引入免疫粒子群优化算法的木材干燥模糊神经网络控制系统设计

针对木材干燥窑温湿度控制采用的模糊神经网络比较依赖于网络初始权值,且网络的训练时间较长、容易陷入非要求的局部极值,采用粒子群优化算法(PSO)的全局寻优性能,设计一种引入免疫PSO算法的木材干燥模糊神经网络控制系统。为避免PSO算法的早熟和进一步导入待求解问题的先验知识与经验,加快算法的全局收敛能力,引入免疫算法的接种疫苗、免疫选择、良种迁移3种免疫算子。仿真结果表明:温度和湿度,能更加快速、平滑地到达设定值(温度需要70 s左右,湿度需要75 s左右)。实例验证结果表明:温度曲线均方误差仅为0.020 7,拟合优度高达0.979 7;湿度曲线均方误差均在0.3以下,拟合优度均在0.96以上。说明免疫PSO算法具有较高的收敛速度和识别率,对不确定非线性系统具有良好的控制效果。