luò)和模糊控制緊密結(jié)合，是一種以神經(jīng)網(wǎng)絡(luò)表示模糊控制規(guī)則的模糊控制系統(tǒng)，控制推理基于模糊推理的精確值法，神經(jīng)網(wǎng)絡(luò)采用后向傳播（BP）學(xué)習(xí)算法。本文論述這種神經(jīng)模糊控制器的結(jié)構(gòu)和算法，其仿真和優(yōu)化將另文論述。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，模糊控制，精確值法，空調(diào)系統(tǒng)，神經(jīng)模糊控制器1 引言本文作者在研究高大空間恒溫空調(diào)系統(tǒng)的溫度控制時(shí)，設(shè)計(jì)總結(jié)了一種新型的

2、神經(jīng)模糊控制器1。仿真和優(yōu)化的結(jié)果表明，這種控制器較常規(guī)的模糊控制器和PID控制器有更好的控制精度、穩(wěn)定性和魯棒性。這種控制器特別適用于系統(tǒng)不確定、模型不精確的純滯后大慣性的暖通空調(diào)系統(tǒng)的精確控制。在近幾年的研究中，作者也經(jīng)常評(píng)論和閱讀神經(jīng)網(wǎng)絡(luò)和模糊控制應(yīng)用于暖通空調(diào)領(lǐng)域的文章，這些文章大多在介紹了神經(jīng)網(wǎng)絡(luò)和模糊控制的基本原理后，只是簡短地介紹了自己如何應(yīng)用這些方法于暖通空調(diào)系統(tǒng)，而沒有對(duì)某種具體的空調(diào)系統(tǒng)控制器作詳細(xì)的專門的介紹。應(yīng)制冷空調(diào)與電力機(jī)械雜志之約，作者將上述新型的神經(jīng)模糊控制器的結(jié)構(gòu)和算法，以及仿真和優(yōu)化部分分別整理成文，供同行參考，也歡迎有興趣的讀者與作者討論神經(jīng)模糊控制器在空

3、調(diào)系統(tǒng)控制中的實(shí)現(xiàn)。本文力求簡潔，略去了神經(jīng)網(wǎng)絡(luò)和模糊控制的基本原理部分，只介紹與空調(diào)系統(tǒng)控制相關(guān)的部分。關(guān)于神經(jīng)網(wǎng)絡(luò)和模糊控制的基本原理部分，讀者可以參考文獻(xiàn)2，3。本文的介紹將以空調(diào)系統(tǒng)溫度控制為例，但是神經(jīng)模糊控制算法本身是通用的，它可以用于其它物理量，如濕度、壓力和流量等的控制。2 神經(jīng)模糊控制器結(jié)構(gòu)神經(jīng)模糊控制器（Neural Fuzzy Controller）的結(jié)構(gòu)見圖1，其中，R為室內(nèi)要求溫度，e和c為實(shí)際溫差（室內(nèi)要求溫度與控制點(diǎn)溫度之差）和溫差變化率，E和C為經(jīng)過變換的溫差和溫差變化率，和為溫差和溫差變化率的模糊量，為控制量（如電加熱器功率）的模糊量，U為恒溫模糊控制器輸出的

4、控制量，u為實(shí)際控制量。神經(jīng)模糊控制器是以精確值法模糊推理和模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)組成的，包括以下三個(gè)部分：1) 精確量的模糊化，即把標(biāo)準(zhǔn)論域-1,1上的精確值變化成語言變量值論域上的模糊子集，具體過程見第3.1節(jié)。2) 模糊控制規(guī)則BP神經(jīng)網(wǎng)絡(luò)，即用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)控制規(guī)則的記憶和控制推理，詳見第3.2節(jié)。3) 模糊量的反模糊化，即把語言變量值論域上的模糊子集變化成標(biāo)準(zhǔn)論域-1,1上的精確值，具體過程見第3.3節(jié)。神經(jīng)模糊控制器實(shí)際上是一種用神經(jīng)網(wǎng)絡(luò)存儲(chǔ)模糊控制規(guī)則并執(zhí)行控制推理的模糊控制器。神經(jīng)模糊控制器具有如下特點(diǎn)：1) 它結(jié)合了模糊控制和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，具有兩者的智能，是一種高度智

