雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际先进研究期刊》的研究在电子、电子、仪表工程

菜单

ISSN在线(2278 - 8875)打印(2320 - 3765)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

比较分析去噪的杂交和自适应神经模糊温度控制在一个热交换器

苏尼尔S.Admuthe1,Dr.Rajan H.Chile2,Dr.Mrs。Lalita S.Admuthe3
  1. 学系副教授,仪表Engg P.V.P.印度理工学院,Budhgaon (Sangli)1。
  2. 教授,仪表Engg部门。,S.G.G.S.C.E & T, nand闪存,印度2
  3. 教授,电子系Engg。,DKTE ?纺织和Engg。印度研究所Ichalkaranji3
相关文章Pubmed,谷歌学者

访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程

国际先进研究期刊》的研究在电子、电子、仪表工程

文摘

达到所需的温度是一项艰巨的任务,在控制液体的温度热交换器的温度变化范围不同。所以一直在尝试控制温度的热交换器采用软计算方法。本文特点不同控制器的影响去噪和自适应神经模糊换热器的流程模型。神经模糊控制器(NFC),结合神经网络(NN)和模糊逻辑控制器(方法).Adaptive神经模糊推理系统(简称ANFIS)也结合神经网络和模糊逻辑自适应结构。提出的系统建模仿真平台和输出性能评估,性能比较,结果表明简称ANFIS的更好的优越性。

关键字
液体加热系统、热交换器、神经模糊控制器(NFC),自适应神经模糊控制器(简称ANFIS),减法聚类,液体温度,温度的渴望。

介绍
热交换器是一个基本要素在一个广泛的工业应用。快速跟踪设定值变化的稳态扰动步拒绝是标准换热器的性能要求的控制器。
大部分的工业用热交换器[1]在闭环运行标准比例积分控制器。换热器系统表现出不同的加热和冷却时间常数和非线性静态特征
传统的控制理论是基于数学模型,描述了过程控制系统的动态行为。模糊逻辑是一个灵活的方法对常规控制器。一般来说,植物在一个行业控制的PID控制器与齐格勒-尼科尔斯(zn)方法。传统的PID控制器不适合非线性系统[2]。方法是基于人类知识,更灵活的比传统PID控制器[3]。
和模糊自适应控制算法建立了机制,使它们适合功能在现代控制场景中[4][5]
自从Procyk Mamdani自组织控制器[6],许多模糊自适应系统被设计和一些实际结果报道[7][8]。模糊自适应系统提供数值和定性信息都是使用的优势建设和培训阶段。此外模糊系统被证明适用于近似任何连续非线性函数[8]- [11]
JyhShing罗杰张成泽出版社。[12]开发架构和基础简称ANFIS学习过程(自适应神经模糊推理系统)是一个模糊推理系统框架中实现自适应网络。简称ANFIS架构是用来识别非线性组件模型非线性函数的控制系统
摘要NFC和简称ANFIS设计换热器实现所需的温度。
NFC是杂交的神经网络和模糊系统。它使用反向传播算法训练神经网络,并决定结构的试验和错误的方法。
简称ANFIS也结合了神经网络和模糊系统的优势,使自适应结构,并使用混合学习法律相结合反向传播算法和最小均方算法。此外,为了减少给定问题的复杂性,或减少与问题相关的数据量首先聚类可以做,然后生成模糊推理系统(FIS)。因此我们尝试NFC和简称ANFIS热交换器的温度控制。
本文组织如下图:部分我给不同的控制技术的引入热交换器,最近可用的相关工作。第二部分解释了系统硬件。第三部分包含各种控制技术。第四部分显示了性能和V讨论和最后一部分总结了纸,紧随其后的是引用。

液体加热系统
液体加热系统的结构见图1。
冷凝器是一种装置,用于传递热量。冷凝器由两个管:内管和外管。内胎包含热的液体,由热水箱与外管包含冷液体,由冷液体罐。外管的液体温度控制的内管系统的液体。热水箱包含加热电路,搅拌器和浮子式液位传感器。加热电路由电阻温度检测器(RTD),开/关开关和加热线圈。热的液体槽将持续供应热的液体通过自动控制阀门(无环鸟苷),保持冷凝器的热量比,将由基于NFC和简称ANFIS控制器控制。排气热的液体。冷凝器的温度(外管)是检测到RTD和桥接电路。桥接电路检测到温度变化和应用于仪器放大器。 This analog input is converted to digital and applied to the NFC and ANFIS for determining the liquid temperature ratio. The digital output of NFC and ANFIS is converted into analog and further used to control the valve by using pneumatic source.

