1、研究与开发基于模糊神经网络的洗衣机仿真研究齐 凯赵国材谷 雨 罗金呜(辽宁工程技术大学，辽宁葫芦岛 125105)摘要本文介绍了基于模糊逻辑和神经网络的模糊神经网络及其学习算法，利用模糊神经网络学习速度快、学习过程稳定，全局动态优化运算等特点使洗衣机能够更加准确的判断衣物的软硬程度、衣量多少、脏污程度和性质等，自动生成模糊控制规则和隶属度函数，在洗衣过程中实时调整这些参数，达到最佳的洗衣效果。关键词：模糊神经网络；洗衣机；混浊度Washing Machine Imitation Research Based on Fuzzy Neural Networkai K锄Zhao Guocai Gu
2、Yu Luo Jinming(Liaoning Technical University，Huludao，Liaoning 125 1 05)Abstract In this paper，the fuzzy neural network based on fuzzy logic and neural network and itSstudy arithmetic are introducedConsidering its features as fast speed，steady studying course，globaldynamic optimization，FNN is applied
3、 to make washing machine to judge the clothS degree of soft andhard，the degree of dirty and the quantity more nicelyIt can create fuzzy control regulations andsubjection function automaticallyIt can also make the washing machine to be on its best conditionKey words s fuzzy neural network；washing mac
4、hine；turbidity degree1引言洗衣机的主要参量为洗涤时间和水流，而影响输出参量的主要因素是被洗物的浑浊程度和浑浊性质，浑浊性质可用浑浊度的变化率来描述。在洗涤过程中，油污的浑浊度变化率小，泥污的浑浊度变化率大。因此，将浑浊度及其变化率作为控制系统的输入参量，洗涤时间和水流强度作为控制量。在洗衣过程中的这类输入和输出之间很难用一定的数学模型进行描述。系统运行过程中具有较大的不确定性，控制过程在很大程度上依赖操作者的经验，这样一来，利用常规的控制方法难以奏效。然而，如果利用专家知识进行控制决策，往往容易实现优化控制，这就是在洗衣机中引入模糊控制技术的主要原因之一。模糊理论与神经网
5、络技术的研究在各自的学科里取得了引人注目的进展，二者的相互渗透和有机结合，促进了模糊神经网络技术的研究。模糊神经网络中，将神经网络与模糊控制相结合，为模糊控44l电气技术2008年第2期制提供了良好的学习功能，并自动生成模糊控制规则。通过神经网络实现的模糊控制，对于知识的表达并不是通过显式的一条条的规则，而是把这些规则隐含地分布在整个网络之中。在控制应用时，不必进行复杂的规则搜索和推理，只需要通过高速并行的分布计算就可产生输出结果。2模糊神经网络的结构和算法21模糊神经网络结构模糊神经网络具有四层结构：输入层、模糊化层、模糊推理层、反模糊化层。层与层之间依据模糊逻辑系统的语言变量、模糊if-t
6、hen规则。22模糊神经网络的算法在这个模糊推理系统中，为了保证隶属函数的可导性，取Gauss型隶属度函数，其均值m；和标准差仃；均为网络中的可调参数；此外第3、4层间的权系数代表模糊规则中的结论数值伊，也是网络的可调参数。通过对这3类可调参数的修正，便可实现对系统的自适应控制。定义表示系统性能指标的万方数据目标函数为 =丢【；o+1)一)，o+1)12+2_1_AuJ 2在此目目标函数为=【)，o+1)一)，o+2+ 2在此目标函数下利用带动量项的BP算法将其最小化以修正网络中的3类可调参数辞、m和q a依带动量项的BP算法我们得到FNNC中3类可调参数的学习算法邬+1)=印)一嘉+吲沪驰_
