自适应增强型模糊神经网络风机控制信号试验

自适应增强型模糊神经网络风机控制信号试验
 
 
自适应增强型模糊神经网络经过改进的自适应遗传算法优化后，可以得到较优的控制策略 ，即风机得到较优的控制信号。即使系统的模型发生变化，自适应增强型模糊神经网络仍能够及时的改变控制策略，得到满意的控制效果。
为考察自适应增强型模糊神经网络控制器对模型发生变化的适应能力，故在模型发生变化前后分别做出仿真曲面以便加以比较。自适应增强型模糊神经网络风机控制信号性能曲面仿真如下：
 
 
 
 
从仿真曲面图中可以清楚的看到，当系统模型发生变化时，风机的控制策略也随着发生变化，体现了系统的智能性和自适应性。
自适应增强型模糊神经网络风机控制信号输出变量的去模糊化
去模糊就是将模糊量转化为被控对象可接受的模拟量或数字量。从论域的转换角度看就是从语言变量映射到物理论域。本系统利用对数型激活函数：
输出变量经过模糊判决后输出的控制量在0—1 之间，表示各个执行器的运行功率与运行功率的比值。采用对数型激活函数而没有用模糊神经网络的输出直接作为最终输出的目的是为了让执行器能够平滑过渡，减少磨损，延长使用寿命。环境试验箱温度系统仿真结果环境实验箱在初始时刻设定跟踪温度为 40℃。在40 分钟后设定为60℃。，误差在2℃以外采用强制加热或强制冷却，在距离跟踪目标的误差在2℃以内启动模糊控制策略，系统动态跟踪性能如图所示：
 
环境实验箱湿度系统仿真结果
环境试验箱在恒湿过程中湿度系统恒湿控制性能仿真结果如图所示：