原文
数量:15 (3)

• 查看PDF
• 下载

基于模糊逻辑和神经网络专家系统在化工过程系统

*通信:

Vijayaraghavan G化工、Rajalakshmi工程学院、Thandalam钦奈,印度Tamilnadu
电话:+ 91 9865220987;电子邮件: (电子邮件保护)

文摘

最近化学过程的规划和运作系统(CPS)变得越来越重要,许多复杂的工具被使用。在本文中,应用模糊逻辑在CPS和基于神经网络的专家系统进行了讨论。简要讨论模糊集合理论及其特点。同时,知识专家系统基于CPS的重要性达到极端的生产和高安全了。这是观察到有几个只在模糊逻辑和神经网络专家系统的偏见;因此建议基于模糊逻辑和神经网络专家系统在化工过程系统将是有效的。详细的组件及其交互的古典专家系统进行了讨论。

关键字

模糊逻辑;神经网络;专家系统;化学过程

介绍

这个想法在1965年首次引入了模糊逻辑Lotfi陈守煜,教授计算加州大学伯克利分校的纪律。主要,模糊逻辑是一个多值逻辑支持标准估计之间的过渡值来确定或真或假,是或否,高或低,等。陈守煜引入模糊的代表和操纵数据不精确,而是模糊(1]。

概念相对热或冷的大多数化学过程可以表示由计算机、数学和管理针对几乎涉及人类的智能处理器的编码方式。模糊逻辑已经作为一种赚钱的工具开发过程的监管和导航系统和多方面的工程过程,以及国内和娱乐电子产品,以及额外的专家系统和其他过程建模系统(2]。

非线性控制是现代控制系统的主要挑战之一。一般来说,一个非线性的过程必须是线性化之前编程控制器可以成功应用。这是典型的实现通过计算的非线性函数来补偿非线性性能,所以整个过程输入输出连接变得稍微线性的。这件事是更加困难,如果系统的非线性特性偏差与时间和需要一种自适应非线性性能的偏差。这些自适应系统的最佳控制方法计算聪明如神经网络和模糊系统。然而,进展的神经或模糊系统并不是无关紧要的。神经网络完成像任何多维非线性函数,因此他们可以在非线性控制非常有益3]。之后,到现在没有详细的技术来确定适当的神经网络结构。目前这是一种艺术而非科学。同时,著名的算法收敛于解这经常有并发症质数很多不满和障碍物。因此,一些研究与神经网络沮丧。在模糊系统的情况下,系统描述概念和参数是自在。模糊系统消耗实际数字输入的重要边界(4]。

一个人工神经网络是一个信息处理方案,建立了泛化的数学吗模型了解人类理解(能力)。大多数专家系统提出了基于人工神经网络和编目中找到广泛应用的图片,信号处理在语音识别控制器,智能控制系统的锅炉、商业预测、状态监测、过程监测神经预测和设计调查(5,6]。

基于模糊集等运筹学的方法研究了模糊优化模型和语言变量和模糊统计参数。然而,Kalpanapriya和Pandian [7,8)模糊概念用于测试方差分析模型模糊数据。同时,他们引入了一个方法来测试统计与模糊集的假设,为脆数据方差分析与会员等级的模糊集,模糊假设检验基于线性相关,一个新的方法来解决两个不同模糊运输问题和车辆成本区间交通问题9,10]。这些概念可以用于化学过程的优化采购设备如反应堆,热交换器(11,12]。在目前的审查,基于模糊逻辑的作用探讨了专家系统在化工过程系统和机制参与各种控制系统如pH值控制是解释说。的详细介绍在市场上可用的各种专家系统。

模糊集合理论

模糊集合理论简化了经典集合理论中隶属度的对象并不局限于一组整数0和1,但它可能具有的任何值在0和1之间。通过解释模糊集和模糊关系的概念,可以定义模糊逻辑系统(FLS的)。一般来说,fls的基于规则的系统,输入主要是fuzzified然后处理一个推理引擎,复苏知识模糊规则的形式包含在一个规则库中。模糊集,模糊推理计算输出的每个规则进一步组成和defuzzified(即。转换从一个模糊集,崭新的数字)。模糊逻辑系统是一个非线性从输入到输出的映射空间(13]。

