基于蚁群算法优化的黄酒发酵温度模糊控制系统

黄酒发酵过程中温度对象具有大滞后、非线性和突变性等特点,且生化反应机理不明,难以建立明确的机理模型,采用常规的控制方案难以获得理想的控制效果。针对这一难题,笔者提出了基于蚁群算法优化的模糊控制策略,用蚁群算法对模糊算法的量化因子和比例因子进行优化,提高了模糊控制器的精度和自适应能力。仿真运行结果显示,该算法收敛速度更快,超调量小,能较好地跟踪目标工艺曲线。

基于神经网络的白酒勾兑目标规划算法优化

针对白酒勾兑过程中,现有的白酒勾兑目标规划算法难以确定权系数(优先因子)的缺点,本文提出了利用人工神经网络对目标规划算法进行改进和优化,选择三层前向BP神经网络结构,并通过选取理化指标向量与"优先因子"权系数向量之间合适的样本,对该神经网络结构进行训练,训练完成后得到了一组最优的"优先因子",代入配方模型,求得白酒勾兑最优的配方解。仿真结果表明,基于神经网络的优化算法快速、收敛、可行,能够得到满足多目标的最优配方,得到的理化指标曲线更加接近目标曲线,提高勾兑成功率至98%,降低了勾兑成本6%。因此,该优化算法能够更有效地应用于白酒勾兑工艺中,得到满足多目标的最优配方。