7、1)】其中，=l，2，3，严他o+1)：他(f)一巩毒生+【觋(f)一o1)】or飞其中，-=l，2，3，2T啪+1)=g一磬+引q一旺()】其中，j_-1，2，32T3洗衣机的模糊控制器的设计模糊控制的过程是这样的，首先洗衣机获取的浑浊度信息由传感器送到信息处理单元，分为浑浊度和浑浊度变化率送入模糊控制器，对于输入的模糊量，需要将其转换成模糊变量，通过单片机，利用查表法按照模糊推理法则做出决策，结果被认为是模糊变量，经过去模糊化单元处理，再由执行机构去修改洗涤时间，这样就完成了一次模糊控制算法过程。一般模糊控制洗衣机将“专家经验”通过模糊控制规则体现出来，运行中通过查表做出控制决策，这比需要
8、操作者设定程序的电脑控制洗衣机前进了一大步。但是，这种洗衣机由于规则表需要占用大量的内存空间，查表反应速度慢，只能够按照已经编入的规则进行控制，因此不够理想。洗衣机的神经网络模糊控制是利用离线0iI练好的网络，通过在线计算即可得到最佳输出。这种控制模式的反应速度快，而且神经网络又具有自学习功能和联想能力，对于未在训练中出现的样本，也可以通过联系记忆的功能，做出控制决策，表现非常灵活。洗衣机的神经网络模糊控制器的控制系统中含有多个神经模糊环节，下面介绍以浑浊度和浑浊度变化率为输入参量来确定洗涤时间的控制器，控制器的控制框图如图1所示。神经网络控制器在输入输出参量的选择，以及模糊论域和模糊子集的确
9、定方面，与一般模糊控制器没有什么区别，只是在推理手段上引入了神经网络。令xl“-一x7为输入量浑浊度的模糊子集，x8x14研究与开发位输入量浑浊度变化率的模糊子集，yly8位输出控制量的模糊子集。共有16条控制规则，每条控制规则都是一对样本，则共有16对样本。图1神经网络模糊控制器的控制框图4仿真与结果为了检验模糊神经网络对洗衣机仿真的有效性，利用Matlab语言对洗衣机进行仿真研究。根据算法步骤设工1为输人量浑浊度的输人隶属函数，工2为输入量浑浊度的输入隶属函数，y为输出控制量的隶属函数。共有十六条规则，则有十六个补偿模糊神经元。根据模糊规则，可得到网络的训练样本，将它们进行训练，当训练结束
10、后，神经网络已经记忆了模糊控制规则，使用时具有联想记忆功能。利用Matlab进行仿真研究中间层神经元的传递函数为tansig输出层有8个结点，其神经元传递函数为logisig，采用traingdx训练函数，训练步数为1000次训练目标误差为02。仿真结果如下：TRAINGDX，Epoch 01000，MSE 033684902，Gradient 00966109le006TRAINGDX，Epoch 251 000，MSE 033344102，Gradient 00977338le一006TRAINGDX，Epoch 501000，MSE 032230802，Gradient 01012721
11、e一006TRAINGDX，Epoch 751 000，MSE 027986502，Gradient 01 10233le006TRAINGDX，Epoch 921000，MSE 019849602，Gradient 00994897le006TRAINGDX，Performance goal met由图2可见，网络的最大误差不超过02，说明网络性能可以满足控制要求的，网络经过1000次训练后，目标误差达到要求。5结论补偿模糊控制器在输入输出参量的选择，以及模糊论域和模糊子集的确定方面，与一般的模糊控制器没有什么区别，只是在理论手段上引入了神经网络。总的来说，基于模糊神经网络的控制具有以下特点
12、：2008年第2期电气技术l 45万方数据研究与开发图2(1)可以直接从经验中获取知识，自动建立模糊规则和隶属函数，能适当调整隶属函数。(2)无需查表，节省内存空间，只需通过在线计算，便可得到控制器输出。(3)具有较强的适应能力，对于未出现过的样本，可通过记忆联想产生合适的输出量对系统进行控制。参考文献【1】 飞思科技产品研发中心MATLAB7辅助控制系统设计与仿真【M】：北京：电子工业出版社，2005，5【2】 王海云，冯裕钊一种基于补偿模糊神经网络的水质预测方法【J】重庆建筑大学学报【3】张利萍。李宏光灰色神经网络预测算法在DMF回收过程中的应用【J】微计算机信息，2005，1：18318
