雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际创新研究期刊》的研究在科学、工程和技术

菜单

ISSN在线(2319 - 8753)打印(2347 - 6710)

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。

智能优化控制的热交换器使用基于简称ANFIS和区间二型模糊推理系统

1博卡普拉温•库马尔2Jha Manoj,3库雷希M.F。4Agrawal G.K.
  1. 机械Engg部门。,Rungta Engg学院。&技术。sujeet kumar印度
  2. 应用数学,RSR Rungta Engg学院。&技术。印度。
  3. 部门电气Engg。,Govt. Polytechnic Narayanpur, India,
  4. 机械Engg部门。Engg政府。大学,比拉斯布尔、印度。
相关文章Pubmed,谷歌学者

访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术

国际创新研究期刊》的研究在科学、工程和技术

文摘

本文基于自适应网络模糊推理系统(简称ANFIS)是用于控制应用程序的换热器区间二型模糊逻辑控制器(IT-2FL)。被选出的两个基于自适应网络模糊推理系统设计2型模糊逻辑控制器为每个控制应用程序。整个集成系统为控制换热器叫做IT2方法+简称ANFIS控制器。隶属度函数在区间二型模糊逻辑控制器被设置为一个叫做足迹的不确定性(傻人),由两个有限隶属度函数的基于自适应网络模糊推理系统;他们上隶属函数(UMF)和较低的成员函数(LMF)。这项工作涉及的设计和应用IT2方法+简称ANFIS控制器热交换器。处理参数调整的问题,有效去噪方案称为简称ANFIS(基于自适应网络模糊推理系统)都可以使用。的IT2方法+简称ANFIS控制器的热交换器与经典PID控制相比较。系统行为定义为拉格朗日公式和MATLAB计算机模拟。仿真结果证实,间隔type2模糊是一种成功的可能性热交换器的控制。 The advantage of this approach is that it is not a linear-model-based strategy. Comparison of the simulation results obtained using IT2 FLC+ANFIS controller and those obtained using classical PID control demonstrates the effectiveness and superiority of the proposed approach because of the smaller consumption of the heating medium

