Vol.25 No.2 王粉花等：基于模糊神经网络的板形板厚综合控制系统 ·183· ci_ 模糊化 C 模糊化 模糊控制 △S 规则 模糊决策 U 板 h 神经网络 板厚综合 E 模糊化 模糊控制 模糊决策 规则 △F 模糊化 图1模糊神经网络控制系统 Fig.1 Fuzzy neural network control system if E =Py and C PM then AS=PM: 形偏差变化率的语言变量C(NB,Ns,Z,Ps,P) if E:=Ps and C:=Ps then AS=Ps: 输出层的14个节点分别为：(1)压下位置改变 量的语言变量△S(N,NM,Ns,Z,Ps,PM,P:(2)支撑 if E2 Pa and C2 Pa then AFw Pa: 辊弯辊力改变量的语言变量△Fw(Wa,NM,Ns,Z, if E2 Py and C:PM then AFw=PM; Ps,PM,Pa). if E2 Ps and C2=Ps then AFw Ps: 通过计算隐层决定取80个节点，输入层语音 层的连接权为W,隐层与输出层的连接权值为 类似上述的规则大约40条，用以保证较好的 W.神经元节点的激励函数采用Sigmoid函数： 控制效果. f(x)=J+e (6) 23模糊神经网络的模型和算法 网络的性能评判标准为网络输出的均方误差，其 三层动态结构神经网络结构如图2所示. 表达式为： 其中输入层的24个节点分别为：(1)板厚偏差 G=220W-wPN (7) 的语言变量E(N,NM,Ns,Z,Ps,PM,P方(2)板厚偏 差变化率的语言变量C,(N,Ns,Z,Ps,P:(3)板形 式中，山为输出层第k个节点的实际输出：为 偏差的语言变量E(N,NM,N,Z,Ps,P,P;(4)板 输出层第k个节点的期望输出：N为网络训练样本 总数. △S △Fw1…△Fw, 加权系数按ε函数梯度变化的反方向进行调 整，使网络逐渐收敛到给定的域值. 2.4模糊推理的实现 由于有多条规则在同时起作用，即输入为： 80 E=以，c=龙2 (8) g州大， x=M无 式中，4(x),(x)分别是E和C关于语言变量x的 隶属度值：Σ表示max运算，需将输入进行合成， 即： E=22uLA2,C=乞乞L)A4l(9) En·E Ci…CsEl…En C C21…C29 E-N.N.E C=NH=N。 图2神经网络结构 合成后的E,C输入训练后的神经网络，便得到相 Fig.2 Neural network structure 应的模糊控制量U.匕】 王 粉花 等 基 于 模糊神经 网络 的板 形 板 厚 综合 控 制 系 统 目 模糊化 板综合统厚系形 穿州生墓鲤些 以 模糊控制 规则 模糊决策 神经 网络 热豹寸 鲤兰 模糊控制 规则 瑟叫堕壑竺 模糊化 图 模 糊 神 经 网 络 控 制 系 统 氏 凡 △ ， 二 ， 尸 △ 尸 瓦 几 尸 。 △凡 凡 及 氏 几 乙凡 尸 及 已 尸 △凡 尸 类 似 上述 的规 则大 约 条 ， 用 以保证 较好 的 控 制 效 果 模 糊 神 经 网 络 的模 型 和 算 法 三 层 动 态 结 构 神 经 网络 结 构 如 图 所 示 其 中输 入 层 的 个 节 点分 别 为 板 厚偏 差 的语 言 变 量 ， 从 ， 编 ， ， 乙 ， 八 ，氏 ， 尸 板 厚 偏 差 变 化 率 的语 言 变 量 】 《凡 ， ， 乙 ， ， 凡 板 形 偏 差 的语 言变 量及 刀台 ， 编 ， ， 乙 ， ， 氏 ， 尸 板 △万 … △瑟 △尸 认 一 配飞 ， 形 偏 差 变 化 率 的语 言变 量 已 ，从 ， 乙 ， ， 几 输 出层 的 个 节 点 分别 为 压 下位 置 改变 量 的语 言 变 量 △ 日， 编 ， ， 乙 ， ， 凡 ， 支 撑 辊 弯 辊 力 改变 量 的语 言 变 量 乙凡 从 ， 编 ， ， 乙 ， ， 氏 ， 凡 · 通 过 计 算 隐层 决 定 取 个 节 点 ，输 入 层 语 音 层 的连 接 权 为 巩 ， 隐 层 与 输 出 层 的连 接 权 值 为 叽 神 经 元 节 点 的激 励 函 数采 用 函数 卜 下典 。 、 一 产 一厂 、 网络 的性 能评 判 标 准 为 网络 输 出 的均 方 误 差 ， 其 表 达 式 为 “ 一 三凰认 幻 一只扩 式 中 ， 外， 为输 出层 第 个 节 点 的实 际 输 出 义 为 输 出层 第 个节 点 的期 望 输 出 为 网络 训 练样本 总 数 加 权 系 数 按 。 函 数 梯 度 变 化 的反 方 向进 行 调 整 ， 使 网 络 逐 渐 收 敛 到 给 定 的域 值局 模 糊 推 理 的 实现 由于 有 多 条 规 则 在 同 时起 作 用 ， 即 输 入 为 一 全应业 一 全丛少业 一 ， 一 一 怂 若 式 中 ， 脚 ， 脚， 分 别 是 和 关 于 语 言 变 量为 的 隶 属 度 值 艺表 示 运 算 需 将 输 入 进 行 合 成 ， 即 脚， 八脚哑 二 云 刀 凡 全述丛丝坐 三 一 凶 从 艺氏 艺 一 图 神经 网络 结 构 合 成 后 的 ， 输 入 训 练 后 的神 经 网络 ， 便得 到 相 应 的模 糊 控 制 量