中出在线视频-制服丝袜综合网-制服 丝袜 亚洲 中文 综合-只有精品-直接看毛片-正在播放亚洲一区

<big id="jwhau"></big>

化指標(biāo)也是隨設(shè)備條件、煤質(zhì)（特別是可磨系數(shù)）、運(yùn)行工況而變化的，這對(duì)于實(shí)時(shí)控制在實(shí)現(xiàn)的方法上提出了很高的要求。
    (4)球磨機(jī)制粉系統(tǒng)的模糊控制
    模糊控制(FC)算法是本世紀(jì)70年代才發(fā)展起來(lái)的一種新型控制算法，其本質(zhì)是一種非線性控制，它不需要知道被控對(duì)象的數(shù)學(xué)模型，并具有比常規(guī)控制系統(tǒng)更好的穩(wěn)定性、更強(qiáng)的魯棒性和良好的抗噪性能，而且容易跟人工操作經(jīng)驗(yàn)相結(jié)合，可以有效地實(shí)現(xiàn)對(duì)非線性系統(tǒng)的控制。
    模糊控制利用模糊語(yǔ)言規(guī)則，將運(yùn)行人員的經(jīng)驗(yàn)歸納后，存儲(chǔ)到計(jì)算機(jī)中進(jìn)行數(shù)值計(jì)算，實(shí)現(xiàn)模糊控制，首先通過(guò)調(diào)整給煤量、熱、再循環(huán)風(fēng)門(mén)，使磨煤機(jī)的磨負(fù)荷、出口溫度和入口負(fù)壓控制在給定范圍內(nèi)，即將磨煤機(jī)調(diào)整到最佳工況；其次，在負(fù)壓、溫度都正常的情況下，調(diào)整給煤量使磨煤機(jī)內(nèi)存煤量最佳，達(dá)到出力最大和單耗最小。
    另一種則是利用模糊控制的特點(diǎn)，認(rèn)為當(dāng)偏差較大時(shí)，控制的主要矛盾是要盡快減小偏差，使系統(tǒng)輸出接近穩(wěn)定值，即采用一種變結(jié)構(gòu)的控制方案，大偏差時(shí)采用模糊控制方案，小偏差時(shí)采用PID控制，接近穩(wěn)態(tài)時(shí)則為保持方式。
    模糊控制方案無(wú)需磨煤機(jī)精確的數(shù)學(xué)模型，這對(duì)經(jīng)典的控制方法是一個(gè)很犬的進(jìn)步。但對(duì)于球磨機(jī)這種三輸入三輸出系統(tǒng)而言，由于模糊控制規(guī)則數(shù)太多，采用模糊控制查詢表的方式來(lái)實(shí)現(xiàn)會(huì)帶來(lái)很多不便。對(duì)于工程實(shí)際而言，將難以實(shí)現(xiàn)。如果采用遞階模糊控制，即將控制系統(tǒng)分為兩級(jí)，第一級(jí)由三個(gè)并行的模糊控制器組成，第二級(jí)為協(xié)調(diào)級(jí)，相當(dāng)于一個(gè)解耦器。通過(guò)這種遞階結(jié)構(gòu)將原來(lái)的117649條規(guī)則減少到了490條，大大降低了模糊控制器設(shè)計(jì)和計(jì)算的復(fù)雜度，非常有利于工程的實(shí)現(xiàn)。
    (5)球磨機(jī)制粉系統(tǒng)的預(yù)測(cè)控制
    由于常規(guī)的模糊控制規(guī)則集中并沒(méi)有包含對(duì)象純滯后的信息，因此，尋找克服大純滯后對(duì)象的模糊控制規(guī)則也是人們正在努力的一個(gè)方向。