关键字
基于自适应网络模糊推理系统,区间type-2fuzzy控制器、热交换器、控制仿真

介绍
模糊集(ⅰ型)和模糊逻辑是模糊系统的基础,他们的目标是大脑如何操纵模型不精确的信息。二型模糊集是用来控制在一个更好的方法的不确定性和不精确。这些二型模糊集最初提出的德(1975)和本质上是一个¢€•模糊fuzzyA¢€–集、模糊隶属程度是1型模糊集(陈守煜,1988;卡斯蒂略等2008)。介绍了新概念(梁等2000;孟德尔,2001;Adak et al 2011)允许二型模糊集的描述与优越的隶属函数和一个劣质的隶属函数;这两个函数可以表示,每一个由1型模糊集隶属函数。这两个函数之间的间隔表示不确定性的足迹(4),用于描述一个2型模糊集。在传统上,1型方法已经广泛使用在非线性系统的控制,近年来它已成为明显的1型方法不能完全处理高水平的不确定性作为MFs(成员函数)实际上是完全酥(Hagras, 2004;孟德尔,2001; Adak et al 2011). The linguistic and numerical uncertainties associated with dynamic unstructured environments cause problems in determining the exact and precise MFs during the system FLC design. Moreover, the designed type-1 fuzzy sets can be suboptimal under specific environmental and operational conditions. The environmental changes and the associated uncertainties might require the continuous tuning of the type-1 MFs as otherwise; the type-1 FLC performance might deteriorate (Mendel, 2001). As a consequence, research has started to focus on the possibilities of higher order FLCs, such as type-2 FLCs that use type-2 fuzzy sets. A type-2 fuzzy set is characterized by a fuzzy MF, that is, the membership value (or membership grade) for each element of this set is a fuzzy set in [0, 1], unlike a type-1 fuzzy set where the membership grade is a crisp number in [0,1] (Hagras, 2004). The MF of a type-2 fuzzy set is three dimensional and includes a footprint of uncertainty. It is the third dimension of the type-2 fuzzy sets and the footprint of uncertainty that provide additional degrees of freedom making it possible to better model and handle uncertainties as compared to type-1 fuzzy sets. In this paper, adaptive network based fuzzy inference system (ANFIS) was used as interval type-2 fuzzy logic controller (IT-2FL) in control strategies of the Heat Exchanger. Interval type2 fuzzy logic control was not taken into consideration by this approach in most of the cited investigations, despite some of its advantages indicated in this study. Proposed type-2 fuzzy logic controller combines two different control techniques which are adaptive network based fuzzy logic inference system control and interval type-2 fuzzy logic control, and uses their control performances together. Adaptive network based fuzzy inference system (ANFIS) uses a hybrid learning algorithm to identify parameters of Sugeno-type fuzzy inference systems. A combination of the least squares method and the back propagation gradient descent method is used in training interval type2 fuzzy inference system (IT2FIS) membership function parameters to emulate a given training data set. Moreover MATLAB/Sim-Mechanics toolbox and computer aided design program (Solid Works) was used together for visual simulations.. Also MATLAB/ANFIS toolbox was used to create adaptive network based fuzzy logic inference system controllers.
简称ANFIS是介于一个人工神经网络和一个间隔type2模糊推理系统(IT2FIS)和代表Takagi-Sugeno模糊广义前馈神经网络模型,用热交换器和火车的I / O数据,从而调整前期隶属度函数的参数以及功能的。程序设计自适应2型方法。简称ANFIS(自适应神经模糊推理系统)技术用于减少自适应的计算负载2型方法而不失去控制的效率。事实上简称ANFIS技术的使用可以减少所需的方法规则实现良好的控制,减少计算负荷,使控制器更灵活,保证高绩效。

热交换器的数学模型
考虑一个顺流管式换热器(VasiA„一kaninova et al 2010),中石油(下标1)加热热水(下标3)通过一个铜管(下标2)。控制变量是温度T1out出口石油。在输入变量中,水的流速q3 (t)被选中作为控制变量,而其他进口变量是常数。热交换器的参数和稳态输入表1所示,在上标表示稳态和下标表示inlet.的
热交换器的数学模型,推导出在一些简化假设和三偏微分方程所描述的。
图像
图像
图像
D是管直径,一个¯²密度,C P是比热容,传热系数α,q是体积流率。