13、5【4】 飞思科技产品研发中心神经网络理论与MATLAB7实现M】北京：，电子工业出版社(上接第40页)。一一一一_，叮一c1m)一c10 c5一C3_03(a40、-C4C5(“口)一c9c5恤)风力发电机的台数及所能承受的风电场最大容量。表3不同风速条件下可接入的风机台数及最大容量风速V(ms) 可接入风机台数 最大容量(MW)9O 6 148lOO 5 154120 4 165130 3 135140 3 150160 3 16020O 3 1656结论 一 仿真计算说明，在风电机组的投切以及一定的46I电芨术2008辎g 2系统扰动情况下，系统能够维持稳定的风电场最大容量是一定的。当风
14、速较低时，可投入较多的风力发电机。风速较高时，由于每台风力发电机发出的功率增大，而风电场可接入总容量不能随之增大，所以需要减少接入系统的风力发电机的台数，以保证在系统发生扰动或风电场因故障全部切除时，系统仍能保持稳定运行。上述分析也可以看出，风电场可由大容量的风力发电机组和小容量的风力发电机组共同组成，这样可以提高风电场的效率，更好的利用风能。最好以一年中该地区最多时间的主体风速作为基准，计算最大容量所能接入系统的最多风力发电机的台数。，7 、参考文献【1】 施鹏飞风力发电的进展和趋势中国电力出版社。20029【2】林霞大型风电场并网对系统影响分析及其应用研究硕士学位论文太原理工大学，2006
15、【3】 申洪，梁军，戴慧珠基于电力系统暂态稳定分析的风电场穿透功率极限计算电网技术，2002，26(8)：811【4】 熊晔华，风电场供电方式的分析风力发电，2001，4：2932万方数据基于模糊神经网络的洗衣机仿真研究作者： 齐凯， 赵国材， 谷雨， 罗金鸣， Qi Kai， Zhao Guocai， Gu Yu， Luo Jinming作者单位： 辽宁工程技术大学,辽宁葫芦岛,125105刊名： 电气技术英文刊名： ELECTRICAL ENGINEERING年，卷(期)： 2008(2)参考文献(4条)1.飞思科技产品研发中心 神经网络理论与MATLAB7实现2.张利萍;李宏光 灰色神经
16、网络预测算法在DMF回收过程中的应用期刊论文-微计算机信息 2005(01)3.王海云;冯裕钊 一种基于补偿模糊神经网络的水质预测方法期刊论文-重庆建筑大学学报 2004(5)4.飞思科技产品研发中心 MATLAB7辅助控制系统设计与仿真 2005本文读者也读过(10条)1. 赵秀花.李安生 模糊神经控制器在全自动洗衣机中的应用期刊论文-河南科学2001,19(4)2. 卢晶.赵远东.杨雄.Lu,Jing.Zhao,Yuandong.Yang,Xiong 基于补偿模糊神经网络的洗衣机仿真研究期刊论文-微计算机信息2006,22(10)3. 钟飞.廖冬初.杨光友.周国柱 利用MATLAB进行合成
17、模糊推理期刊论文-湖北工学院学报2002,17(1)4. 周国柱.周红峰.杨光友 基于神经网络的工业洗衣机模糊控制器的研究期刊论文-湖北工学院学报2003,18(3)5. 张铮.周国柱.张道德 工业洗衣机模糊控制系统硬件抗干扰的研究期刊论文-湖北工学院学报2002,17(3)6. 张道德.周国柱.杨光友.苏旭武 工业洗衣机模糊控制系统多任务模型研究期刊论文-湖北工学院学报2004,19(6)7. 苏旭武.杨光友 模糊控制工业洗衣机布量布质检测方法探讨期刊论文-湖北工学院学报2002,17(1)8. 梁国华 模糊控制技术在滚筒洗衣机上的应用期刊论文-中国西部科技2004(24)9. 张铮.Zhang Zheng 基于BP神经网络的智能控制器设计及其应用期刊论文-计算机工程与应用2005,41(13)10. 郭海如.陆桂明.Guo Hairu.Lu Guiming 基于TS模型的智能洗衣机控制器的设计期刊论文-孝感学院学报2008,28(3)本文链接：http:/
