基于模糊神经网络的公路隧道通风控制方法研究
|
摘要
公路隧道通风系统具有很强的非线形特征,传统的线性控制理论难以获得精确的数学模型,因此,模糊控制等现代控制方法成为公路隧道通风控制的趋势,但模糊控制存在隶属函数、控制规则难以确定的问题。本文将具有强大学习能力的神经网络融合到模糊控制系统中,研究了公路隧道通风的模糊神经控制方法。解决了模糊控制系统本身的学习和适应能力差、模糊变量各语言值隶属函数,控制规则不能随着环境参数(如交通量、基准排放量等)的改变而自动调整和修改等问题。
针对公路隧道通风模糊控制系统,参考了最优规则排序无关,在此基础上修改控制规则,获得了较优的规则库,与常规试凑法相比,大大节省了调整时间,同时利用等价结构的模糊神经网络模型,使其与规则库更好的匹配,反复调整隶属函数和修改控制规则,获得最佳模糊组合。并且建立了隧道小时交通量预测模型,可以获得任意给定交通量预测模型下的最佳模糊组合,从而实现了最优控制。
提出基于模糊神经网络模型的隧道通风控制方法,能自动修改规则库和调整隶属函数,与单纯的模糊控制方法相比,提高了控制系统的自动化程度,提前预测未来的交通状况,节省了调整时间,降低了电能消耗。
The road tunnel ventilation system has strong non-linear characteristic and it is difficult to gain the precise mathematical model by using the traditional linear control theory, therefore, the modem control methods such as the fuzzy control become the trend for the road tunnel ventilation control. However, there are some difficulties with the establishment of the fuzzy membership functions and the rule base. The paper use Fuzzy Neural Network Control (FNNC) system to improve the method of tunnel ventilation control. Solved the problems such as Fuzzy Logical Control system's lacking of learning and adaptive ability, the membership functions of the fuzzy variables cannot be changed, the fuzzy logical rules cannot be modified automatically when environmental variables such as traffic model, average exhaust, etc, are changed.
In view of the fuzzy control system of tunnel ventilation, on the basis of the best rule sorting independence, logical rules are modified and the optimized rules are gained. It takes much less time to regulate rules by using the above method than the traditional one. And established the tunnel hour traffic volume forecast model, in addition, membership functions are adjusted by using fuzzy neural network based on Back Propagation (BP) algorithm, so they match for the rules better and a more reasonable fuzzy combination is got. Then the final optimized fuzzy combination based on any specific traffic volume forecast model is gained. The FNNC system can modify the logical rules and regulate the parameters of membership functions automatically. Compared with the FLC system, the control process becomes more automatic, the time and the energy consumption becomes less.
针对公路隧道通风模糊控制系统,参考了最优规则排序无关,在此基础上修改控制规则,获得了较优的规则库,与常规试凑法相比,大大节省了调整时间,同时利用等价结构的模糊神经网络模型,使其与规则库更好的匹配,反复调整隶属函数和修改控制规则,获得最佳模糊组合。并且建立了隧道小时交通量预测模型,可以获得任意给定交通量预测模型下的最佳模糊组合,从而实现了最优控制。
提出基于模糊神经网络模型的隧道通风控制方法,能自动修改规则库和调整隶属函数,与单纯的模糊控制方法相比,提高了控制系统的自动化程度,提前预测未来的交通状况,节省了调整时间,降低了电能消耗。
The road tunnel ventilation system has strong non-linear characteristic and it is difficult to gain the precise mathematical model by using the traditional linear control theory, therefore, the modem control methods such as the fuzzy control become the trend for the road tunnel ventilation control. However, there are some difficulties with the establishment of the fuzzy membership functions and the rule base. The paper use Fuzzy Neural Network Control (FNNC) system to improve the method of tunnel ventilation control. Solved the problems such as Fuzzy Logical Control system's lacking of learning and adaptive ability, the membership functions of the fuzzy variables cannot be changed, the fuzzy logical rules cannot be modified automatically when environmental variables such as traffic model, average exhaust, etc, are changed.
In view of the fuzzy control system of tunnel ventilation, on the basis of the best rule sorting independence, logical rules are modified and the optimized rules are gained. It takes much less time to regulate rules by using the above method than the traditional one. And established the tunnel hour traffic volume forecast model, in addition, membership functions are adjusted by using fuzzy neural network based on Back Propagation (BP) algorithm, so they match for the rules better and a more reasonable fuzzy combination is got. Then the final optimized fuzzy combination based on any specific traffic volume forecast model is gained. The FNNC system can modify the logical rules and regulate the parameters of membership functions automatically. Compared with the FLC system, the control process becomes more automatic, the time and the energy consumption becomes less.