换热器的区间二型模糊动态模型
区间二型模糊集的概念
图像
图像
图像
InputsA¢€–来一个¢€•脆OutputsA¢€–),和这种映射可以量化为Y = f (x)。这IT2 FLS的发现在许多工程应用中,也被称为区间二型模糊逻辑控制器(IT2方法(Hagras, 2007),区间二型模糊专家系统,或区间二型模糊模型。
图像
输入IT2 FLS的模糊性之前可能某些(例如,完美的测量)或不确定(如噪声测量)。T1或IT2 FSs可以用于模型后者测量。IT2 FLS的工作如下:脆输入第一fuzzified分为类型0(称为单例模糊性),1型或IT2 fs,然后激活推理引擎和规则库生成输出IT2 fs。这些IT2 FSs由减速器处理(结合集,然后执行一个重心计算),导致一个区间T1 FS叫type-reduced集。然后defuzzifier defuzzifies type-reduced将产生的输出。规则是读者的心,可能是由专家或可以从数字数据中提取。在这两种情况下,规则可以表示为如果-那么语句的集合。
图像
x和y是输入、人工智能和Bi是模糊集,fi是指定的区域内的模糊输出的模糊规则,π,气和ri在训练过程中确定的设计参数(Widrow等1985)。该简称ANFIS模型结合了神经网络自适应能力和模糊逻辑定性方法(德,1989)。基于模糊逻辑的智能系统非线性复杂系统控制的基本工具。二型模糊集是用来控制在一个更好的方法的不确定性和不精确。这些二型模糊集最初提出的德(1975)和本质上是一个¢€•模糊fuzzyA¢€–集,模糊隶属程度是一个1型模糊集(德,1989)。介绍了新概念由梁和孟德尔允许二型模糊集的描述与优越的隶属函数和一个劣质的隶属函数;这两个函数可以表示每一个由1型模糊集隶属函数。这两个函数之间的间隔表示不确定性的足迹(4),用于描述一组2型模糊图1所示。结构的区间二型模糊逻辑推理系统在图2中给出了。毕竟这些指令简称ANFIS和区间二型模糊推理系统,简称ANFIS控制器用于控制应用程序,然后根据表演IT2-FL控制器建立简称ANFIS控制器的双倒立摆,一个灵活的链接和灵活的链接着摆系统。 Realization phases of this study were given in Fig.4.
去模糊化过程
一旦激活,模糊控制器规则评估和所有的规则执行真正的被解雇。利用真实的输出隶属度函数,然后应用于确定脆去模糊化控制行动。去模糊化是将控制信号转换为一个精确的控制输出。Sugeno-style推理,我们必须选择wtaver(加权平均)或wtsum加权和去模糊化方法。去模糊化过程中基于自适应网络模糊逻辑控制器,加权平均的方法(wtaver):
图像
本文的目的是模拟区间二型模糊逻辑控制器的一种新方法,利用基于自适应网络模糊推理系统。三个区间二型模糊逻辑控制器的设计和用于控制换热器。热交换器的选择等控制的非线性系统,提出了IT2-FL控制器显示IT2-FL效率控制和验证新方法的有效性。在这项研究中,基于自适应网络模糊推理系统(简称ANFIS)控制器设计并应用于热交换器。简称ANFIS控制器用于热交换器间隔2型隶属度函数和控制规则的确切数量。而且这个简称ANFIS控制器相结合创造一个区间二型模糊逻辑控制器。最终获得了一个区间二型模糊逻辑控制器提出了换热器的使用基于自适应网络模糊推理系统。
本文提出的混合学习算法用于神经网络的一部分,简称ANFIS控制器。连续区间二型模糊动态模型,提出的(梁等2000)所描述的区间二型模糊if - then规则。它可以被视为一种语言的组合建模和数学回归,在某种意义上,祖先描述区间二型模糊区域的输入空间的功能是有效的。第i个规则是下面的形式(Song-Shyong等2007)。我工厂规则:
图像
从间隔2型t - s模糊模型规则推导
图像

系统的设计框架
一个独立的代理fuzzifies和规范基本简称ANFIS系统的输入参数在这一节中描述。这样的交互式用户界面接收来自用户和传播环境参数系统的决策支持。用户界面也有助于规范环境参数在给定范围内,从而抚平基础简称ANFIS的操作系统。所提出的系统图3中描述的结构。
图像
上述体系结构的基本目标是让用户输入他们的选择和需求模糊形式。由于输入模糊形式,有需要defuzzify脆规范化值;所以为基础简称ANFIS系统决策过程。接口主要组件像IT2-FS语言接口,一个完整的规则库,隶属度函数的定义和推理机制。自IT2-FS地图模糊,模糊,有减少设施类型的需求,减少由此产生的模糊值T2-FS成脆值的帮助下IT1FS defuzzifier。工作空间可以用来保存临时结果在推理和转换。
简称ANFIS
Takagi-Sugeno(1985)模糊系统可能在神经网络结构的形式。这种形式称为简称ANFIS(自适应神经模糊推理系统)(张成泽,1993)。简称ANFIS技术的主要优势是一个输入输出映射的建设基于人类知识(模糊if - then规则的形式)和规定的输入-输出数据对。2型模糊控制器优化
图像
规则减少技术使用自适应区间二型模糊逻辑控制器
大量的使用规则的模糊逻辑控制器使控制系统更准确和精确,提供高性能,但增加处理器的计算负载。减少自适应区间二型模糊控制器的规则数量是可能通过简称ANFIS优化技术,使用作为输入一个1型模糊控制器与大量的规则和误差和误差的积分。提出优化方法,1型模糊控制器的输入和输出与49个规则库构成的训练数据自适应基于网络的模糊推理系统(简称ANFIS)。培训模式使用梯度下降法和最小二乘算法分别优化前期和随之而来的参数。
图像
调整2型模糊控制器的过程开始于1型模糊集,因为它是不可能直接应用简称ANFIS二型模糊系统(孟德尔,2001)。新获得的优化1型模糊系统简称ANFIS因此用于初始化新二型模糊系统的参数。2型高斯隶属度函数的中心是一样的1型高斯隶属函数,而外部的振幅值(上)和内部(低)二型模糊集的隶属度函数而不是选择最小绝对误差的积分(iae)。除了每个振幅值的1型模糊高斯隶属函数的振幅值的平均值上下2型模糊高斯隶属度函数(图5 b)。这种新的优化二型模糊系统,与一阶Sugeno推论,构成了新的2型模糊控制器只有3规则。
自适应区间二型模糊逻辑控制器(AIT2FLC)提出的结构类似于控制器(马地犬等2000)。
二型模糊逻辑控制器所产生的控制变量u ' (t)乘以比例因子K是更新,与产品运营商的信号来自于自适应1型模糊控制器K1u”。由此产生的信号u (t)然后发送到工厂,以时变参数图6。错误(e)和误差的积分(int e),也在这种情况下,两个模糊控制器的输入(主要和自适应)。
图像