5、能的控制器。2) 神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力，通過在系統(tǒng)運(yùn)行時(shí)不斷地增加和完善模糊控制規(guī)則，可以不斷提高系統(tǒng)控制的精度。也就是說，神經(jīng)模糊控制器在運(yùn)行過程中具有較強(qiáng)的自適應(yīng)能力。3) 對(duì)于不同的控制系統(tǒng)，在不改變總體結(jié)構(gòu)的情況下，通過采用不同的模糊控制規(guī)則和神經(jīng)網(wǎng)絡(luò)的輸入輸出量定義就可以直接采用神經(jīng)模糊控制器進(jìn)行控制。因此，神經(jīng)模糊控制器對(duì)不同的系統(tǒng)具有自適應(yīng)能力，它有很強(qiáng)的通用性。4) 由于上述特點(diǎn)，它特別適用于不確定性的、模糊的、非線性的和時(shí)變的復(fù)雜系統(tǒng)的控制。 計(jì)算c 模糊化模糊化模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)反模糊化 EC UecR +恒溫室圖1 神經(jīng)模糊控制器結(jié)構(gòu)-u學(xué)習(xí)模塊調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)神經(jīng)模

6、糊控制器3 神經(jīng)模糊控制器算法3.1 精確量的模糊化1.溫差e的模糊化n時(shí)刻的實(shí)際溫差e（）為：e=R(n)-T(n) （1）其中，n采樣時(shí)刻，s；e n時(shí)刻的實(shí)際溫差e, ;R(n) n時(shí)刻室內(nèi)要求溫度，;T(n) n時(shí)刻室內(nèi)控制點(diǎn)溫度，。根據(jù)系統(tǒng)工作情況、實(shí)際檢測條件和要求的控制精度，設(shè)定溫差e的論域?yàn)?1,1。當(dāng)采用精確值法推理時(shí)，E的標(biāo)準(zhǔn)論域?yàn)?1,1，比例因子為：模糊量分為8個(gè)等級(jí)：PB（正大）、PM（正中）、PS（正?。?、PO（正零）、NO（負(fù)零）、NS（負(fù)?。M（負(fù)中）、NB（負(fù)大）。這些模糊量的隸屬函數(shù)均采用高斯函數(shù)，它們?cè)跇?biāo)準(zhǔn)論域-1,1中的定義如下：NB：（2）NM：（

7、3）NS：（4）NO：（5）PO：（6）PS：（7）PM：（8）PB：（9）其中，x標(biāo)準(zhǔn)論域-1,1中的自變量；， ，模糊量的8個(gè)等級(jí)：NB、NM、NS、NO、PO、PS、PM、PB的隸屬函數(shù)。上述隸屬函數(shù)圖形見圖2。2.溫差變化率c的模糊化n時(shí)刻的實(shí)際溫差變化率c（/s）為：（10）其中，c n時(shí)刻的實(shí)際溫差變化率c，/s；R(n-1) n-1時(shí)刻室內(nèi)要求溫度，;T(n-1) n-1時(shí)刻室內(nèi)控制點(diǎn)溫度，；Ts采樣周期，s。對(duì)于恒溫空調(diào)系統(tǒng)，R(n)=R(n-1) （11）從而有，（12）設(shè)溫差變化率c的論域?yàn)?0.01,0.01。當(dāng)采用精確值法推理時(shí)，C的標(biāo)準(zhǔn)論域?yàn)?1,1，比例因子為：模糊

