[发明专利]沥青混凝土搅拌设备配料误差的鲁棒控制方法

权利要求书

1.一种沥青混凝土搅拌设备配料误差的鲁棒控制方法，料仓初始时秤重量为皮重W₀，打开仓门后，物料靠自重落入计量秤中，此时可读出秤的动态重量W₁，然后关闭仓门，待秤完全稳定后可读出静态重量W，那么仓门从开启到完全关闭后秤中的物料重量W＝W₁+W₂-W₀，式中：W₂为实际飞料重量；控制过程如下：

首先，建立输入输出人工神经网络模型，采用三层结构，输入层一个神经元，代表关仓门前流量Q；中间层五个神经元；输出层一个神经元，代表实际飞料量Y；建立关仓门前流量Q与实际飞料量Y的非线性模型，这是一种黑箱模型，神经元的输入输出采用非线性函数f(x)＝1/1+e^-x，x代表神经元输入，f(x)代表神经元输出，则Vi＝1/1+e^-Ui，Vi代表神经元的输出，Ui代表神经元的输入，i＝1～5；

其次，进行动态预测和学习阶段，即预测阶段：根据当前的实时流量Q作为输入神经元的值，根据人工神经网络模型当前的权值，通过前向计算得到输出神经元的值Y，Y代表飞料量，这种预测是定时计算的，不断预测飞料量Y，当W₁+Y-W₀等于本次的设定配给值W时，发出关闭仓门信号，预测阶段完成；

学习阶段：预测阶段完成后，得到采集的关仓门前流量Q与实际飞料量W₂这个最新采集样本对网络进行重新学习调整权值，使下式的配料误差E最小：

E=Σk=1m(Yk-w2k)2/2;]]>

式中Y^k是根据第k个学习样本的输入量即关闭仓门时的流量Q^k，输入到人工神经网络后根据当前权值计算出来的输出值，W₂^k为第k个学习样本的实际飞料量。

2.根据权利要求1所述的沥青混凝土搅拌设备配料误差的鲁棒控制方法，其特征在于学习阶段采用Back Propagation算法，即输入信息的正向传播和误差的反相传播，在正向传播中，对于一个训练样本，将其特征向量即关仓门前流量输入神经网络，经过神经网络的前向传播计算，得到一个实际输出Y_k，然后将该输出与期望的样本输出实际飞料量W₂^k相比较，若有偏差，则转入反向传播过程，将该偏差由原来的联络通路返回，通过调整各层神经元的联系权值，使误差减小；然后，再转入正向传播过程，反复迭代，直到误差小于等于允许值，学习才结束。