仿真和结果
壳牌热交换器
考虑两个热交换器图7所示。测量和控制输出与第二换热器温度。控制目标是使输出流的温度接近期望值343 K。控制信号输入加热液体的体积流量。假设理想液体混合和零热量损失。我们忽视积累能力换热器的墙壁。反映换热器以及流速和液体比热容是常数。
在这些假设的数学模型,给出了在换热器
图像
仿真结果获得使用IT2设计方法+简称ANFIS控制器和两个PID控制器Fig.8 & Fig.9所示。Fig.10比较输出控制在设定值跟踪的任务。设置点的变化从190年代312.32 K到310.32 K时,然后在380年代时间313.55 K。控制器输出的比较Fig.9所示;Fig.10礼物的仿真结果IT2方法+简称ANFIS控制器和PID控制换热器的抗干扰性的任务。干扰是由入口水温度变化从344.25 K到340.25 K时190年代,从340.25 K到349.25 K时580年代和990年代344.25 K时。控制器输出的比较Fig.11所示。能耗是衡量热水消耗的总量控制过程中。的情况IT2方法+简称ANFIS控制器和PID控制器提出了Figs.12 &、Fig.13和它可以表示,最小的能源消耗是保证使用IT2方法+简称ANFIS控制器。结果得到的PID控制器实际上是相同的。 The control response obtained by IT2 FLC+ANFIS controller is the best one; it has the smallest overshoots and the shortest settling times. The simulation results were compared also using integral quality criteria ise (integrated squared error) and iae (integrated absolute error) (Ogunnaike and Ray, 1994). The results are compared in Table 3.
图像

讨论
比较两种类型的控制器(IT2 FS +简称ANFIS和PDI)和伊势标准管理学院使用下面描述:
图像
图像
PID控制器的缺点是使用这些控制器可以导致非零稳态误差,但几乎没有过冲和除了少数。的情况(IT2 FS +简称ANFIS控制器与集成商使用稳态控制误差等于零,但控制反应显示任何过激的,除了少数。
图像