8、量也分為8個(gè)等級(jí)：PB、PM、PS、PO、NO、NS、NM、NB。這些模糊量的隸屬函數(shù)均采用高斯函數(shù)，它們?cè)跇?biāo)準(zhǔn)論域-1,1中的定義見式（2）式（9），相應(yīng)的隸屬函數(shù)形狀見圖2。3.控制量（電加熱器功率）u的模糊化文獻(xiàn)1中的神經(jīng)模糊控制器用來控制某高大空間的恒溫空調(diào)系統(tǒng)，空調(diào)末端采用電加熱器調(diào)節(jié)溫度，這里引用文獻(xiàn)1的例子，以電加熱器功率為輸出控制量。文獻(xiàn)1中的空調(diào)控制分區(qū)的負(fù)荷為0,2，其中=5000W。電加熱器的功率范圍應(yīng)為0,，設(shè)其中的電加熱器效率，電加熱器的加熱功率初始值為：電加熱器加熱功率u（W）的論域?yàn)?5556,5556，實(shí)際電加熱器的功率（W）應(yīng)為：的變化范圍為0,11112。當(dāng)

9、采用精確值法推理時(shí)，U的標(biāo)準(zhǔn)論域?yàn)?1,1，比例因子為：模糊量也分為8個(gè)等級(jí)：PB、PM、PS、PO、NO、NS、NM、NB。這些模糊量的隸屬函數(shù)均采用高斯函數(shù)，它們?cè)跇?biāo)準(zhǔn)論域-1,1中的定義見式（2）式（9），相應(yīng)的隸屬函數(shù)形狀見圖2。3.2模糊控制規(guī)則BP神經(jīng)網(wǎng)絡(luò)3.2.1 模糊控制規(guī)則設(shè)計(jì)根據(jù)熟練操作人員的經(jīng)驗(yàn)和專家的知識(shí)，參考有關(guān)文獻(xiàn)2,4，在分析恒溫室溫度變化曲線的基礎(chǔ)上得到恒溫模糊控制系統(tǒng)的多條模糊控制規(guī)則，組成模糊控制規(guī)則表，見表1。表1 模糊控制量的模糊控制規(guī)則表溫差變化率的模糊量溫差的模糊量NBNMNSNOPOPSPMPBNBNBNBNBNMNMNMNSPONMNBNBNMN

10、MNMNSPOPSNSNBNMNMNSNSPOPSPMNONMNMNSNOPOPSPMPMPONMNMNSNOPOPSPMPMPSNMNSNOPSPSPMPMPBPMNSNOPSPMPMPMPBPBPBNOPSPMPMPMPBPBPB3.2.2 模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)在人們的思維中，抽象的概念對(duì)應(yīng)著一個(gè)模糊量，抽象的經(jīng)驗(yàn)知識(shí)是聯(lián)系它們的一種映射，如表1中的模糊控制規(guī)則；從生理的觀點(diǎn)，人們的知識(shí)是大腦神經(jīng)網(wǎng)絡(luò)所實(shí)現(xiàn)的某些記憶，它是由神經(jīng)元不同強(qiáng)度的聯(lián)系來實(shí)現(xiàn)概念之間的聯(lián)系，而概念則是具體的觀測量或控制量所引起的一些神經(jīng)元不同程度的興奮。根據(jù)這個(gè)觀點(diǎn)，如果采用神經(jīng)網(wǎng)絡(luò)來表達(dá)和使用人們的經(jīng)驗(yàn)知識(shí)則

