14、基于智能算法的流量传感器建模与模糊控制系统调优

基于智能算法的流量传感器建模与模糊控制系统调优

1. ANFIS 与神经网络对相移的建模

ANFIS 是解决多方面问题的主导模型。它具备解决非线性问题的能力，且能轻松实现输入 - 输出映射，非常适合用于解决预测问题。在相关工作中，基于网格划分算法设计了一个具有三个输入（传感器位置、驱动频率、质量流量）和一个输出（相移）的 ANFIS 模型，用于在广泛的输入参数范围内对科里奥利质量流量传感器（CMFS）进行预测建模。

1.1 网格划分与学习规则

在网格划分方法中，每个前件变量的定义域被划分为等距且形状相同的隶属函数，ANFIS 模型使用高斯隶属函数。采用混合学习规则根据输入/输出数据对来训练模型，该混合算法可分为前向传播和反向传播。前向传播在第 4 层节点停止，通过最小二乘法识别后续参数；反向传播时，误差信号反向传播，前提参数通过梯度下降法更新。

1.2 多层前馈神经网络模型

还开发了多层前馈神经网络模型（MFNN），使用反向传播网络训练函数 Levenberg - Marquardt 和反向传播权重/偏置学习函数梯度下降法，隐藏层数量为 8，训练轮数为 100。为评估模型的预测精度，相移预测使用均方根误差（RMSE）来衡量预测值和测量值之间的差异，公式如下：
[RMSE = \sqrt{\frac{1}{n}\sum_{i = 1}^{n}(phase_{shift}^{exp} - phase_{shift}^{pred})^2}]
其中，(n) 是考虑的数据总数。所有 ANFIS 和神经网络的结果均来自 MATLAB 7 中开发的代码。

2. 实验测试条件

实验研究在铜质欧米伽型科里奥