引文
[1]蔡珊瑜.特长隧道通风系统选型的探讨[J].地下空间,2004(3):75-79
[2]丛爽.自向MATLABI具箱的神经网络理沦与应用[M].合肥:中国科学技术大学出版社,1998
[3]仇玉良.公路隧道复杂通风网络分析技术研究.[D].长安大学博士学位论文,2005
[4]杜爱月.基于模糊控制的交通信号控制系统及仿真的研究[D].长安大学博士学位论文,2004
[5]方勇.公路隧道前馈式通风控制系统研究[D].西南交通大学,2004
[6]公路隧道通风照明设计规范((JTJ 026.1999)[S].人民交通出版社,2000
[7]郭建文.隧道通风用射流风机的高风速化[J].公路,2005(2):179-182
[8]公路长隧道纵向通风的设计理论与方法(国家“8.5”重点攻关项目专题研究)[M].重庆市重点公路建设指挥部、西南交通大学编,1996
[9]G.F.Poole.Predicting annual energy consumption for longitudinal ventilated road tunnels.10th International Symposium on the Aerodynamics&Ventilation Vehicle Tunnels.2000 September:411-429
[10]http://www.stec.net/
[11]http://www.tunnelling.cn/
[12]交通部公路司.全国优秀公路勘察设计技术交流成果汇编[M].北京:人民交通出版社,2001
[13]罗衍俭.长大公路隧道通风系统的选择[J].公路,1998(8):38-41
[14]刘浩.基于只能控制与OPC的公路隧道通风控制系统研究[D].广西大学.2005.6
[15]李人厚.智能控制理论和方法[M].西安:西安电子科技大学出版社,1999
[16]李刚.隧道纵向通风设计中应注意的一些问题[J].公路,1999(3):49-51
[17]李德英.基于模糊神经网络的公路隧道纵向通风控制研究[D].成都:西南交通大学,2002
[18]蓝红莉.公路隧道环境计算机模拟及其通风系统控制研究[D].华东师范大学,2005
[19]李士勇?模糊控制·神经控制和智能控制[M].哈尔滨:哈尔滨工业大学出版社,1998
[20]马永杰.公路隧道纵向通风神经模糊控制系统应用研究[D].成都:西南交通大学,2002
[21]Ping-Ho Chen,Jiun-Hong Lai,Chin-Teng Lin.Application of fuzzy control to a road tunnel ventilation system.Fuzzy Sets and System,1998:9-28
[22]史忠科,神经网络控制理论[M].西安:西北工业大学出版社,2000
[23]孙巧燕.隧道通风和火灾报警系统研究[D].长安大学,2002.4.
[24]Tatsuro Yoshimochi et al.A Ventilation Control System Using Fuzzy Control for Two-way Traffic Tunnel in highway.Aerodynamics& Ventilation Vehicle Tunnels Symposium.1994,873-881
[25]王士同.模糊系统、模糊神经网络及应用程序设计[M].上海:上海科学技术文献出版社,1998
[26]闻新,周露等.MATLAB神经网络应用设计[M].北京:科学出版社,2001
[27]徐志谦.交通工程总论[M].北京:人民交通出版社,2000
[28]夏永旭,王永东等.秦岭终南山公路隧道通风方案探讨[J].长安大学学报,2002(5):48-50
[29]谢光秋.公路隧道变频通风控制研究及系统实现[D].西安:长安大学,2006
[30]徐亚娟.公路隧道纵向式通风控制系统研究[D].成都:西南交通大学,2000
[31]谢康林,傅劲勇.神经模糊逻辑控制系统隶属函数和推理规则的确定[J].上海交通大学学报,1997(8):28-32
[32]杨宵.公路隧道竖井送排式纵向通风神经网络在线控制方法研究[D].西南交通大学,2004
[33]易继楷,侯媛彬.智能控制技术[M].北京:北京工业大学出版社,1999
[34]阳武,伍元,吴中如.模糊神经网络预报模型的研究[J].水电能源科学,第22卷第1期Vol.22No.1:63-65
[35]易俊.长大公路隧道纵向通风模拟测试技术研究[D].长安大学,2002
[36]於东军,王士同.新模糊神经网络模型及其建模应用[M].北京.北京航空航天大学出版社,1999
[37]赵忠杰.高速公路监控与管理[M].西安公路交通大学,1999
[38]赵忠杰.公路隧道机电工程[M].北京:人民交通出版社,2007
[39]张乃尧,阎平凡.神经网络与模糊控制[M].北京:清华大学出版社,1998
[40]诸静.模糊控制原理与应用[M].北京:机械工业出版社,1995
[41]张曾科.模糊数学在自动化技术中的应用[M].北京:清华大学出版社,1997
[42]赵振宇.模糊理论和神经网络的基础与应用[M].北京:清华大学出版社,1995
[43]郑道访.公路长隧道通风方式研究[M].北京:科学技术文献出版社,2000
[44]张韬,刘琼慧.公路隧道智能控制系统[J].自动化与仪器仪表,2001(1):9-11
