论文部分内容阅读
针对啤酒发酵过程中罐内温度控制问题，研究神经网络对模糊控制规则的优化方法，利用径向基函数神经网络对模糊控制规则进行优化，提高其自适应能力。以啤酒生产过程中主发酵阶段的数据作为输入样本，通过径向基函数神经网络进行学习训练，校正模糊控制规则，优化模糊控制器。优化前与优化后响应特性曲线的比较结果表明， RB F神经网络学习能力强，收敛速度快；模糊控制规则的完备性和一致性明显改善，控制器的响应速度快、超调量小、稳定性强、控制效果好。