Zusammenfassung: Herkömmliche Fuzzy-Controller in der industriellen Steuerungstechnik weisen häufig Probleme wie unzureichende Regelgenauigkeit auf. Dieser Beitrag schlägt eine Methode vor, die Neuronen mit Fuzzy-Controllern kombiniert, um die Regelgenauigkeit des Steuerungssystems zu verbessern. Der Controller wurde im Hauptluftdruckregelungssystem eines Kraftwerks eingesetzt, und Simulationen lieferten gute Ergebnisse.
Schlüsselwörter: Prozesssteuerung; Fuzzy-Steuerung; Fuzzy-Regler; Neuron
1. Einleitung
In modernen Großkraftwerken weisen die meisten Regelobjekte Merkmale wie große Zeitverzögerungen, Nichtlinearitäten und Schwierigkeiten bei der genauen Modellierung auf. Traditionelle Regelungsverfahren wie die PID-Regelung erzielen in vielen Fällen keine zufriedenstellenden Ergebnisse. Die Praxis zeigt, dass die Anpassungsfähigkeit und Robustheit des Regelsystems effektiv durch den Einsatz modellfreier Regelungsstrategien verbessert werden können. Als zentrale Elemente intelligenter Regelungstechnik sind neuronale Netze und Fuzzy-Regelung effektive modellfreie Regelungsverfahren, die bereits erfolgreich in der industriellen Prozesssteuerung eingesetzt wurden [1]. Allerdings weisen auch sie Schwächen auf. Die Extraktion vollständiger Regelungsregeln für die Fuzzy-Regelung ist schwierig, und Fuzzy-Regler weisen stationäre Fehler auf, was ihren Anwendungsbereich stark einschränkt [1]. Werden bestehende neuronale Netze direkt auf das Regelsystem angewendet, ergeben sich ebenfalls Nachteile wie komplexe Lernalgorithmen, langsame Konvergenzgeschwindigkeit und das Auftreten lokaler Minima. Daher wird ein Verfahren vorgeschlagen, das Fuzzy-Logik-Algorithmen und neuronale Netze organisch kombiniert. Durch die Komplementarität der beiden können die Robustheit, Anpassungsfähigkeit und Regelgenauigkeit des Systems effektiv verbessert und somit eine effiziente Steuerung erreicht werden.
2. Reglerprinzip und -struktur