让X的空间对象和一个标准的元素X的常规设置,⊆X,定义为元素或对象的集合X∈X,这样每个元素(X)也可以有它的位置还是不答:通过描述集独特的(或成员)函数为每个元素X X,我们可以描述一个常规设置一个由一组wellordered对(X, 0)或(X, 1),指定X∈与传统的集,模糊集州组件符合一组的程度。因此,允许一个模糊集的隶属函数值在0和1之间,指定元素的隶属程度在指定的组(14]。

定义

模糊集和隶属函数,如果X是一组对象通常代表X,然后在X是一个模糊集定义为一套系统的对

在哪里被称为隶属函数和模糊集的隶属函数映射的每个元素X 0和1之间的隶属度(包括)。显然,模糊集的定义是一个简单的扩展定义的一套传统(脆)的特征函数是允许的值在0和1之间。如果有限的隶属函数的值0或1,然后是一套经典浓缩。为了简单起见,我们还应当提到传统集作为正常组,脆集,non-fuzzy集,或者只是集。通常情况下,X是提到的论域,它可能包含命令或non-ordered对象也可以是连续的空间(15]。

很明显,模糊集的组装取决于两件事:确定一个适当的论域和一个合适的隶属函数的要求。隶属度函数是独立的要求,这意味着同一概念的隶属度函数量化不同的人可能差别很大。这种偏见来自于观察单独修改或表达抽象的概念和轻微的随机性。因此,偏差和non-randomness模糊集之间的主要区别是研究模糊集和概率理论,涵盖的客观处理随机现象(16]。

在实践中,当论域X是一个连续的空间,我们经常划分成许多模糊集的MFs X或多或少不变的方式。这些模糊集,经常把名字跟形容词在日常语言实践,比如“大型”“媒介,”或“小”,被称为语言标签。因此,论域X通常被称为语言标签。这是一个例子。

例子:语言标签。假设X = "温度。“我们可以模糊集定义为“冷,”“温暖”和“热”,被认为是由隶属度函数。就像一个变量可以接受不同的价值观,一个语言变量可以接受不同的语言值“温度”,如“冷”“热”和“热”。如果“温度”接受“寒冷”的价值,然后以表达为“温度很冷,”等等其他值。

模糊规则

流传1973年,Lotfi陈守煜后续和最大的著名文章,本文定义了一个新颖的方法复杂系统的调查,在陈守煜推荐服用人类像模糊规则的理解。模糊逻辑的传播需要测量基于规则的系统。基于规则的推理是基于定性的知识表示和模糊逻辑允许我们网一个定性方法与定量表示。它提供了一种量化约等特定的限定符,通常,很少,几几,很17]。

模糊规则是能够定义良好的合格声明的形式,如:

如果x =

然后y = B

在x和y是语言变量;和A和B是语言值是由模糊集的宇宙话语X和Y,分别。

传统和模糊规则之间的不同是一个经典的“if - then规则习惯二进制逻辑,例如,

规则1

如果速度大于100

然后停车距离很长

规则2

然后停车距离很短

变速可以拥有略数值在0和200公里/小时,但语言变量停车距离长/短也有价值。此外,传统规则传达在传统的布尔逻辑。不过,我们也可以表示停车距离规则的模糊形式:

规则1

如果速度=快

然后停车距离=长

规则2

如果速度=缓慢

然后停车距离=短

此时语言变速也介于0和200 km / h,但这个范围由模糊集,如慢、中、快。语言变量的论域停车距离可以在0和300之间,可能由等模糊集的短,中、长。因此,模糊集的模糊规则叙述。基于模糊逻辑结合专家系统的规则和相应的改变规则,至少百分之九十的数量。

模糊推理包含两个不同的部分:评估规则发起者(如果规则的一部分)和相关的后果或造成的结果(规则)的一部分。在经典的基于规则的系统中,如果规则发起者是正确的,那么结果也是如此。在模糊系统中,发起人是一个模糊的语句,所有规则火在某种程度上,或换句话说,他们火部分。如果发起人是真的在某种程度上的会员,那么结果也适用同样的学位(18]。

这些模糊集提供重量估算模型的基础。的模型是基于一个人的身高和体重之间的关系,表示为一个单一的模糊规则:

如果身高很高

然后体重很重

输出或真理的价值规则的会员级别结果可以从一个一致的评估公开真相在发起人会员级别。这种形式的模糊推断实践一种叫做单调的技术选择。

建设规则,模糊规则可以使用几个背景,例如:

如果项目周期长

和项目人员配备是巨大的

和项目资金是不够的

然后风险很高

如果服务是杰出的

或食物是令人愉快的

然后建议是充足的

由此产生的模糊规则也可以构成许多地方,例如:

如果温度是热

热水是减少

冷水增加

在这种情况下,产生的所有部分由发起人相应影响。一般来说,模糊专家系统结合不是一个而是很多规则,另外指定专家知识和发挥。每个规则的输出是一个模糊集,但我们常常想找一个数字代表专家系统的输出。换句话说,我们想要得到一个确切的解决方案,而不是模糊的。获得一个脆脆的解决方案为输出变量,模糊专家系统主要团体所有输出模糊集到一个输出模糊集,然后defuzzifies合成模糊集合到一个号码。

专家系统

专家系统是一个计算机程序,它包含一个知识库和一组算法或规则,推断出新的事实知识和从传入的数据”。专家系统实现人工智能(AI)解释定义狭隘的和明显的问题和提供信息解决问题的基于专家的理解(19]。基于这些知识,一组规则和特定问题的系统能够在其领域和智能决策支持的人类进行决策。给出了专家系统的结构图。1。

最大的创新应用专家系统(ES)是在pH值等某些约束的控制,流,水平,等等,定义几个程序。在文学中,有不少专家系统,在某些情况下与其他工具,比如模糊逻辑,等。应用专家系统管理某些约束一个化学过程,如BIOEXPERT的主要修改控制系统或循环,像“EXPERT_AT”系统。

在控制系统问题,应用专家系统可以执行像一个控制器。专家系统煽动控制器,从理论的角度来看,对模糊控制器,但其知识库(KB)和推理引擎(IE),可以使用额外的发展方法规范的规则在某个瞬间会有用的。ES和模糊控制器参与创建合理的知识用于核电站运营商的知识和能力,它是一个主要好处主要在多方面的过程。逻辑专家系统中使用的两种类型,基于规则和模糊。几种机制及其关系解释图。2。

pH值控制自动化系统的体系结构是由Carbureanu并命名为SRA-pH使用控制器的开发专家系统SEpH控制(20.]。

从图。3这是观察到,组件出现在SRA-pH系统;

•在专家系统控制器SEpH实际上是系统控制器;

•二进制表现元素”EE1and EE2”用于酸或碱性平衡剂量;

•专业命令(C)由SEpH控制器,分别由觉得或者EE2开放比例;

•pH值的平衡过程的原型;

•pH传感器的过程中pH值在流程输出;

•错误(e)划分为参考pH值之间的转换(r_pH值)和测量pH值(m_pH值)过程的输出。

图。4显示的关系模糊逻辑系统的两个主要领域人工智能(专家系统和神经网络)基于知识类型和信息框架。知识类型分为结构化(基于规则)和非结构化,和信息框架分为符号和数值。一些专家系统的品种在市场中列出表1。

表1。各种各样的专家系统[22]。

化工过程系统的专家系统找到更多的应用程序增加可靠性,避免复杂性,开发一种快速的技术和稳定的设计业务。专家系统得到广泛应用在科学和工程领域,专家系统已经列出的这些商业在几个领域。详细的列表中给出表2。

表2。专家系统应用于化学过程工业。[23]。

模糊专家系统的网络

专家系统需要输入变量的形式分类或模糊逻辑数据。因此,数字输出响应形式必须转化为模糊逻辑神经网络专家系统的数据。图。5显示了一个典型的结构模糊网络与专家系统结合使用。从神经网络数值数据转化为模糊值通过fuzzifier用作输入专家系统(24]。专家系统产生一个输出的模糊值,这是通过一个defuzzifier反过来再转换数值。注意,神经网络的输出形式可能已经模糊逻辑的形式或分类变量基于网络使用的类型,可能不需要fuzzifier。defuzzifier也可能是不必要的,这取决于我们的输出形式的愿望形成了专家系统(25]。