    有些學(xué)者提出了將球磨機(jī)的傳遞函數(shù)矩陣轉(zhuǎn)換為球磨機(jī)的脈沖響應(yīng)矩陣，根據(jù)系統(tǒng)的現(xiàn)在時(shí)刻和過(guò)去時(shí)刻的控制輸入預(yù)測(cè)系統(tǒng)輸出的未來(lái)值，實(shí)現(xiàn)預(yù)測(cè)控制。蔡松波提出采用模型算法控控制(MAC)對(duì)制粉系統(tǒng)進(jìn)行控制，通過(guò)引入輸出反饋消除誤差。具體的模型算法控制由被控對(duì)象的內(nèi)部模型、參考模型和控制變量的計(jì)算三大部分組成，其中參考模型用于生成參考軌跡，引導(dǎo)被控對(duì)象的輸出沿著期望的、平滑的曲線無(wú)超調(diào)地收斂到給定值。采用預(yù)測(cè)二步控制算法求解三個(gè)回路的最優(yōu)控制方案。針對(duì)MAC算法在對(duì)多變量耦合系統(tǒng)解耦時(shí)需要求解大量線性方程組的問(wèn)題，王東風(fēng)提出一種新型解耦思想，其核心思想是設(shè)，已被解耦，是獨(dú)立給出的，這樣就可使預(yù)測(cè)時(shí)域，和控制時(shí)域，均可根據(jù)具體情況而具有不同值。有些學(xué)者采用了動(dòng)態(tài)矩陣控制(DMC)，同樣是利用系統(tǒng)的脈沖響應(yīng)曲線進(jìn)行動(dòng)態(tài)矩陣控制。DMC在控制量計(jì)算中加入了過(guò)程動(dòng)態(tài)特性、多步預(yù)測(cè)系統(tǒng)輸出，可以及時(shí)識(shí)別系統(tǒng)異常進(jìn)行超前調(diào)節(jié)。而預(yù)測(cè)控制的難點(diǎn)在于預(yù)測(cè)傳遞函數(shù)的獲取，特別對(duì)于像球磨機(jī)這種復(fù)雜的時(shí)變對(duì)象。
    (6)球磨機(jī)制粉系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制
    神經(jīng)網(wǎng)絡(luò)因其具有自學(xué)習(xí)、自適應(yīng)的優(yōu)點(diǎn)，并且不依賴具體數(shù)學(xué)模型，非常適合動(dòng)態(tài)特性隨運(yùn)行工況大范圍變化的對(duì)象。而球磨機(jī)就屬于這類對(duì)象，因此一些學(xué)者已經(jīng)開(kāi)始嘗試將神經(jīng)網(wǎng)絡(luò)應(yīng)用在球磨機(jī)制粉系統(tǒng)中。姚鋼等提出對(duì)溫度和負(fù)壓回路采用神經(jīng)元解耦控制器，神經(jīng)元采用Hebb學(xué)習(xí)規(guī)則和學(xué)習(xí)規(guī)則相結(jié)合，通過(guò)關(guān)聯(lián)搜索對(duì)外界的變化做出相應(yīng)的反應(yīng)，從而達(dá)到了自學(xué)習(xí)的功能，并且具有較佳的解耦性能。但神經(jīng)網(wǎng)絡(luò)種類繁多并存在訓(xùn)練時(shí)間長(zhǎng)、計(jì)算量大和訓(xùn)練收斂等問(wèn)題。
    (7)球磨機(jī)制粉系統(tǒng)的混合／集成控制
    以上所提到的算法各有其優(yōu)缺點(diǎn)，對(duì)于球磨機(jī)中儲(chǔ)式制粉系統(tǒng)用單一控制方法很難同時(shí)解決所有問(wèn)題。因此，學(xué)者們想到將多種控制理論結(jié)合使用，如PID與模糊結(jié)合、自適應(yīng)與模糊結(jié)合、解耦控制與模糊控制結(jié)合、預(yù)測(cè)控制與模糊控制結(jié)合、自尋優(yōu)控制與模糊控制結(jié)合、仿人智能控制與模糊控制緒合、專家與模糊結(jié)劊、預(yù)測(cè)控制與神經(jīng)網(wǎng)絡(luò)結(jié)合、模糊控制與神經(jīng)網(wǎng)絡(luò)結(jié)合等。但這些方法存在著隨意性、不成熟性和應(yīng)用性等方面問(wèn)題，還有很多問(wèn)題值得進(jìn)一步探討和研究。
1.2神經(jīng)控制的歷史及現(xiàn)狀
