復(fù)合智能控制的應(yīng)用智能控制技術(shù)5MIE分析法智能控制技術(shù)模糊專家系統(tǒng)在織機(jī)經(jīng)紗張力控制中的應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)在電能質(zhì)量評(píng)估中的應(yīng)用內(nèi)容產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在變電站故障診斷中的應(yīng)用模糊專家系統(tǒng)在溫室控制中的應(yīng)用產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊神經(jīng)網(wǎng)絡(luò)在電能質(zhì)量評(píng)估中的應(yīng)用1神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用5MIE分析法智能控制技術(shù)案例描述學(xué)習(xí)控制的應(yīng)用明確的電能質(zhì)量評(píng)估標(biāo)準(zhǔn)也有助于購(gòu)電方進(jìn)行比較和選擇，以最少的資金獲取最適合的電能?？紤]電能質(zhì)量問(wèn)題有助于改革和完善電力企業(yè)管理，提高企業(yè)管理效率和電能質(zhì)量，降低供發(fā)電成本和電價(jià)，促進(jìn)國(guó)民經(jīng)濟(jì)發(fā)展。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)電能質(zhì)量綜合評(píng)估模型（1）評(píng)價(jià)指標(biāo)體系的建立根據(jù)國(guó)家標(biāo)準(zhǔn)或國(guó)際公認(rèn)定義的要求，將電壓暫降、電壓偏差、頻率偏差、三相不平衡、波動(dòng)和閃變、諧波、可靠性等指標(biāo)分為5個(gè)等級(jí)。這5級(jí)電能在規(guī)定范圍內(nèi)符合國(guó)家標(biāo)準(zhǔn)或國(guó)際公認(rèn)定義的各項(xiàng)指標(biāo)要求認(rèn)為是合格電能。（2）樣本矩陣和標(biāo)準(zhǔn)指標(biāo)矩陣的規(guī)范化電能質(zhì)量的好壞屬于模糊概念，其變化連續(xù)，存在著中間過(guò)渡的模糊性，故采用相對(duì)隸屬度對(duì)其進(jìn)行描述：規(guī)定標(biāo)準(zhǔn)矩陣中指標(biāo)的1級(jí)標(biāo)準(zhǔn)值對(duì)電能質(zhì)量“好”這個(gè)模糊概念的隸屬度為1；指標(biāo)的級(jí)指標(biāo)標(biāo)準(zhǔn)值對(duì)電能質(zhì)量“好”這個(gè)模糊概念的；相對(duì)隸屬度為0，介于1級(jí)和級(jí)之間的指標(biāo)的級(jí)標(biāo)準(zhǔn)值的相對(duì)隸屬度按下式確定:產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)電能質(zhì)量綜合評(píng)估模型（3）模糊神經(jīng)網(wǎng)絡(luò)模型的建立由于電能質(zhì)量評(píng)估涉及8個(gè)主要評(píng)估指標(biāo)，電能質(zhì)量被分為5個(gè)等級(jí)，因此模型的輸入神經(jīng)元為8個(gè)，輸出層神經(jīng)元為5個(gè)，隱藏層神經(jīng)元數(shù)由公式確定：隱藏層神經(jīng)元數(shù)=（輸入層神經(jīng)元數(shù)×輸出層神經(jīng)元數(shù)）1/2。因此，隱藏層神經(jīng)元數(shù)為6。（4）訓(xùn)練樣本的生成根據(jù)電能質(zhì)量標(biāo)準(zhǔn)，各類電能質(zhì)量的指標(biāo)都有上下限。當(dāng)樣本的電能指標(biāo)值都在某類電能質(zhì)量規(guī)定的范圍內(nèi)時(shí)，該樣本被歸為相應(yīng)級(jí)別。通過(guò)有限次插值或在相應(yīng)指標(biāo)范圍內(nèi)進(jìn)行隨機(jī)取值，可以生成足夠多的訓(xùn)練樣本。利用內(nèi)插法生成了3000個(gè)樣本，其中隨機(jī)抽取500個(gè)作為檢驗(yàn)樣本和測(cè)試樣本，剩下的2000個(gè)作為訓(xùn)練樣本。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)電能質(zhì)量綜合評(píng)估模型（5）電能質(zhì)量級(jí)別的確定根據(jù)概念模糊在分級(jí)條件下最大隸屬度原則不適用的情況，采用級(jí)別特征值的方法確定電能質(zhì)量級(jí)別：