模糊网络过程控制

有三个主要类型的模糊网络用于过程控制。第一个使用神经网络来预测未来响应的控制变量(例如,细胞浓度的末尾发酵过程),然后使用偏离目标未来响应来确定最优控制器设置(26,27]。最后使用一个特殊的神经网络结构,函数作为模糊推理系统。神经网络预测未来的响应控制变量或其模式类型,然后变得模糊逻辑控制器的输入。fuzzifier将神经网络输出和其他控制输入变量,不需要预测(28- - - - - -30.]。模糊控制器的模糊规则,然后使用一组类似于专家系统,以获得最优的控制器设置。

表示的模糊逻辑变量

根据Quantrille et al。23),指出模糊逻辑并不能代替统计数据。相反,我们使用模糊逻辑只有当统计推理是不合适的。统计表达知识的程度(或缺乏)的一个值,它依赖于工具,如方差、标准差和置信区间。模糊逻辑,另一方面,表达缺乏尖锐边界集的信息(31日,32]。例如,使用模糊逻辑,我们可以写:

•原油分馏显然是一个能源密集型的单元操作,1.0;

•热裂解是一个能源密集型的单元操作,0.9;

•催化重整是一个能源密集型的单元操作,0.6;

催化裂化是一个能源密集型的单元操作,0.3;

•露天卤水的蒸发来生产食盐不是能源密集型的单元操作,0.0。

这里,模糊逻辑描述之间缺乏一把锋利的边界清楚能源密集型(1.0),而不是能源密集型(0.0)。原油分馏的能耗是非常高的,虽然露天卤水的蒸发不是能源密集型。热裂解、催化重整、催化裂化不能被视为非常能源密集型或非能源密集型。因此,模糊逻辑不量化统计意义上的知识的缺乏。相反,它量化程度或某些词的范围和界限的信息(33]。

使用模糊逻辑,我们首先需要一个模糊集,模糊集,从会员过渡到non-membership没有明确定义。我们量化的隶属程度值在0(不是一个成员)和1之间(绝对一员)[34- - - - - -36]。此外,专家系统中使用过程安全分析(PSA),在决策实践的基础化学工业是一个多方面的任务,代表数量的怀疑与信息缺乏可能导致的安全保证过程的重要监督工厂(37,38]。

结论

知识型判断系统增强当然化学过程系统中一个新的和有趣的发展还有很多希望他们更好的应用在许多其他领域,包括环境工程和管理。o模糊和基于神经网络的专家系统应用CPS当然是一个领域,这样的应用程序可以带来显著提高流程效率,降低过程失败的风险,并降低资本和运营成本。显然,专家系统可能保养选择和决策过程已经在工厂设计和流程选择的阶段,这样的尝试已经进行本文所描述的是(39]。模糊逻辑变量和模糊集理论的代表显然强调放松过程分析流程变量。这个想法在神经模糊在过程控制中的应用也进行了讨论。各种各样的专家系统可以被提及。模糊逻辑妥协各种方法控制问题。这种方法强调了系统应该做什么,而不是试图模型它是如何工作的。一个人可以专注于解决问题而不是试图模型系统,如果这是可能的。共同点,模糊逻辑的就业可能是有益的,多方面的过程,当没有简单的数学模型,对于极其非线性过程或者处理执行的专业知识。因此基于模糊逻辑和神经网络的专家系统将化工过程系统非常有效地运行。

