·84 北京科技大学学报 2004年第1期 ia(k) 式中，点-空-4器ae其权值和 4-1 u,) 阙值修正公式为： 4.k-1 以 4(k-2 e(k △所，（肉=-欲=n0以△8因=d. 输入层至隐层权值调整公式为： NN a() w,k+I）=用w-±mciW因-，k-1 is(k- gWw(-Ww(k-1》 (9) (发 =-.头.4ne.0n OWN di due Onets dO onetzoW (t) Oncts.00.Onct NNC. 0OrδnetoW -f代netw)OE6W=-d.Om ) 4(k) 式中，e=∫代net)艺dW,其权值和阙值修正公 4k-2 式为△W,-n5.0.△85 e(k) NNC 3系统仿真结果 图3具有解耦功能的三相电弧电流神经网铬控制器 Fig.3 Neural network controller of 3-phase are current with 在本课题中，针对系统复杂、数学模型严重 decoupling function 不确定（冶炼过程模型变化、不同炉料模型各异、 考虑到神经网络控制器的输出4应该是控 工况变化模型变化等等)，实时在线建模极其重 制电极升降的双极性信号，所以NNC隐层和输 要.为缩短在线建模时间，首先对LF炉广义对象 出层各神经元的激发函数选为双极S型函数： 离线辩识.从现场运行的70tLF炉采集整炉次输 fx)=(1-e1+e),fx)=[1-f(x/2. 入输出数据，经过预处理后作为离线辩识的样本 NNC网络学习的目标函数为： 数据.系统仿真应用MATLAB神经网络工具箱中 人c-五-2-4 的函数调用，编程灵活、简捷.取样本数据200 组，设定目标误差为0.02，a,b,c三相的离线训练 式中，()为系统输入的设定值，()为系统实际 次数如表1所示. 输出值.隐层至输出值的权值调整公式为： W,+)=用-+mw,因，k-1+ 表】4，b,c三相离线训练次数 Table 1 Times of off line training for a,b,c g(W()-Ww(k-1》 (6 算法 a相 b相 c相 式中， BP算法 356414312635927 =2.头.4n aWii,"⑦a,onetx oW (7) 加混沌BP算法33821 42762 34159 式(7)中，包含了对象的信息ai,()/⑦u(),可是对 系统a,b,c三相的仿真运行差别不大，现列 于模型未知的广义对象来说，∂，(k)/⑦u,()无法得 出c相输出仿真波形，如图4和图5所示. 到.在神经网络内模控制中，在己建立对象的神 1.4 经网络内部模型NNM前提下，用NM的输出4 1.2 近似代替()，即可用∂，K)/04()代替a()/ 1.0 ⑦4(k).根据NNM的输入输出关系可得： 0.8 di(k)di(k)onet:0o Onet 0o 0.6 84onet'oo`Onet,00.du彷 0.4 fnet)(ΣW)f(netW,) (8) 0.2 用a/⑦u,(k)代替式(7)中的ai,()/0u,(),于是 0 20 4060 80100 式(7)变为： k/步 =-之[i(0-,(]2得f(neto)= 图4c相输出电流波形（阶跃输入） CW Fig.4 Waveform of the output current of c phase(input -6O2k) the step signal)北 京 科 技 大 学 学 报 年 第 期 式 中 ， 人 艺【耘 一 户， 闽值 修 正 公 式 为 瓢’ 其 权 值 和 “ 、 一带 一 。训 ， △ 、 一 呱 输 入层 至 隐层 权 值 调 整 公 式 为 、 。 卜 爪 · 。 一 受 · 〔二 · 。 一 、 ‘ 一 ‘ 〕 以砚勺 一 礁秘 一 仇 刁 弓场‘ 白丽瓦 ， 刁硬石 一 ， 动口 ， 艺人叽 二 一 卜 式 中 ， 苏一 ， 著人叭 ， 其 权值 和 闽值 修正 公 式为“ 呱 一。 黯 、 以的 ， △ 、 。 、 · 图 具 有解藕功 能的三相 电弧 电流神 经 网络控制器 幻泞 · 卜 碑 记 如 考 虑 到神经 网络 控 制 器 的输 出 脚 应 该 是 控 制 电极 升 降 的双 极性 信 号 ， 所 以 隐层 和 输 出 层 各 神 经 元 的激 发 函 数 选 为 双 极 型 函 数 刀习 卜 侧 一 ， ， “ 〔 一厂 网络 学 习 的 目标 函 数 为 赢 一 全凡斗鱿、 一 、 户二 ‘ 价 式 中 ， 为 系统输入 的设定 值 ， 认 为系统实 际 输 出值 隐层 至输 出值 的权值 调 整 公式 为 、 一 、 一 谬粉 脚· 〔、 一 、 一 以叽 一 叭 一 系统仿 真结 果 在本课 题 中 ， 针对 系统 复杂 、 数学模型严 重 不确 定 冶炼过 程模 型变化 、 不 同炉料模型各异 、 工 况 变化 模型变 化等等 ， 实 时在 线建模 极其重 要 为缩 短在线 建模时 间 ， 首先 对 炉广 义对 象 离线辩 识 从现 场 运 行 的 炉采集整炉 次输 入 输 出数据 ， 经过预处 理后 作 为离线辩 识 的样本 数据 系统仿 真应 用 州叻汀 神 经 网络 工 具箱 中 的 函数 调 用 ， 编程 灵活 、 简捷 取 样本 数据 组 ， 设 定 目标误 差 为 ， ， ， 三 相 的离线 训 练 次数如表 所示 表 ， ， 三 相 离线训 练次数 血 ， ， 算法 相 相 相 式 中 ， 刁人 。 名日满铂 几 瑞 坛 岑翼生 二 兰罕弊 共生 峨兰华卜 · 共等丝 万可 一 禹万不 百公石 ’ 瓦不 丽可 式 中 ， 包 含 了对 象 的信 息 己称 脚 ， 可 是对 于 模 型未知 的广 义 对 象 来 说 ， 日布伍刀日脚 无 法 得 到 在 神经 网络 内模控 制 中 ， 在 己建 立对 象 的神 经 网络 内部模型 前提 下 ， 用 的输 出露 近 似 代 替 认 ， 即 可 用 。言 。 脚 代 替 。 ‘ 算法 加 混 沌 算法 系 统 ， ， 三 相 的仿真运 行差 别 不 大 ， 现 列 出 相 输 出仿 真 波 形 ， 如 图 和 图 所 示 刁脚 根据 瓢 义 艺叽 义 幼 艺巩 用 。宕 。 、 代 替 式 中的 。 。 、 ， 式 变 为 于 是 ， ‘ 一 ， 一 八 丫 ‘ ‘ ’口 刁满侧 币不 一 一 艺〔礼 一 称 」瓢 ， 场 口仄 一 人口 到 步 图 相输 出电流 波形 阶跃输入 自 恤 印 代 山