    在長(zhǎng)期的科學(xué)技術(shù)發(fā)展中，人們也曾對(duì)人本身進(jìn)行了很多研究；這些研究主要體現(xiàn)在醫(yī)學(xué)和心理學(xué)上。后來(lái)，隨著信息學(xué)的產(chǎn)生和發(fā)展，信息學(xué)家也介入了對(duì)人的研究，而這種研究主要是對(duì)人的智能的研究。各種學(xué)科的科學(xué)家對(duì)人腦的理解和探索角度是不一樣的。
    生物醫(yī)學(xué)家企圖從解剖學(xué)的角度來(lái)說(shuō)明人的行為和人腦在這種行為中的作用。
    心理學(xué)家則希望從人的記憶、思維、聯(lián)想等心理活動(dòng)的物征上來(lái)解釋人腦的思想活動(dòng)機(jī)理。
    信息學(xué)家就試圖從腦的拓?fù)浣Y(jié)構(gòu)，信息的傳遞，信息的存儲(chǔ)方式，信息的加工方式來(lái)闡述腦的功能，并模擬人腦的工作功能。
    生物、心理和信息這三個(gè)學(xué)科的科學(xué)家不斷地對(duì)人腦的研究和互相影響，漸漸形成了一個(gè)新的學(xué)科，也就是神經(jīng)網(wǎng)絡(luò)。
    19世紀(jì)中葉，西班牙解剖學(xué)家Cajal創(chuàng)建神經(jīng)元學(xué)。Cajal等人發(fā)現(xiàn)在人腦中是由大量神經(jīng)細(xì)胞組成了神經(jīng)網(wǎng)絡(luò)的。神經(jīng)細(xì)胞是構(gòu)成神經(jīng)網(wǎng)絡(luò)的最基本單元，故而也把神經(jīng)細(xì)胞稱為神經(jīng)元。神經(jīng)元的形狀呈根狀向兩極伸展，其中含有細(xì)胞體和樹(shù)突，細(xì)胞體和樹(shù)突從其他神經(jīng)元接收刺激，并由軸突把神經(jīng)元沖動(dòng)信號(hào)傳到其端部的神經(jīng)末梢。
    但是，神經(jīng)元在較長(zhǎng)的一段時(shí)間內(nèi)并沒(méi)有很大的進(jìn)展。直到1943年，美國(guó)的心理學(xué)家麥卡洛克(W,5．Mculloch)和數(shù)學(xué)家皮茨(W.A．Pitts)共同合作提出了神經(jīng)元的數(shù)學(xué)模型，即M-P模型；從而開(kāi)創(chuàng)了神經(jīng)網(wǎng)絡(luò)理論研究的歷史。M-P模型把神經(jīng)元看作一個(gè)邏輯元件，并以此來(lái)描述神經(jīng)網(wǎng)絡(luò)的功能；因此，M-P模型稱為二值神經(jīng)元閥值模型。
    1949年，霍布(D.0．Hebb)根據(jù)心理學(xué)中條件反射的機(jī)理，對(duì)人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式進(jìn)行了研究：并提出了改變神經(jīng)元之間結(jié)合強(qiáng)度來(lái)進(jìn)行學(xué)習(xí)的方法，即是Hebb學(xué)習(xí)法。這個(gè)學(xué)習(xí)法則認(rèn)為：兩個(gè)同時(shí)處于興奮狀態(tài)的神經(jīng)元之間，它們的突觸連接強(qiáng)度得到加強(qiáng)。這一法則是和心理學(xué)中的“條件反射”觀點(diǎn)相一致的，同時(shí)，也在神經(jīng)細(xì)胞學(xué)中得到了證實(shí)。Hebb學(xué)習(xí)法則的基本思想至今仍在各種神經(jīng)網(wǎng)絡(luò)的研究之中起重要作用。
    50年代初期，生理學(xué)家Hodykin和數(shù)學(xué)家Huxley對(duì)神經(jīng)細(xì)胞膜的等效電路進(jìn)行了研究，并把細(xì)胞膜上離子的遷移變化的分別用可以變化的Na+電阻和K+電阻進(jìn)行等效：當(dāng)時(shí)給出了有重大的影響的Hodykin-Huxley方程。