结论
仿真结果证实IT2 FS +简称ANFIS控制的优越性,在简单的PID控制器,在获得高速度响应和偏移量有限,由于细长,但同样有效,规则集得到的简称ANFIS技术。简称ANFIS的联合优化方法和自适应模糊算法作用于输出比例因子,使获得IT2 FS +简称ANFIS控制能够最小化所有的负面影响参数变化(步骤或斜坡扰动)达到一个非常高的最小计算负载的控制性能。在本文中,一个稳定的非线性IT2 FS +简称ANFIS控制器提出了基于并行分布式模糊控制器。每个副IT2 FS +简称ANFIS设计和提供了局部最优解。Takagi-Sugeno模糊模型是用来近似的非线性模型控制换热器。基于IT2 FS +简称ANFIS模型中,IT2 FS +简称ANFIS控制器开发不仅保证神经模糊模型的稳定性和神经模糊控制系统换热器还控制系统的瞬态行为。设计过程是概念上的简单和自然。因此,他们可以非常有效地解决在实践中通过IT2 FS +简称ANFIS控制技术。仿真结果表明IT2 FS +简称ANFIS控制方法是健壮的和表现出优越的性能,建立了传统的PID控制方法。比较IT2 FS +简称ANFIS与经典PID控制仿真结果表明了该方法的有效性和优越性。

引用
  1. 卡斯蒂略O。,Aguilar L.T., Cazarez-Castro N.R. and Cardenas S., ―Systematic design of a stable type-2 fuzzy logic controller‖, Journal of Applied Soft Computing, Information and Control, Vol. 8, pp. 1274-1279, 2008.
  2. Galluzzo M。,Cosenza B. and Matharu A., ―Control of a Nonlinear Continuous Bioreactor with Bifurcation by a Type-2 Fuzzy Logic Controller‖, Computers and Chemical Engineering, Vol. 32, pp. 2986-2993, 2008.
  3. Hagras H。,―Type-2 FLCs: ―A New Generation of Fuzzy Controllers‖, Computational Intelligence Magazine, IEEE, Vol. 2, No. 1, pp. 30–43, 2007.
  4. 孟德尔j . M。,―Uncertain rule-based fuzzy logic system: Introduction and new directions‖, Prentice-Hall, Englewood Cliffs, NJ. 2001,
  5. Dugdale称d和温家宝P。,―Controller optimization of a tube heat exchanger‖, Proc. 4th World Congress on Intelligent Control and Automation, Shangai, China, 54-58, 2002.
  6. 奇丹巴拉姆m和Malleswara R.Y.,―Nonlinear controllers for heat exchangers‖, J. Proc. Cont. 2, 17-21, 1992.
  7. Kakac年代。,―Heat Exchangers: Selection, Rating, and Thermal Design‖, Second Edition, Ankara, Turkey, 2002.
  8. VasiA„一kaninova, A . Bakošova M。,a, KlemešMeszaros J。,―Neural network predictive control of a heat exchanger‖, Chemical Engineering Transactions, 21, 73- 78, 2010.
  9. 卡斯蒂略O,梅林P,卡斯特罗JR。一个¢€•计算智能软件区间二型模糊LogicA¢€–,学报2008年研讨会上构建计算智能和机器学习的虚拟组织,2008年。
  10. 古德温G.C.,罪K.S.,―Adaptive filtering prediction and control‖, Prentice-Hall, Englewood Cliffs, N.J., 1984.
  11. 张成泽J.S.R.,―ANFIS: Adaptive-Network-Based Fuzzy Inference System‖, IEEE Trans. Syst. Man Cybern., Vol. 23 No.3: pp. 665-685, May. 1993.
  12. 梁Q,孟德尔j . A¢€•区间二型模糊逻辑系统:理论和designA¢€–,IEEE反式。模糊系统。,Vol.8: pp. 535-550, 2000.
  13. Song-Shyong C。源昌C。,陈Chia C。,S. Chau-Chung and S. Shun-Feng, ―Adaptive Fuzzy Tracking Control of Nonlinear Systems‖, Wseas, Transactions on Systems and Control, vol. 2, pp. 557- 566, 2007.
  14. Taborek j .壳管换热器:单相流:欧盟Schlunder(主编),一个¢€•热交换器设计handbookA¢€–,3卷,3.3节,半球出版公司1983年。
  15. 孟德尔j . m .和鲍勃约翰r .我。,―Type-2 fuzzy sets made simple,‖ IEEE Trans. on Fuzzy Systems, vol. 10, pp. 117-127, April 2002.