[45]张葛祥,李娜.MATLAB仿真技术与应用[M].北京:清华大学出版社,2003
[2]丛爽.自向MATLABI具箱的神经网络理沦与应用[M].合肥:中国科学技术大学出版社,1998
[3]仇玉良.公路隧道复杂通风网络分析技术研究.[D].长安大学博士学位论文,2005
[4]杜爱月.基于模糊控制的交通信号控制系统及仿真的研究[D].长安大学博士学位论文,2004
[5]方勇.公路隧道前馈式通风控制系统研究[D].西南交通大学,2004
[6]公路隧道通风照明设计规范((JTJ 026.1999)[S].人民交通出版社,2000
[7]郭建文.隧道通风用射流风机的高风速化[J].公路,2005(2):179-182
[8]公路长隧道纵向通风的设计理论与方法(国家“8.5”重点攻关项目专题研究)[M].重庆市重点公路建设指挥部、西南交通大学编,1996
[9]G.F.Poole.Predicting annual energy consumption for longitudinal ventilated road tunnels.10th International Symposium on the Aerodynamics&Ventilation Vehicle Tunnels.2000 September:411-429
[10]http://www.stec.net/
[11]http://www.tunnelling.cn/
[12]交通部公路司.全国优秀公路勘察设计技术交流成果汇编[M].北京:人民交通出版社,2001
[13]罗衍俭.长大公路隧道通风系统的选择[J].公路,1998(8):38-41
[14]刘浩.基于只能控制与OPC的公路隧道通风控制系统研究[D].广西大学.2005.6
[15]李人厚.智能控制理论和方法[M].西安:西安电子科技大学出版社,1999
[16]李刚.隧道纵向通风设计中应注意的一些问题[J].公路,1999(3):49-51
[17]李德英.基于模糊神经网络的公路隧道纵向通风控制研究[D].成都:西南交通大学,2002
[18]蓝红莉.公路隧道环境计算机模拟及其通风系统控制研究[D].华东师范大学,2005
[19]李士勇?模糊控制·神经控制和智能控制[M].哈尔滨:哈尔滨工业大学出版社,1998
[20]马永杰.公路隧道纵向通风神经模糊控制系统应用研究[D].成都:西南交通大学,2002
[21]Ping-Ho Chen,Jiun-Hong Lai,Chin-Teng Lin.Application of fuzzy control to a road tunnel ventilation system.Fuzzy Sets and System,1998:9-28
[22]史忠科,神经网络控制理论[M].西安:西北工业大学出版社,2000
[23]孙巧燕.隧道通风和火灾报警系统研究[D].长安大学,2002.4.
[24]Tatsuro Yoshimochi et al.A Ventilation Control System Using Fuzzy Control for Two-way Traffic Tunnel in highway.Aerodynamics& Ventilation Vehicle Tunnels Symposium.1994,873-881
[25]王士同.模糊系统、模糊神经网络及应用程序设计[M].上海:上海科学技术文献出版社,1998
[26]闻新,周露等.MATLAB神经网络应用设计[M].北京:科学出版社,2001
[27]徐志谦.交通工程总论[M].北京:人民交通出版社,2000
[28]夏永旭,王永东等.秦岭终南山公路隧道通风方案探讨[J].长安大学学报,2002(5):48-50
[29]谢光秋.公路隧道变频通风控制研究及系统实现[D].西安:长安大学,2006
[30]徐亚娟.公路隧道纵向式通风控制系统研究[D].成都:西南交通大学,2000
[31]谢康林,傅劲勇.神经模糊逻辑控制系统隶属函数和推理规则的确定[J].上海交通大学学报,1997(8):28-32
[32]杨宵.公路隧道竖井送排式纵向通风神经网络在线控制方法研究[D].西南交通大学,2004
[33]易继楷,侯媛彬.智能控制技术[M].北京:北京工业大学出版社,1999
[34]阳武,伍元,吴中如.模糊神经网络预报模型的研究[J].水电能源科学,第22卷第1期Vol.22No.1:63-65
[35]易俊.长大公路隧道纵向通风模拟测试技术研究[D].长安大学,2002
[36]於东军,王士同.新模糊神经网络模型及其建模应用[M].北京.北京航空航天大学出版社,1999
[37]赵忠杰.高速公路监控与管理[M].西安公路交通大学,1999
[38]赵忠杰.公路隧道机电工程[M].北京:人民交通出版社,2007
[39]张乃尧,阎平凡.神经网络与模糊控制[M].北京:清华大学出版社,1998
[40]诸静.模糊控制原理与应用[M].北京:机械工业出版社,1995
[41]张曾科.模糊数学在自动化技术中的应用[M].北京:清华大学出版社,1997
[42]赵振宇.模糊理论和神经网络的基础与应用[M].北京:清华大学出版社,1995
[43]郑道访.公路长隧道通风方式研究[M].北京:科学技术文献出版社,2000
[44]张韬,刘琼慧.公路隧道智能控制系统[J].自动化与仪器仪表,2001(1):9-11
[45]张葛祥,李娜.MATLAB仿真技术与应用[M].北京:清华大学出版社,2003