基于α阶神经网络逆系统孵化过程解耦控制

系统仿真学报 ›› 2016, Vol. 28 ›› Issue (7): 1661-1667.

基于α阶神经网络逆系统孵化过程解耦控制

周国雄, 李俊超, 陈爱斌

中南林业科技大学计算机与信息工程学院,湖南长沙,410004

收稿日期:2015-01-20 修回日期:2015-05-19 出版日期:2016-07-08 发布日期:2020-06-04
作者简介:周国雄(1980-), 男, 湖南嘉禾, 博士后, 副教授, 研究方向为智能控制、无损检测; 李俊超(通信作者1992-), 男, 湖北襄阳, 本科生, 研究方向为智能控制。
基金资助:
国家级大学生创新创业训练计划(601000267),中南林业科技大学青年科学研究基金自主（QJ2012012B）

Decoupling Control of Poultry Hatching Process Based on α-order Neural Network Inverse System

Zhou Guoxiong, Li Junchao, Chen Aibin

School of Computer and Information Engineering, Central South University of Forestry & Technology, Changsha 410004, China

Received:2015-01-20 Revised:2015-05-19 Online:2016-07-08 Published:2020-06-04

摘要/Abstract

摘要： 针对家禽孵化过程是一个复杂的生物过程,温度、湿度和氧气浓度之间耦合严重,常规的控制方法难以保证3个参数之间的稳定,提出一种基于α阶神经网络逆系统家禽孵化过程解耦控制方法。将3个参数进行耦合度分析分组,采用α阶神经网络逆系统控制耦合度较强的2个参数,另一个则通过模糊控制器控制,从而保证3个参数的稳定。实验结果表明了该方法的有效性。

关键词: 孵化过程, 逆系统, 模糊控制, 耦合度

Abstract: The poultry hatching process is a complex biological process, in which coupling between temperature, humidity and oxygen concentration is serious, and conventional control methods can not guarantee the stability of three parameters. An α-order inverse system decoupling control method for poultry hatching process was proposed. The three factors were grouped by coupling degree analysis, using α-order neural network inverse system to control the two parameters whose coupling degree is stronger, another parameter would be controlled by fuzzy controller, thus ensuring the stability of the three parameters. The experimental results show the effectiveness of this method.

Key words: incubation process, inverse system, fuzzy control, coupling degree

中图分类号:

TP299

周国雄, 李俊超, 陈爱斌. 基于α阶神经网络逆系统孵化过程解耦控制[J]. 系统仿真学报, 2016, 28(7): 1661-1667.

Zhou Guoxiong, Li Junchao, Chen Aibin. Decoupling Control of Poultry Hatching Process Based on α-order Neural Network Inverse System[J]. Journal of System Simulation, 2016, 28(7): 1661-1667.

参考文献 15

[1]	沈学杰, 周国雄. 家禽孵化智能控制系统的设计及实现[J]. 农机化研究, 2009, 31(4): 64-66.
[2]	蔡兵. 智能孵化控制系统的设计与实现[J]. 电子科技大学学报, 2004, 33(2): 188-191.
[3]	周国雄, 蒋辉平. 基于分层结构模糊免疫PID的孵化过程控制[J]. 农业工程学报, 2007, 2(12): 167-170.
[4]	周国雄, 熊达清, 敬文举, 等. 禽蛋孵化过程的混合智能控制[J]. 农业机械学报, 2008, 39(1): 118-122.
[5]	王正齐, 刘贤兴. 基于神经网络逆系统的无轴承异步电机非线性内模控制[J]. 自动化报, 2013, 39(4): 433-439.
[6]	董泽, 孙剑, 张媛媛, 等. 基于α阶逆神经网络解耦的循环流化床锅炉燃烧-汽水系统PSO-PID控制[J]. 动力工程, 2009, 29(6): 549-553, 564.
[7]	赵波, 邹力. 基于结构熵的IaaS平台耦合度计算方法[J]. 华中科技大学学报, 2014, 42(11): 11-16, 22.
[8]	吴敏, 周国雄. 多座不对称焦炉集气管压力模糊解耦控制[J]. 控制理论与应用, 2010, 27(1): 94-98.
[9]	Yang Hai, Ma Jie.Nonlinear Control for Autonomous Underwater Glider Motion Based on Inverse System Method[J]. Journal of Shanghai Jiaotong University (Science)(S1007-1172), 2010, 15(6): 713-718.
[10]	王杰, 陈春宇. 基于神经网络逆系统的循环流化床内模控制[J]. 郑州大学学报(工学版), 2013, 34(2): 71-75.
[11]	Fang JianCheng, Ren Yuan. High-precision control for a single-gimbal magnetically suspended control moment gyro based on inverse system method[J]. IEEE Transactions on Industrial Electronics (S0278-0046), 2011, 58(9): 4331-4342.
[12]	刘国海, 杨辰星, 陈兆岭. 有源电力滤波器神经网络逆解耦控制[J]. 电力系统保护与控制, 2013, 41(5): 23-29.
[13]	周国雄, 蒋辉平, 肖会芹. 孵化控制系统的专家模糊控制方法及其应用[J]. 计算机测量与控制, 2007, 15(11): 1547-1549, 1552.
[14]	Rahimi-Vahed A, Dang C M, Rafiei H.A novel hybridmulti-objective shuffled frog-leaping algorithm for a bi-criteriapermutation flow shop scheduling problem[J]. International Journal of Advanced Manufacturing Technology (S0268-3768), 2009, 41(11): 1227-1239.
[15]	薛升翔, 贾振红, 杨杰, 等. 用蛙跳算法优化RBF神经网络参数的研究[J]. 计算机工程与应用, 2011, 47(28): 59-61.