11、是一種更加自然的方式，即通過一組神經(jīng)元不同程度的興奮表達(dá)一個(gè)抽象的概念值，由此將抽象的控制規(guī)則轉(zhuǎn)化成神經(jīng)網(wǎng)絡(luò)的輸入輸出樣本，簡單地說，就是用神經(jīng)網(wǎng)絡(luò)記憶控制規(guī)則并執(zhí)行推理。本文采用BP神經(jīng)網(wǎng)絡(luò)作為模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)，并采用精確值法進(jìn)行推理確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和輸入輸出單元，精確值法推理的具體過程如圖3所示，據(jù)此設(shè)計(jì)出本文的模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)見圖4，它是一個(gè)含輸入層、隱層和輸出層的三層BP神經(jīng)網(wǎng)絡(luò)。在精確值法模糊推理中，模糊量、被表示成語言變量值論域 NB，NM，NS，NO，PO，PS，PM，PB 的模糊子集，執(zhí)行模糊推理時(shí)，需要輸入精確值對(duì)各語言變量值的隸屬度。設(shè)精確值為x，則相應(yīng)的隸屬度值

12、集合為， ，。模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)就是將和對(duì)應(yīng)的， ，作為輸入神經(jīng)元，將對(duì)應(yīng)的， ，作為輸出神經(jīng)元，并加入隱層而構(gòu)成的。其中的輸入單元數(shù)等于16，輸出單元數(shù)等于8，隱單元數(shù)需要根據(jù)樣本數(shù)量確定。在本文的恒溫模糊控制器設(shè)計(jì)中，共確定了64條模糊控制規(guī)則，見表1，因此，共有64個(gè)樣本。根據(jù)BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本記憶能力的研究結(jié)論：采用漸近函數(shù)作為隱層激發(fā)函數(shù)的三層BP神經(jīng)網(wǎng)絡(luò)，n-1個(gè)隱單元數(shù)能夠準(zhǔn)確記憶n個(gè)樣本，隱單元數(shù)應(yīng)該為63個(gè)，但考慮到將來可能要增加模糊控制規(guī)則，本文將隱單元數(shù)定為70個(gè)，這樣做有兩個(gè)原因：1) 在一定的范圍內(nèi)，較多的隱單元數(shù)可以較準(zhǔn)確地記憶所有樣本，即70個(gè)隱單元記憶64個(gè)樣

13、本是完全可行的。2) 以后增加模糊控制規(guī)則（數(shù)量少于7條）時(shí)，可以不用更改BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。本文的模糊控制規(guī)則BP神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元采用雙曲正切型激發(fā)函數(shù)；考慮到網(wǎng)絡(luò)的輸出值范圍為0,1，輸出神經(jīng)元采用Sigmoid型激發(fā)函數(shù)；在輸入層，神經(jīng)元的輸出值與輸入值相等。圖3 精確值法模糊推理過程N(yùn)BNMNSNOPO精 NBPS確模NMPM值糊NSPB法控NONB模制PONM糊規(guī)PSNS推則PMNO理PBPOPSPMPB圖4 模糊控制規(guī)則BP神經(jīng)網(wǎng)絡(luò)OOONB OONM OONS OONO OOPO OO ONBPS OO ONMPM OO ONSPB OO ONONB OO OPONM OO O

14、PSNS OO OPMNO OO OPBPO OOPS OPM OPB OOOOO輸入層隱層輸出層用上述64個(gè)樣本對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，就可以確定神經(jīng)網(wǎng)絡(luò)中的各個(gè)權(quán)系數(shù)的值。其中，由于每條模糊控制規(guī)則樣本所對(duì)應(yīng)的輸入輸出值不是精確值，而是一個(gè)語言變量值，因此需要對(duì)它進(jìn)行處理。下面以一條模糊控制規(guī)則為例，說明其處理過程。設(shè)有模糊控制規(guī)則：if =PB and =NS then =PM，將它作為BP神經(jīng)網(wǎng)絡(luò)的樣本時(shí)，輸入向量為0,0,0,0,0,0,0,1,0,0,1,0,0,0,0,0T，輸出向量為0,0,0,0,0,0,1,0T。亦即，取模糊控制規(guī)則中的語言變量值對(duì)應(yīng)的語言變量值論域中相