引用

1. 枝。模糊集。信息和控制。1965;8:338-53。
2. (GG,查普曼d动态建模和废水工程专家系统。刘易斯出版商,切尔西,美国。1989年。
3. Zurada JM。人工神经系统。PWS出版公司,圣保罗。锰、美国。1995年。
4. Wilamowski BM。神经网络和模糊系统。:机电一体化手册,罗伯特•RB编辑器。CRC出版社,美国。2002年。
5. Lapointe j . BIOEXPERT-An废水处理流程诊断专家系统。十三至十八Comp和化学Eng。1989; pp:。
6. Kasabov,尼古拉·k·基础神经网络、模糊系统、和知识。Eng。1998。
7. Kalpanapriya D, Pandian p .方差分析的模糊假设检验模型模糊数据。现代Eng Int J > 2012; 2:2951-6。
8. Kalpanapriya D, Pandian p两个样本统计假设检验方法不精确的数据。Int J Eng Res应用。2012;2:3210-7。
9. Kalpanapriya D, Pandian p与不精确的数据统计假设测试。应用数学科学。2012;6:5285 - 92。
10. Kalpanapriya D,阿D新方法解决两个车辆成本不同模糊运输问题。Int J制药和抛光工艺。2016;8:16118-24。
11. Kalpanapriya D, Pandian p .双因素方差分析方法对模糊数据成员的成绩。研究杂志》上的药店和技术。2016;9:2394 - 2402。
12. 阿d解决模糊可靠作业的问题。Int Res J Eng和抛光工艺。2015;2:322-5。
13. Nagoor Gani,爱德华·塞缪尔,阿d优化空气抬起模糊环境下操作。应用数学科学。2010;4:2723-32。
14. 枝。一个语言变量的概念及其应用近似推理,即通知Sci一部分。1975;8:199 - 249。
15. 枝。一个语言变量的概念及其应用近似推理,第二部分。通知Sci。1975; 8:301-57。
16. 枝。一个语言变量的概念及其应用近似推理,第三部分。告知Sci.1975; 9:43 - 80。
17. 枝。模糊逻辑的知识表示。介绍模糊逻辑应用在智能系统中,Kluwer学术出版商,Boston.1992; pp: 1-26。
18. 枝。模糊逻辑、神经网络和软计算。ACM通讯,1994;37:77 - 84。
19. 陈守煜,LA Kacprzyk j .模糊逻辑的管理的不确定性。约翰威利,纽约。美国。1992年。
20. 水K, Winkelbauer L, Pantulu虚拟现实。专家系统环境筛选。一个应用程序在湄公河下游盆地。国际应用系统分析研究所、Laxenburg奥地利。1991。
21. Sanchez-Mara吗?M,科尔特斯U, Lafuente J,等。基于知识的技术在污水处理厂管理、生命支持系统的百科全书。1995。
22. C ?rbureanu m .专家系统来评估污水处理厂的废水的质量,石油气Ploiesti大学。2010。
23. 刘Quantrille Y,托马斯·E, a .人工智能在化学工程,美国学术出版社,1991年。
24. Tzafestas美国专家控制系统。机器人和自动化。2012;17:1-10。
25. Ceccaroni l .集成的基于规则的专家系统,基于案例推理程序和一个本体论知识库废水中的域。2日ECAI研讨会绑定环境科学和人工智能,柏林,德国。2000;8:1-8。
26. 希梅诺JM, Sanchez-Mara ?M, Bejar J,等。造型WWTP动力学通过过渡网络。环境科学和ECAI 98年研讨会绑定人工智能(BESAI ' 98)。英国布赖顿,1998年,页:109 - 16。
27. 吉波特K,又IR。识别特征情况下污水处理厂,ECAI 2000 14日两年一次的欧洲会议上人工智能,柏林,德国。2000;pp:共。
28. Loetscher t SANEX-A简单评估专家系统环境卫生系统在发展中国家。Eco Eng。2000;页:1。
29. Paraskevas PA, Pantelakis Lekkas道明。一个先进的综合污水处理厂控制专家系统。以知识为基础的系统。1999;12:355 - 61。
30. 常点,大厅里瞧。模糊知识的验证系统,模糊逻辑的管理约翰•威利的不确定性,纽约。1992;589 - 604。
31. 齐默尔曼HJ。模糊集、决策和专家系统。Kluwer学术出版社,1987年美国波士顿。
32. 齐默尔曼HJ。模糊集理论及其应用,第三版。Kluwer学术出版商、波士顿、USA.1996。
33. 鲍曼博士,刘丫。神经网络在生物工艺和化学工程。美国学术出版社。2014年。
34. Agrawal M,玉,Jakaraman VK、et al。支持向量机:一个有用的工具过程工程应用程序,CEP。2003;57 - 62。
35. 桑切斯大肠模糊逻辑和炎性蛋白变化。我们共同Chimica学报。1998;270:31-42。
36. 桑切斯E, Bartolin r模糊推理和医学诊断:一个案例研究。J生物模糊Sys Assessm。1990; 1:4-21。
37. Sarmasti Emami先生模糊逻辑应用于化学过程。数学和Comp Sci J。2010; 1:339-48
38. 国王PJ, Mamdani呃。模糊控制系统在工业过程中的应用。自动化。1997;13:235-42。
39. Vijayaraghavan G, Jayalakshmi m .模糊逻辑在化工过程安全建模过程。Int J难以Eng Res和研究。2013;2:118-21。