為級(jí)別特征值矩陣，根據(jù)對(duì)電能樣本進(jìn)行綜合評(píng)價(jià)，考慮到電能評(píng)價(jià)中的區(qū)間值類別類型，對(duì)上述結(jié)果做如下處理，對(duì)電能質(zhì)量進(jìn)行歸類。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)結(jié)果驗(yàn)證通過(guò)對(duì)某城市8個(gè)實(shí)際觀測(cè)點(diǎn)（電壓等級(jí)為380V）的電能質(zhì)量實(shí)測(cè)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析，實(shí)測(cè)數(shù)據(jù)詳見表1。將這8個(gè)評(píng)估點(diǎn)的電能質(zhì)量樣本的實(shí)測(cè)指標(biāo)相對(duì)隸屬度輸入經(jīng)過(guò)訓(xùn)練的模糊神經(jīng)識(shí)別網(wǎng)絡(luò)，從而得到待識(shí)別電能質(zhì)量樣本相對(duì)于標(biāo)準(zhǔn)類別的識(shí)別結(jié)果。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用評(píng)估點(diǎn)電壓暫降/%電壓偏差/%頻率偏差/Hz三相不平衡/%電壓波動(dòng)/%電壓諧波電壓閃變可靠性152.444.7970.1220.831.332.720.540.54275.891.680.0620.360.531.280.330.8333.564.350.1801.351.954.670.930.32417.36.330.1771.741.373.360.840.54562.33.220.1020.830.882.570.320.76631.34.690.1381.141.673.310.660.67717.64.740.1441.091.462.790.570.75819.26.200.1861.341.574.060.760.31學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)結(jié)果驗(yàn)證則8個(gè)評(píng)估點(diǎn)的T為:根據(jù)電能質(zhì)量級(jí)別確定方法，得出8個(gè)評(píng)估點(diǎn)的電能質(zhì)量級(jí)別。模型與模糊綜合評(píng)判模型的評(píng)估結(jié)果詳見表2。在評(píng)估點(diǎn)2，模糊綜合評(píng)判等級(jí)為2級(jí)，用本文提出的模型評(píng)判等級(jí)為3級(jí)，與觀測(cè)點(diǎn)7的電能相比（兩種方法對(duì)評(píng)估點(diǎn)7的評(píng)判等級(jí)都為3級(jí)）可見，根據(jù)本模型得出的評(píng)估點(diǎn)2和7的級(jí)別值分別為2.5644和2.4646。雖然按照進(jìn)一法的結(jié)果兩者均屬于第3等級(jí)，但評(píng)估點(diǎn)2比評(píng)估點(diǎn)7更接近第3等級(jí)。而模糊綜合評(píng)估模型的評(píng)估結(jié)果顯示評(píng)估點(diǎn)2的電能質(zhì)量要比評(píng)估點(diǎn)7差一個(gè)等級(jí)。實(shí)際上，兩個(gè)評(píng)估點(diǎn)的電能質(zhì)量差別非常小，因此本模型更為合理。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用評(píng)估點(diǎn)12345678模糊綜合評(píng)判模型12442234本模型13542334產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在變電站故障診斷中的應(yīng)用2神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)變電站的故障診斷該系統(tǒng)利用新型徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)來(lái)解決故障診斷問(wèn)題，采用正交最小二乘算法來(lái)優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)。