摘要
利用神经网络辨识复杂非线性系统的能力 ,基于实验的输入输出数据 ,用神经网络辨识的方法建立起 MCFC电堆的神经网络模型 ,然后基于温度特性输入输出关系设计一个模糊控制器 ,并用模糊控制器的输入输出样本训练神经网络。仿真结果表明 ,所设计的控制器用神经网络的计算结构代替模糊规则推理 ,在速度、自学习、自适应等方面具有灵活、高效的优势 ,它对不同的系统状态都能调节控制量 。
A temperature model of MCFC stack is set up by using neural networks identification, with the flow rates of fuel gas and oxidant gas as the input and the temperature response of MCFC stack as the output. Based on the I/O relations of temperature, a fuzzy controller is designed, and a neural networks is trained by using the I/O sample data of the fuzzy controller. Simulation results show the validity of the modeling and neuro-fuzzy controller.
出处
《控制与决策》
EI
CSCD
北大核心
2001年第B11期753-756,762,共5页
Control and Decision
基金
上海市科技发展基金项目 (9930 12 0 13)
上海交通大学 2 11工程基金项目