    人工智能的網(wǎng)絡(luò)系統(tǒng)研究是從50年代中期開(kāi)始的。
    1954年，F(xiàn)arley和Clark提出了隨機(jī)網(wǎng)絡(luò)中自適應(yīng)的激勵(lì)一響應(yīng)關(guān)系模型。這是神經(jīng)網(wǎng)絡(luò)中智能式模型研究的最早探討。
    1957年，羅森布拉特(F. Rosenblatt)提出T感知機(jī)(Perceptron)概念，它由閥值性神經(jīng)元構(gòu)成，用以模擬人腦的感知和學(xué)習(xí)能力：這是第一個(gè)學(xué)習(xí)型的神經(jīng)網(wǎng)絡(luò)模型。
    1962年，溫德羅(B.Windrow)提出了一種可以學(xué)習(xí)的自適應(yīng)線性元件(Adaline)，它是一種連續(xù)取值的線性網(wǎng)絡(luò)，能夠?qū)W會(huì)識(shí)別一些簡(jiǎn)單的圖形，如字母等。這種神經(jīng)網(wǎng)絡(luò)模型主要用于自適應(yīng)系統(tǒng)。它的連續(xù)取值特點(diǎn)和當(dāng)時(shí)占了主導(dǎo)地位的以順序離散符號(hào)推理為基本特征的人工智能AI的研究途徑完全不同；故而引起了人們的極大興趣，但也由其產(chǎn)生了大量的爭(zhēng)議。
    1969年，人工智能的創(chuàng)造人之一明斯基(M. Minsky)和佩珀特出版一本叫做《感知機(jī)》(PercePtron)的書(shū)。這是他們對(duì)感知機(jī)的功能及局限性從數(shù)學(xué)角度進(jìn)行了較長(zhǎng)時(shí)間深入研究的結(jié)果。明斯基是麻省理工學(xué)院著名的人工智能專家，他認(rèn)為感知機(jī)這一類單層神經(jīng)網(wǎng)絡(luò)的功能十分有限，甚至對(duì)一些十分簡(jiǎn)單的邏輯運(yùn)算也無(wú)法解決；而大量的模式是不可能由簡(jiǎn)單的單層網(wǎng)絡(luò)訓(xùn)練；同時(shí)，對(duì)多層網(wǎng)絡(luò)的可行性尚未有把握，故而，把感知機(jī)引入到多層網(wǎng)絡(luò)的研究是沒(méi)有意義的。明斯基在人工智能研究領(lǐng)域中的崇高威望使他的言論對(duì)當(dāng)時(shí)的人工智能領(lǐng)域研究人員有極大影響，因此，他在《感知機(jī)》一書(shū)中的悲觀結(jié)論無(wú)疑給神經(jīng)網(wǎng)絡(luò)在感知機(jī)方向上的研究打上一個(gè)休止符。在此后多年中，神經(jīng)網(wǎng)絡(luò)的研究一直處于低潮狀態(tài)。其中當(dāng)然有多個(gè)原因。第一個(gè)原因是明斯基的低調(diào)論述影響研究人員的研究方向；第二個(gè)原因是當(dāng)時(shí)尚未能找到一種神經(jīng)網(wǎng)絡(luò)有效的算法；第三個(gè)原因是集成電路正處于高速發(fā)展階段，以馮·諾依曼(vonNeumann)結(jié)構(gòu)為基礎(chǔ)的數(shù)字電子計(jì)算機(jī)的運(yùn)算及存儲(chǔ)水平大大提高；以數(shù)字電子計(jì)算機(jī)為基礎(chǔ)的人工智能得到了迅速發(fā)展，并取得了令人觸目的成績(jī)。大多數(shù)研究人員都以為只要進(jìn)一步改進(jìn)數(shù)字電子計(jì)算機(jī)的性能和發(fā)展優(yōu)良的軟件，就可以使人工智能向人腦的功能逼近。這種偏向使人們減輕了對(duì)神經(jīng)網(wǎng)絡(luò)的重視，也掩蓋了人工智能技術(shù)研究的其它方向。
