基于人工智能的矿井主通风机建模研究

矿井主通风机风量、风速等参数与瓦斯浓度及其它工况密切相关,参数复杂,建立其非线性数学模型比较困难,传统的辨识方法无法精确描述模型特性,文章将神经网络和模糊系统应用于矿井主通风机的模型辨识。神经网络辨识采用了一种基于径向基(RBF)的神经网络、模糊辨识采用了一种基于三角形隶属函数的T—S模糊模型。仿真结果表明,这两种方法可以同时满足对辨识精度、收敛速度、稳定性和跟踪能力的要求。