神經(jīng)系統(tǒng)針對(duì)變電站，將所有開關(guān)和保護(hù)的動(dòng)作信息作為神經(jīng)網(wǎng)絡(luò)的輸入。一般每臺(tái)設(shè)備配備1到2臺(tái)主保護(hù)和相應(yīng)的后備保護(hù)，如果直接將這些信息作為輸入，將導(dǎo)致網(wǎng)絡(luò)規(guī)模過(guò)大，影響收斂能力和診斷速度。鑒于當(dāng)前電網(wǎng)的高可靠性，本系統(tǒng)僅考慮近后備保護(hù)的動(dòng)作情況。因此，某臺(tái)設(shè)備的綜合保護(hù)系數(shù)為：產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)訓(xùn)練樣本前提：由于本系統(tǒng)涉及大量開關(guān)和保護(hù)，如果完全依賴人工生成訓(xùn)練樣本，將難以維護(hù)且準(zhǔn)確性無(wú)法保證?？紤]到在沒有誤動(dòng)和拒動(dòng)的情況下，可以根據(jù)清晰的規(guī)則判斷故障情況，因此采用ES自動(dòng)生成基本訓(xùn)練樣本，并結(jié)合規(guī)則難以表達(dá)的復(fù)雜故障樣本，生成全面的訓(xùn)練樣本集合。ES采用CLIPS引擎，利用預(yù)先設(shè)定的規(guī)則庫(kù)進(jìn)行推理。系統(tǒng)由推理引擎、事例庫(kù)和規(guī)則庫(kù)組成，推理引擎通過(guò)事例匹配激發(fā)相關(guān)規(guī)則并得出推理結(jié)果。事例庫(kù)根據(jù)不同的變電站生成不同的事例，規(guī)則庫(kù)保存在文本文件中可進(jìn)行添加和修改。系統(tǒng)首先對(duì)事例進(jìn)行預(yù)處理，利用網(wǎng)絡(luò)拓?fù)浜驮O(shè)備屬性事例庫(kù)自動(dòng)生成保護(hù)和開關(guān)、保護(hù)和一次元件以及開關(guān)和一次元件的關(guān)聯(lián)關(guān)系，然后根據(jù)設(shè)備故障與開關(guān)、保護(hù)動(dòng)作之間的關(guān)系自動(dòng)生成開關(guān)、保護(hù)動(dòng)作情況表，最終通過(guò)預(yù)處理得到訓(xùn)練樣本。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)保護(hù)和開關(guān)動(dòng)作評(píng)價(jià)保護(hù)和開關(guān)的動(dòng)作情況可分為正確、誤動(dòng)和拒動(dòng)三種。系統(tǒng)再次利用CLIPS引擎，基于簡(jiǎn)單規(guī)則對(duì)其動(dòng)作行為進(jìn)行評(píng)價(jià)。根據(jù)故障情況、保護(hù)與設(shè)備關(guān)系以及保護(hù)屬性，系統(tǒng)利用保護(hù)動(dòng)作規(guī)則庫(kù)確定保護(hù)的動(dòng)作情況。以下是針對(duì)線路主保護(hù)正確動(dòng)作的一條規(guī)則：IF（故障設(shè)備（設(shè)備？Device））（object（is-aPROTECT）（保護(hù)？Protect）（關(guān)聯(lián)設(shè)備？Device）（類型＂主保護(hù)＂））（保護(hù)動(dòng)作信息（保護(hù)？Protect））THEN（保護(hù)動(dòng)作信息評(píng)價(jià)（保護(hù)？Protect）（評(píng)價(jià)＂正確＂））產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)系統(tǒng)測(cè)試本系統(tǒng)的測(cè)試是基于下圖所示的變電站接線圖進(jìn)行的。該變電站包括雙母線雙變壓器、六條出線和十二個(gè)開關(guān)。開關(guān)狀態(tài)（0或1）和設(shè)備的保護(hù)系數(shù)被用作神經(jīng)網(wǎng)絡(luò)的輸入，即有ni=22個(gè)輸入，系統(tǒng)元件的狀態(tài)則作為神經(jīng)網(wǎng)絡(luò)的輸出，即有n0=10個(gè)輸出。如果神經(jīng)網(wǎng)絡(luò)的某個(gè)輸出接近1，則被認(rèn)為對(duì)應(yīng)的元件發(fā)生故障。系統(tǒng)自動(dòng)生成的樣本包含10種基本故障情況。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)系統(tǒng)測(cè)試為了測(cè)試神經(jīng)網(wǎng)絡(luò)的泛化能力，選取不在訓(xùn)練樣本集中的故障情況作為測(cè)試樣本。