15、應(yīng)的語言變量值的隸屬度為1，其它均為0。采用BP算法對(duì)上述神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)1，經(jīng)過3790次迭代后，學(xué)習(xí)過程的收斂誤差為0.1；經(jīng)過24804次迭代后，收斂誤差為0.01。學(xué)習(xí)3790次的收斂曲線見圖5。圖5 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)收斂曲線以上說明了BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程，它的主要功能是對(duì)模糊控制規(guī)則進(jìn)行記憶。當(dāng)模糊控制規(guī)則被記憶在BP神經(jīng)網(wǎng)絡(luò)中以后，就相當(dāng)于人通過大腦記憶了知識(shí)，從而可以利用它們進(jìn)行控制推理。以下將說明BP神經(jīng)網(wǎng)絡(luò)的運(yùn)算過程，即執(zhí)行模糊推理的功能。用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行推理的過程很簡單，不需要進(jìn)行復(fù)雜的推理運(yùn)算。設(shè)有精確輸入值E0和C0，它們對(duì)應(yīng)的模糊量分別為和：則執(zhí)行推理的輸入向量為：經(jīng)

16、過BP神經(jīng)網(wǎng)絡(luò)的運(yùn)算（這個(gè)運(yùn)算過程的速度是非?？斓模┖?，得到輸出向量為：即輸出模糊量為：3.2.3 小結(jié)本文采用精確值法模糊推理的基本思想，建立了模糊控制規(guī)則BP神經(jīng)網(wǎng)絡(luò)，并實(shí)現(xiàn)了模糊推理中的兩個(gè)基本功能：1.記憶和存儲(chǔ)模糊控制規(guī)則，這是通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程實(shí)現(xiàn)的；2.執(zhí)行控制推理，這是通過神經(jīng)網(wǎng)絡(luò)的執(zhí)行過程實(shí)現(xiàn)的。在精確值法模糊推理的基礎(chǔ)上，本文的模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)發(fā)展并改進(jìn)了精確值法模糊推理，具體表現(xiàn)在以下幾點(diǎn)：1.模糊控制規(guī)則的前件可以用語言變量值的模糊子集表示。表1中的模糊控制規(guī)則的前件均為具體的語言變量值，精確值法模糊推理中的關(guān)系矩陣也限制模糊控制規(guī)則的前件只能是具體的語言變量值

17、2，而神經(jīng)網(wǎng)絡(luò)則對(duì)模糊控制規(guī)則的前件表達(dá)形式?jīng)]有任何限制，因此，完全可以采用語言變量值的模糊子集表示。這樣，下面的模糊控制規(guī)則是合法的（它只是一條新增的控制規(guī)則的例子，它與表1是不對(duì)應(yīng)的互補(bǔ)關(guān)系），并且可以非常方便地作為神經(jīng)網(wǎng)絡(luò)的樣本被神經(jīng)網(wǎng)存儲(chǔ)和記憶：if =0/NB+0/NM+0/NS+0/NO+0/PO+0/PS+0.1/PM+0.9/PB and =0/NB+0.1/NM+0.8/NS+0.1/NO+0/PO+0/PS+0/PM+0/PB then =0/NB+0/NM+0/NS+0/NO+0/PO+0/PS+0.9/PM+0.1/PB這樣，模糊控制規(guī)則的表達(dá)更加自然和精確。2.既能接

18、受結(jié)構(gòu)化的語言信息，又能接受數(shù)據(jù)信息。在模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)中，由于模糊控制規(guī)則的前件和后件均能用語言變量值的模糊子集表示，而任何一個(gè)精確值（數(shù)據(jù)樣本）也都可以用語言變量值的模糊子集表示，這就意味著控制規(guī)則可以是數(shù)據(jù)樣本信息，通過變換后成為用語言變量值的模糊子集表示的模糊控制規(guī)則。所以，模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)既能處理結(jié)構(gòu)化的語言規(guī)則信息，即條件語句，也能處理數(shù)據(jù)樣本信息，從而擴(kuò)展了精確值法的數(shù)據(jù)處理能力。這一點(diǎn)是常規(guī)模糊控制器和一般的神經(jīng)網(wǎng)絡(luò)所不具備的，因?yàn)槌Ｒ?guī)模糊控制器只能接受結(jié)構(gòu)化的語言規(guī)則信息，而一般的神經(jīng)網(wǎng)絡(luò)只能接受數(shù)據(jù)樣本信息。如果將以條件語句為基礎(chǔ)的模糊控制規(guī)則稱為語言規(guī)則，而將以數(shù)