测定液体温度比
NFC和简称ANFIS是用来计算液体温度系统的比率。液体温度确定的比例从当前的温度和温度的变化。改变温度的公式描述如下,
图像

神经模糊控制器:

测定液体温度比使用模糊
液体加热系统是基于多变量模糊控制系统。模糊控制系统的操作主要是依赖于模糊规则,使用模糊集理论生成的. .fuzzified误差温度误差和改变温度应用于决策过程,其中包含一组规则。然后,去模糊化过程应用和液体温度比率决定。发达的模糊规则表在表1。使用这些T模糊规则FR是确定的。

测定液体温度比使用神经网络
这些算法的基于训练数据集。从模糊规则,网络训练数据集生成。前馈型神经网络用于模式。即输入层由两个输入。,error temperature „ e ‟and change of error temperature ‟Δe‟. The liquid temperature ratio „ T神经网络R一个¢€Ÿ是神经网络的输出。
神经网络的训练步骤如下,
步骤1:初始化输入、输出和每个神经元的重量。在这里,e和Δe网络的输入和液体流率„T神经网络R一个¢€Ÿ网络的输出。
第二步:输入训练数据集e和¯„埃托奥分类器和确定BP误差如下,
图像
步骤3:计算网络的输出如下所示,
图像
Eqn。(3)和(4)代表分别输出层和隐层的激活函数。
第四步:调整所有神经元的权重w = w +Δw,Δw重量的变化,可以确定
步骤5:从第2步重复这个过程,直到BP误差减少到最小值即
图像
过程完成后,网络是训练有素的,这将是适合提供T神经网络R误差值为任何错误和改变温度。

杂交方法和神经网络的输出
杂交是基于流程的性能改进系统。液体流率„TR一个¢€Ÿ计算电容器的组合方法输出和神经网络的输出。在这里,意思是基于操作的杂交用于计算液体流率TR。平均液流ratioA¢€ŸTR一个¢€Ÿ计算如下。
图像
输出。这些意味着液体流ratioA¢€ŸTR一个¢€Ÿ应用于输入调整电容器的无环鸟苷在这种方式,液体的温度加热系统维护。

自适应神经模糊控制器
液体加热系统是基于减法聚类和自适应神经模糊推理系统。自适应神经模糊控制系统的操作主要是依赖于模糊规则,使用减法聚类生成。

自适应神经模糊推理系统
简称ANFIS是一种多层前馈自适应网络(图2)中,每个节点执行特定功能(节点函数)对外来信号以及与该节点有关的一组参数。减法聚类用于生成模糊集群。每个模糊集群映射到一个通用预定义的隶属函数。广场节点参数而没有一圈节点。为了达到所需的输入输出映射,这些参数updatedaccording给定数据和混合学习规则。
简称ANFIS架构如图2所示,同一层的节点也有类似的功能。考虑两个输入x和y形成两个模糊if - then规则
图像
i在第一层节点的输出指示为O李层1 -我在这一层是一个自适应节点每个节点与节点的功能
图像
人工智能(或Bi2)是一个语言层与节点相关联。这里的隶属函数(或B)可以是任何参数化的隶属函数。我们使用高斯隶属函数给出的
图像
其中{ci, ai}是参数设置。这些被称为前提参数。
层2:每个节点在这一层是固定节点标记为π,其输出是所有传入信号的产物。
图像
第三层:在这里,第i个节点计算的比值ithruleA¢€Ÿs射击力量的总和ruleA¢€Ÿ年代发射的优势。
图像
层4:我在这一层是一个自适应节点每个节点与节点的功能
图像
wi在哪里规范化的发射强度从第三层和{π,气,ri}是节点的参数集。这些参数被称为顺向参数。
第五层:这一层是固定的单一节点节点标记Σ,计算整体输出的总和所有传入的信号:
图像
简称ANFIS的参数与给定的成员函数来调整输入-输出数据集。Sugeno模型非线性的输入隶属函数(高斯隶属函数),而输出隶属度函数是线性的。因此,在调优参数从一个给定的输入/输出数据集,它是最有效的使用混合学习算法。输入函数是非线性的,误差反向传播方法是合适的。作为输出函数是线性最小二乘估计方法生效。