具體故障情況如下：故障情況1：只有開關(guān)B5063跳閘。神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，未檢測(cè)到故障元件，經(jīng)由ES評(píng)估后發(fā)現(xiàn)開關(guān)5063誤動(dòng)。故障情況2：開關(guān)B5062和B5063跳閘，5407線主保護(hù)5407TLS動(dòng)作，但5407線主保護(hù)5407DLP未動(dòng)作。神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，發(fā)現(xiàn)故障元件為5407，再經(jīng)由ES評(píng)估后確認(rèn)5407線主保護(hù)5407DLP拒動(dòng)；故障情況3：開關(guān)B5062、B5063和B5061跳閘，5407線主保護(hù)5407TLS和5407DLP均動(dòng)作。神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，發(fā)現(xiàn)故障元件為5407，再經(jīng)由ES評(píng)估后確認(rèn)開關(guān)B5061誤動(dòng)。通過(guò)測(cè)試結(jié)果可以發(fā)現(xiàn)，即使僅使用基本訓(xùn)練樣本，系統(tǒng)也能夠判斷開關(guān)和保護(hù)的錯(cuò)誤動(dòng)作。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊專家系統(tǒng)在織機(jī)經(jīng)紗張力控制中的應(yīng)用3神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的應(yīng)用前提經(jīng)線張力的波動(dòng)是影響紡織品質(zhì)量的重要因素。由于張力系統(tǒng)是多變量、非線性和時(shí)變復(fù)雜動(dòng)態(tài)系統(tǒng)，傳統(tǒng)的PID控制算法無(wú)法隨時(shí)調(diào)整KP、KI和KD參數(shù)，容易導(dǎo)致經(jīng)線張力波動(dòng)過(guò)大，導(dǎo)致系統(tǒng)的穩(wěn)定性和可靠性較差。通過(guò)使用模糊專家控制來(lái)控制經(jīng)線張力，根據(jù)當(dāng)前紗線、織物組織和織機(jī)的信息，可以自動(dòng)從專家知識(shí)庫(kù)中提取信息，并判斷相應(yīng)的控制規(guī)則，從而可以在線修改和保存專家知識(shí)庫(kù)，并通過(guò)離線學(xué)習(xí)不斷修改知識(shí)庫(kù)。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的控制原理模糊專家控制器的輸入變量為張力偏差和張力偏差變化率，輸出變量

為和

，相應(yīng)的模糊集為，是一個(gè)雙輸入三輸出的二維模糊控制器。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的控制原理產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用圖1E(EC)的隸屬度函數(shù)圖2U的隸屬度函數(shù)張力偏差和張力偏差變化率的量化論域均采用三角形隸屬度函數(shù)，如圖1所示，用NB（負(fù)大）、NM（負(fù)中）、NS（負(fù)?。?、ZO（零）、PS（正?。M（正中）、PB（正大）7個(gè)模糊狀態(tài)來(lái)描述；輸出控制量同樣選用三角形隸屬函數(shù)，如圖2所示，用NB（負(fù)大）、NM（負(fù)中）、NS（負(fù)?。?、ZO（零）、PS（正?。M（正中）、PB（正大）7個(gè)模糊狀態(tài)來(lái)描述。學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的控制原理產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用表1模糊規(guī)則表織機(jī)的張力控制可以根據(jù)經(jīng)紗張力偏差以及偏差變化率來(lái)消除張力偏差，相應(yīng)的模糊規(guī)則控制表見1。