19、據(jù)樣本信息為基礎(chǔ)推導(dǎo)的模糊控制規(guī)則稱為數(shù)據(jù)規(guī)則，則在模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)中，模糊控制規(guī)則包括語言規(guī)則和數(shù)據(jù)規(guī)則，并且對(duì)語言規(guī)則和數(shù)據(jù)規(guī)則的處理方式完全相同。3.可以非常自由地增加模糊控制規(guī)則，逼近任何關(guān)系曲線。由于前面的原因，在無須增加前件語言變量值的情況下，就可以根據(jù)實(shí)際需要增加模糊控制規(guī)則，并且被神經(jīng)網(wǎng)絡(luò)存儲(chǔ)和記憶。更重要的是，此時(shí)，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)沒有必要作任何改變（當(dāng)隱單元數(shù)足夠多時(shí)），只需要通過重新學(xué)習(xí)調(diào)整網(wǎng)絡(luò)權(quán)系數(shù)即可。采用模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)，還有以下的優(yōu)點(diǎn)：1.當(dāng)控制系統(tǒng)的維數(shù)（輸入輸出變量總數(shù)）較多時(shí)，模糊控制的推理過程很復(fù)雜，也不便形成直觀的控制表，而神經(jīng)網(wǎng)絡(luò)的執(zhí)行過程與系統(tǒng)

20、的維數(shù)無關(guān)，推理速度非?？?，具有良好的實(shí)時(shí)性。2.采用神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，具有良好的容錯(cuò)功能。由于神經(jīng)網(wǎng)絡(luò)以分布式方式存儲(chǔ)信息，即使網(wǎng)絡(luò)中某一通路受到破壞，通過聯(lián)想記憶仍然能恢復(fù)出原有的信息。而且，神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性還可以自動(dòng)排除相互矛盾和有錯(cuò)誤的模糊控制規(guī)則，可以保證并提高模糊控制規(guī)則的完備性和一致性，減少模糊控制規(guī)則之間的交互影響。3.修改模糊控制規(guī)則很方便，通過網(wǎng)絡(luò)學(xué)習(xí)改變網(wǎng)絡(luò)權(quán)系數(shù)即可。4.當(dāng)神經(jīng)網(wǎng)絡(luò)應(yīng)用于更多條件和作用的多輸入多輸出系統(tǒng)時(shí)，只需規(guī)定神經(jīng)網(wǎng)絡(luò)的輸入輸出節(jié)點(diǎn)代表的含意，無需改變神經(jīng)網(wǎng)絡(luò)的算法和總體結(jié)構(gòu)，因此它具有廣泛的通用性?？傊：刂埔?guī)則神經(jīng)網(wǎng)絡(luò)是一種更加成熟的控制推理

21、方法。3.3模糊量的反模糊化對(duì)于輸入的溫差E和溫差變化率C，經(jīng)過模糊化后，根據(jù)表1所示的模糊控制規(guī)則進(jìn)行模糊推理，得到電加熱器功率的模糊控制量，并采用重心法執(zhí)行反模糊化，得到電加熱器功率的精確控制量U，最終的電加熱器功率值u為：當(dāng)采用精確值法推理時(shí)，為電加熱器功率語言變量值論域 NB，NM，NS，NO，PO，PS，PM，PB 的模糊子集，各語言變量值隸屬函數(shù)的中心值或最大值可以根據(jù)式（2）式（9）及圖2計(jì)算得出。各語言變量值在標(biāo)準(zhǔn)論域上的，見表2。采用重心法計(jì)算電加熱器功率的精確控制量U的公式為：表2 電加熱器功率語言變量值對(duì)應(yīng)的標(biāo)準(zhǔn)論域上的中心值或最大值NBNMNSNOPOPSPMPB-1-