结果和讨论
液体加热系统在MATLAB模拟工作平台7.12版。液体加热系统的性能在不同的温度变化进行了分析。发达的液体加热系统仿真模型见图3。

NFC的结果
误差和误差变化的温度应用于方法和液体温度比率决定。表面图之间的误差,误差的变化和预测输出(NFC的模型输出)图4所示
输出液体温度变化的性能是描述了微型计算机体积很小
输出液体温度变化后的液体加热系统使用NFC描述如下。从冷凝器性能的液体温度比在图7中描述。

简称ANFIS的结果
错误的温度和温度误差的变化是简称ANFIS的两个输入结构,每个输入隶属函数是使用混合方法。
输入数据集集群之前使用减法聚类训练。简称ANFIS聚类数据使用的半径是0.5。数字时代的分配是五十岁。简称ANFIS模型通过使用训练数据集训练。错误的目标设置为0.05。培训后,最终生成FIS的配置。生成FIS结构如图7所示
表面图之间的误差,误差的变化和预测输出(简称ANFIS模型输出)如图8所示。
输出液体温度变化后的液体加热系统使用简称ANFIS描述如下。
从冷凝器性能的液体温度比Fig.10中描述

结论
本文基于NFC和简称ANFIS模型换热器系统设计维护所需的液体温度。系统模拟的模型和输出性能进行了分析。NFC和简称ANFIS控制器的总体性能是非常准确的。之前都需要分析信息。简称ANFIS性能略好。除了简称ANFIS具有自适应结构因此不需要反复试验的方法来决定一个结构。最重要的一点是,它使用不同的学习算法学习的线性和非线性数据。仿真结果表明,简称ANFIS控制器有一个更广泛的一类非线性系统。

表乍一看
表的图标
表1

数据乍一看
图1 图2 图3 图4 图5
图1 图2 图3 图4 图5
图6 图7 图8 图9 图10
图6 图7 图8 图9 图10

引用
  1. F.G.Shinskey、过程控制系统、纽约:麦格劳-希尔,1979年。
  2. k . s . Tang金正日Fung, Guanrong Chen山姆邝,“最优的模糊PID控制器”。IEEE工业电子研究所硕士,第四,pp.757 - 765, 2001年8月
  3. Bambang Suprianto,默哈迈德Ashari Mauridhi亨利,“非控制系统相同的直流-直流转换器使用自适应神经模糊推理系统”,国际学术研究杂志》上,第三卷。第二。pp.716 - 721, 2011年3月
  4. S.Chiu S.Chand D。摩尔和A.Chaudhary。“模糊逻辑控制辊和时刻的柔性翼飞行器”。IEEE Syst.Mag控制。,vol 11 no.4,pp42-48,1991.
  5. 克里史密斯和D.J.来者”,自动校准使用细胞状态空间的一个模糊逻辑控制器算法。“IEEE ControlSyst。杂志,11卷。5,18-28,1991页。
  6. T。Procyk和E。Mamdani,¢€Ÿ语言自组织过程控制器,一个¢€Ÿ自动化,vol.15, pp。15 - 30,1979年。
  7. M.Jamshidi、N.Vadiee andT.J。Ress,Fuzzy Logic and Control. Upper saddle River,NJ:Prentice- Hall,1993.
  8. K.M.Passino和S。Yakovich、模糊control.Reading, MA: Addision-Wesley, 1998年。
  9. L.X.Wang。自适应模糊系统和控制:设计和稳定性分析鞍上游,台北:普伦蒂斯·霍尔出版社,1994年。
  10. H.Ying。“充分条件普通模糊系统函数近似者,一个¢€Ÿ自动化,vol.30,页。521 - 525年,1994年。
  11. J.J.扣,“Seguno类型控制器通用控制器,“模糊集系统。》,53期,页。299 - 303年,1995年。
  12. Jyh——盛罗杰张成泽,”简称ANFIS:基于自适应网络模糊推理系统,“IEEE系统,人与控制论,Vol.23,没有3 p。p 665 - 679年,1993年5月- 6月。
全球技术峰会