耐火材料生產過程的質量控制4

2.3.1模糊控制

一個熟練工人并非需要了解被控對象的數(shù)學模型,，只是憑借豐富的經驗，采取適當對策就可以巧妙地控制一個復雜的過程,，如把其操作經驗加以總結,，用語言表達就可以得到一些定性的規(guī)則，這些規(guī)則一般都帶有大小,，多少,，高低，快慢等不的程度修飾詞,，也就是具有模糊性質,，這些規(guī)則用模糊數(shù)字定量處理后就可以轉化成模糊控制算法，從而能夠進行控制,。

模糊控制的過程是：

1.將實測輸入轉化成模糊輸入,，

2.依模糊規(guī)則進行運算，得到結果,，

3.反模糊化,，將模糊輸出量轉為地物理量并作用于被控對象,。

2.32人工神經網絡

人工神經元是人工神經網絡的結點。每個神經元有多個輸入和數(shù)個相同的輸出,，按一定函數(shù)關系進行輸入-輸出轉換,。人工神經元互聯(lián)就組成了人工神經網絡，人工網絡中,，每個節(jié)點的輸入-輸出轉換函數(shù)的參數(shù)都必須依靠預先知道的實驗輸入-輸出關系,，通過*化算法使人工神經網絡的輸出能夠zui大限度的接近實際輸出。換句話說,，人工神經網絡特別適合描述非常復雜的多元函數(shù)關系,，如果數(shù)據充分，其他辦法又無能為力,，人工神經網絡就可以一顯身手,。

2.33模糊控制-人工神經網絡的復合

神經自適應學習是一種只能控制方法，它可以利用操作數(shù)據和人工神經網絡方法修改模糊控制系統(tǒng)的參數(shù),，從而改進模糊控制的質量,，系統(tǒng)變化時也可以進行靈活的調整。

3.耐火材料的質量控制體系和保障體系

                                 南京寧博分析儀器有限公司

                                          技術部