[发明专利]一种基于双聚类自适应模糊神经网络的重量控制方法

说明书

本发明公开了一种基于双聚类自适应模糊神经网络的重量控制方法，是根据现场操作人员习惯，利用已有数据，在没有目标值记录以及专家提出经验的情况下，利用双聚类获得称重仓重量目标值以及称重仓重量偏差、偏差变化率、进料量偏差之间的模糊规则，并利用模糊神经网络对模糊规则进一步学习，最后得到双聚类自适应模糊神经网络控制器，从而能实现对称重仓重量的控制。本发明能自适应获取称重仓重量目标值，并学习操作人员经验以获得双聚类自适应模糊神经网络控制器，从而能实现对称重仓重量的实时控制。

技术领域

本发明属于称重仓重量控制领域，具体的说是一种基于双聚类自适应模糊神经网络的重量控制方法。

背景技术

近年来，模糊控制与工业过程相结合的智能控制方案得到更多应用，然而模糊控制过程中的模糊化以及模糊规则依赖于专家经验，这也使得模糊控制的应用存在局限性。人工神经网络可以模拟人脑功能，通过大量数据拟合出类似专家经验的模糊规则，人工神经网络与模糊控制的结合，诞生了模糊神经网络，模糊神经网络可以作为控制器应用到称重仓重量控制中，然而，模糊神经网络隐含层节点的确定仍然依赖于专家经验，同时对于过多的隐含层节点，会导致网络学习时间过长、过少的隐含层节点又无法正确充分反映操作员经验；同时目前多数水泥厂称重仓重量控制仍采用人工经验控制，不同操作员对于称重仓重量期望目标值不同，且无实时称重仓重量目标值记录。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种基于双聚类自适应模糊神经网络的重量控制方法，以期能自适应获取称重仓重量目标值，并学习操作人员经验以获得双聚类自适应模糊神经网络控制器，从而能实现对称重仓重量的实时控制。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于双聚类自适应模糊神经网络的重量控制方法的特点是应用于由称重仓、称重传感器、皮带秤和控制器所构成的装置中，并按如下步骤进行：

步骤1、利用所述称重传感器实时采集所述称重仓中均匀混合物料的重量数据，从而得到时间段t₁～t_d的重量数据{y₁，…，y_i，…，y_d}；其中，y_i为t_i时刻的物料重量，i＝1，…，d；

利用所述皮带秤实时采集称重仓的进料量，从而得到时间段t₁～t_d的进料量信息{u₁，…，u_i，…，u_d}，其中，u_i为t_i时刻称重仓的进料量；

步骤2、给定聚类数k的取值范围为{k₁，…，k_v…，k_n}，其中，k_v表示第v个取值；

基于聚类数k的取值范围{k₁，…，k_v…，k_n}，利用K-means聚类对时间段t₁～t_d的重量数据{y₁，…，y_i，…，y_d}分别进行聚类，得到不同取值所对应的簇，其中，令第v个取值k_v所对应的簇记为其对应的聚类中心为C_vj表示第v个取值k_v对应的第j个簇，c_vj表示第v个取值k_v对应第j个簇的聚类中心，h_v表示第v个取值k_v所对应的簇的数量；