基于系统辨识与 T-S模糊神经网络的磨矿分级控制 (2011年)

针对磨矿分级过程控制中具有的慢时变、非线性特征,提出了一种基于系统辨识的自 适应模糊推理网络模型,并应用于磨矿控制领域。利用模糊聚类法对现有数据样本进行系统 辨识,自动获取模糊规则库和相应的初始参数。依据得到的模糊系统构建基于Takage-Suge-no推理模型的自适应模糊神经网络推理系统,获得比传统的模糊神经网络具有更强的自适应 性和更快的运算速度。仿真实验结果显示,本文设计的控制模型在磨矿控制过程中具有较好 的应用效果。