22、0.67-0.33000.330.6714 神經(jīng)模糊控制器的結(jié)構(gòu)優(yōu)化為了進(jìn)一步提高神經(jīng)模糊控制器的控制效果，可以在神經(jīng)模糊控制器中設(shè)計(jì)最優(yōu)的控制比例因子。即在系統(tǒng)實(shí)際運(yùn)行前，由神經(jīng)模糊控制器根據(jù)仿真運(yùn)行所得指標(biāo)函數(shù)對(duì)比例因子、和進(jìn)行優(yōu)化，分別得到最優(yōu)的控制比例因子為、和。關(guān)于仿真優(yōu)化的具體方法，將另文介紹。對(duì)比例因子進(jìn)行尋優(yōu)的神經(jīng)模糊控制器見圖6。圖6 優(yōu)化比例因子神經(jīng)模糊控制器結(jié)構(gòu)恒溫室調(diào)整比例因子指標(biāo)函數(shù)神經(jīng)模糊控制器計(jì)算c 模糊化模糊化模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)反模糊化 EC UecR +-u在系統(tǒng)運(yùn)行過程中，也可以對(duì)控制比例因子、和執(zhí)行動(dòng)態(tài)自調(diào)整，形成變比例因子模糊控制器，這是一種自組織神經(jīng)

23、模糊控制器。自組織模糊控制器具有對(duì)系統(tǒng)和環(huán)境更好的自適應(yīng)性。這部分的詳細(xì)內(nèi)容請(qǐng)參考文獻(xiàn)1。5 結(jié)論本文提出了一種模糊控制和神經(jīng)網(wǎng)絡(luò)相結(jié)合的全新的神經(jīng)模糊控制器，這種神經(jīng)模糊控制器是精確值法模糊推理和模糊控制規(guī)則神經(jīng)網(wǎng)絡(luò)的完美結(jié)合，它是一種用神經(jīng)網(wǎng)絡(luò)存儲(chǔ)模糊控制規(guī)則并執(zhí)行控制推理的模糊控制器，它發(fā)展并改進(jìn)了模糊推理的精確值法，具有模糊控制和神經(jīng)網(wǎng)絡(luò)兩者的雙重智能，特別適用于不確定性的、模糊的、非線性的和時(shí)變的復(fù)雜系統(tǒng)的實(shí)時(shí)控制。在無需改變總體結(jié)構(gòu)的情況下，本文的神經(jīng)模糊控制器能夠適用于不同的系統(tǒng)和運(yùn)行工況，它具有很強(qiáng)的自適應(yīng)能力和通用性。參考文獻(xiàn)1譚良才基于神經(jīng)模糊控制的高大空間恒溫空調(diào)系統(tǒng)數(shù)字

24、仿真及實(shí)驗(yàn)研究同濟(jì)大學(xué)博士學(xué)位論文，1999.92余永權(quán)，曾碧單片機(jī)模糊邏輯控制北京：北京航空航天大學(xué)出版社，1995.73焦李成神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論西安：西安電子科技大學(xué)出版社，1990.124黃布毅模糊控制技術(shù)在家用電器中的應(yīng)用北京：中國輕工業(yè)出版社，1998.1Neural Fuzzy Controller of Air Conditioning System Structure and AlgorithmLiangcai Tan* and Penlin Chen* Department of Mechanical Engineering, University of Nevada Las Vegas, Las Vegas, 89154, *Department of Thermal Engineering, Tongji University, Shang