    十分難能可貴的是，在神經(jīng)網(wǎng)絡(luò)的低潮中仍有部分研究人員堅(jiān)持不懈地進(jìn)行神經(jīng)網(wǎng)絡(luò)研究。他們沒(méi)有受當(dāng)時(shí)世界上學(xué)術(shù)界潮流的影響，而是刻心致力于神經(jīng)網(wǎng)絡(luò)這門(mén)學(xué)科的探索。同時(shí)，也取得了不少有用的結(jié)果。格羅伯格(Grossberg)在此期間提出了自適應(yīng)共振理論；甘利俊- (Amari)對(duì)神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)理論進(jìn)行了研究：安德森(Anderson)提出了BSB模型；韋伯斯(Webos)提出了反向傳播算法；芬蘭的Kohonen則提出了自組織映射理論；而Fukushima提出了神經(jīng)認(rèn)知網(wǎng)絡(luò)理論等。也正是因?yàn)檫@些學(xué)者的潛心研究，他們的研究結(jié)果為神經(jīng)網(wǎng)絡(luò)發(fā)展奠定了理論基礎(chǔ)。
    1982年，美國(guó)加州理工學(xué)院的生物物理學(xué)家霍普菲爾德(J.J．Hopfield)提出了全互連型的模仿人類思維的神經(jīng)網(wǎng)絡(luò)模型，并利用所定義的計(jì)算能量函數(shù)，成功地解決了復(fù)雜性為NP完全型的旅行商問(wèn)題TSP(Travelling Salesman Problem)。這項(xiàng)突破性的研究結(jié)果震驚了當(dāng)時(shí)的學(xué)術(shù)界，使人們對(duì)神經(jīng)網(wǎng)絡(luò)的潛在功能力有了一個(gè)新的認(rèn)識(shí)，并且重新掀起了研究神經(jīng)網(wǎng)絡(luò)的熱潮。此后，神經(jīng)網(wǎng)絡(luò)的研究浪潮又卷土重來(lái)，并且，不斷取得各種新的成果。
    Feldmann和Ballard提出了連接網(wǎng)模型，同時(shí)，指出生物計(jì)算和傳統(tǒng)人工智能計(jì)算之間的區(qū)別，給出了并行分布處理的計(jì)算原則。
    1984年Hintont和Sejnowski共同提出Boltzman機(jī)模型，它借用了統(tǒng)計(jì)物理學(xué)中的有關(guān)概念和方法，并采用了多層網(wǎng)絡(luò)的學(xué)習(xí)算法，也就是在學(xué)習(xí)的過(guò)程中采用模擬退火技術(shù)，使整個(gè)系統(tǒng)能保證趨于全局的穩(wěn)定點(diǎn)。不過(guò)退火過(guò)程需要較長(zhǎng)的時(shí)間，這是該模型的不足之處。
    1986年，Rumelhart和McClelland提出了并行分布處理在認(rèn)知微觀結(jié)構(gòu)中的功用；同時(shí)發(fā)展了用于多層網(wǎng)絡(luò)的反向傳播學(xué)習(xí)算法，即BP算法；這種算法把學(xué)習(xí)的結(jié)果反饋到中間層次的隱單元，改變其權(quán)系矩陣，進(jìn)而達(dá)到預(yù)期學(xué)習(xí)的目的。它系統(tǒng)地解決了多層網(wǎng)絡(luò)中隱單元連接權(quán)的學(xué)習(xí)問(wèn)題，從而向人們展示了多層網(wǎng)絡(luò)的良好前景。同時(shí)，也回答了明斯基等人在《感知機(jī)》-書(shū)中對(duì)多層網(wǎng)絡(luò)提出的懷疑。
