基于模糊神經(jīng)網(wǎng)絡的穩(wěn)態(tài)優(yōu)化設計.pdf

1、穩(wěn)態(tài)優(yōu)化是在對工業(yè)過程對象的充分了解基礎上，以較少的投資，通過調(diào)整操作參數(shù)取得更大的經(jīng)濟效益的技術。工業(yè)過程的復雜性、非線性和不準確性決定系統(tǒng)建模和全局優(yōu)化求解是優(yōu)化設計的兩個重要步驟和設計難點。 本文采用模糊神經(jīng)網(wǎng)絡建模，模糊規(guī)則決定著網(wǎng)絡推理層的結(jié)構(gòu)，提取系統(tǒng)規(guī)則是建立模糊神經(jīng)網(wǎng)絡的關鍵。為解決復雜過程模糊規(guī)則不易建立的問題，提出密度聚類分析法提取模糊規(guī)則。通過對數(shù)據(jù)樣本的密度分析、類的合并，將樣本數(shù)據(jù)輸入輸出空間分解成一系

2、列的模糊區(qū)域，每個區(qū)域?qū)粭l模糊規(guī)則，密度聚類法獲得的規(guī)則較好地反映了樣本數(shù)據(jù)輸入輸出對應關系，避免了隨機因素的影響，同時還可得到合理的隸屬度函數(shù)中心和隸屬度函數(shù)寬度等網(wǎng)絡初始值，減少了不必要的計算。根據(jù)密度聚類的特點，改進了模糊神經(jīng)網(wǎng)絡的模糊推理過程和網(wǎng)絡結(jié)構(gòu)，使模糊邏輯與神經(jīng)網(wǎng)絡結(jié)合更合理。為加快網(wǎng)絡訓練速度，提出了動量BP算法，參數(shù)訓練中以上次修正結(jié)果影響本次修正量，較好地解決了BP算法收斂速度慢的問題。 為快速獲得優(yōu)化

3、操作參數(shù)，提出改進的模擬退火算法，在保留模擬退火算法全局尋優(yōu)的基礎上，將Powell算法引入模擬退火算法的局域搜索過程，極大地提高了局域搜索效率，使改進的模擬退火算法有快速的全局尋優(yōu)能力。 本文以藍星石化的過氧化氫異丙苯(CHP)分解生成苯酚/丙酮反應過程為對象，檢驗基于模糊神經(jīng)網(wǎng)絡工業(yè)過程優(yōu)化方法。通過對現(xiàn)場生產(chǎn)數(shù)據(jù)樣本的密度聚類分析提取模糊規(guī)則，確立模糊神經(jīng)網(wǎng)絡模型結(jié)構(gòu)，進而應用改進的模擬退火算法求取最優(yōu)解，經(jīng)過驗證分析，證