的模糊規(guī)則表EECNBNMNSZOPSPMPBNBPBPBPMPSPSZOZONMPBPBPMPSPSZONSNSPMPMPMZOZONSNSZOPMPMPSNSNSNMNMPSPSPSZONSNSNMNMPMPSZONSNMNMNMNBPBZOZONMNMNMNBNB的模糊規(guī)則表EECNBNMNSZOPSPMPBNBNBNBNMNMNSZOZONMNBNBNMNSNSZOZONSNBNSNSNSZOPSPSZONMNSNSZOPSPMPMPSNMNSZOPSPSPMPBPMZOZOZOPSPMPBPBPBZOZOPSPMPMPBPB模糊規(guī)則表EECNBNMNSZOPSPMPBNBPSNSNBNBNBNMPSNMPSNSNBNMNMNSZONSZONSNMNMNSNSZOZOZONSNSNSNSNSZOPSZOZOZOZOZOZOZOPMPBNSPSPSPSPSPBPBPBPMPMPSPSPSPB產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊專家系統(tǒng)在溫室控制中的應(yīng)用4神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的應(yīng)用前提溫室模糊控制器的作用是穩(wěn)定環(huán)境因子的數(shù)值，確保它們保持在作物生長(zhǎng)最佳參數(shù)范圍內(nèi)。主要考慮對(duì)作物影響較大的溫度、濕度和太陽(yáng)輻射量這三個(gè)因素，其中溫度和濕度尤為重要。模糊控制器包括輸入量的模糊化、模糊推理和輸出量的去模糊化處理。輸入量的模糊化是將精確的物理數(shù)值轉(zhuǎn)化成模糊子集表示；模糊推理根據(jù)專家系統(tǒng)中的數(shù)據(jù)庫(kù)和規(guī)則庫(kù)確定模糊輸出量；而去模糊化則將模糊推理的值轉(zhuǎn)化成精確的控制執(zhí)行機(jī)構(gòu)量。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)輸入輸出量模糊化整個(gè)系統(tǒng)的輸入變量包括偏差、偏差變化率和偏差變化率的變化率，輸出為控制量。

E和EC模糊集?。簕NB=負(fù)大，NM=負(fù)中，Z=0中，NM=正中，NB=正大}。模糊量的獲取由量化值經(jīng)模糊語(yǔ)言變量隸屬度曲線所得，各模糊量的隸屬度函數(shù)如圖所示。系統(tǒng)輸出量即各環(huán)境因子的控制量也根據(jù)上述方法劃分模糊語(yǔ)言值，將其劃分7個(gè)（“負(fù)大”“負(fù)中”“負(fù)小”“中”“正小”“正中”“正大”）模糊語(yǔ)言值。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用圖3模糊集合的隸屬度函數(shù)學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)溫室模糊控制規(guī)則為確保系統(tǒng)的動(dòng)態(tài)穩(wěn)定和控制處于最佳狀態(tài)，采用了三輸入的模糊控制規(guī)則。具體的規(guī)則如下：當(dāng)偏差及其變化率以及變化率的變化率較大時(shí)，需要盡快消除偏差；而當(dāng)它們較小或?yàn)榱銜r(shí)，系統(tǒng)穩(wěn)定性成為首要問(wèn)題，此時(shí)應(yīng)根據(jù)它們的變化來(lái)調(diào)節(jié)控制機(jī)構(gòu)。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用表2模糊控制狀態(tài)學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)溫室控制模糊決策將室內(nèi)溫度、濕度和太陽(yáng)輻射量這三個(gè)環(huán)境因子對(duì)控制設(shè)備的依賴程度分為五個(gè)等級(jí)：非常高、高、中、低、非常低，分別對(duì)應(yīng)0.1、0.3、0.5、0.7、0.9。如果依賴程度處于兩個(gè)評(píng)定值之間，則取這兩個(gè)等級(jí)間的評(píng)定值。通過(guò)以上方法，得出表3，該表展示了溫度、濕度和太陽(yáng)輻射量這三個(gè)環(huán)境因子受七個(gè)控制設(shè)備（其中濕簾在開啟前需開啟水泵）的影響程度。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用表3各環(huán)境因子對(duì)控制設(shè)備的依賴程度環(huán)境因子控制設(shè)備遮陽(yáng)簾保溫被天窗供暖設(shè)備濕簾風(fēng)機(jī)水泵溫度0.50.70.30.90.60.40.5濕度0.