    1988年，Kosko根據(jù)Soffer等人使用離散雙向聯(lián)想記憶網(wǎng)絡(luò)DBAM (Discrete
Bidirectional Assocative Memory)的情況，提出了雙向聯(lián)想記憶網(wǎng)絡(luò)DBAM。
    同年，美國(guó)加州大學(xué)的Chua等人提出了細(xì)胞神經(jīng)網(wǎng)絡(luò)模型。它是一個(gè)大規(guī)格非線性系統(tǒng)，但是同時(shí)具有細(xì)胞自動(dòng)機(jī)的動(dòng)力學(xué)特性。
    隨著神經(jīng)網(wǎng)絡(luò)科學(xué)的發(fā)展，美國(guó)和日本等國(guó)家對(duì)神經(jīng)網(wǎng)絡(luò)給予很大的重視。世界上這方面的活動(dòng)也頻繁開(kāi)展。
    1987年6月，首屆國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議在美國(guó)加州的圣迪戈(San Diego)召開(kāi)，并成立了國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)。
    1988年，世界上三名著名神經(jīng)網(wǎng)絡(luò)學(xué)家：東就大學(xué)的甘利俊教授(ShunichiAmari)波士頓大學(xué)的Stephen Grossberg教授和芬蘭赫爾辛基技術(shù)大學(xué)的TeuvoKohonen教授主持創(chuàng)辦了《神經(jīng)網(wǎng)絡(luò)》雜志。
    美國(guó)電子電氣工程師協(xié)會(huì)IEEE在1988年開(kāi)始，每年和國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)聯(lián)合召開(kāi)一次國(guó)際學(xué)術(shù)會(huì)議；IEEE并成立了神經(jīng)網(wǎng)絡(luò)委員會(huì)。
    1990年，由IEEE主辦的神經(jīng)網(wǎng)絡(luò)會(huì)刊在3月份問(wèn)世。
    我國(guó)在神經(jīng)網(wǎng)絡(luò)的研究中起步較遲，1986年才開(kāi)展這方面的討論會(huì)。但是，研究工作也開(kāi)展較快。1989年10月和11月，在北京和廣州分別召丌了神經(jīng)網(wǎng)絡(luò)及其應(yīng)用學(xué)術(shù)會(huì)和第一屆全國(guó)信號(hào)處理——神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議。1990年在北京召開(kāi)了神經(jīng)網(wǎng)絡(luò)首屆全國(guó)學(xué)術(shù)會(huì)議。1991年12月在南京召丌了全國(guó)第二屆神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議。
現(xiàn)在世界上又掀起以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的神經(jīng)計(jì)算機(jī)(Neurocomputer)的研究。這是～種具有自組織，自學(xué)習(xí)功能的智能計(jì)算機(jī)。它在文字，圖形或其它模式識(shí)別方面有著比數(shù)字計(jì)算機(jī)強(qiáng)勁得多的能力。它在這些方面會(huì)取代數(shù)字計(jì)算機(jī)。
三門(mén)峽富通新能源銷售球磨機(jī)、雷蒙磨粉機(jī)、飼料顆粒機(jī)等機(jī)械設(shè)備。

<big id="i8j6g"></big>