王伟，周新志

(1.四川大学 电子信息学院，四川 成都 610065; 2.四川大学 智能控制研究所, 四川 成都 610064)

ANFIS微波加热过程分段温度预测模型

王伟1, 2，周新志1, 2

(1.四川大学 电子信息学院，四川 成都 610065; 2.四川大学 智能控制研究所, 四川 成都 610064)

摘要：在微波加热过程中加热介质在不同温度阶段有不同的内部特性，传统的温度预测方法难于同时对加热介质低温段与高温段温度取得满意的预测结果。为此提出了一种基于ANFIS 的分段温度预测模型，该方法建立基于K均值聚类法的温度划分机制，并采用不同结构的ANFIS预测加热介质不同温度阶段的温度。低温阶段构建常规ANFIS预测温度，高温阶段利用减法聚类能从数据中确定模糊规则的特性构建ANFIS预测温度。仿真结果表明，与采用单一结构的ANFIS和BP(back propagation)神经网络的预测结果相比，ANFIS分段温度预测模型可同时在加热介质低温段与高温段取得较好的预测结果，模型效率可达到97.41%，显著提高了预测准确率，这有助于提高实际微波加热过程的生产效率和安全性。

关键词：微波加热过程；分段温度预测；K均值聚类；ANFIS；BP神经网络；减法聚类

中文引用格式：王伟，周新志. ANFIS微波加热过程分段温度预测模型[J]. 智能系统学报， 2016, 11(1): 61-69.

英文引用格式：WANG Wei, ZHOU Xinzhi. Temperature-sectioned prediction model for microwave heating process based on adaptive network-based fuzzy inference system[J]. CAAI Transactions on Intelligent Systems, 2016, 11(1): 61-69.

作为一种新型加热方式，微波加热以其高效、清洁、环保的特点，广泛应用于化工、食品、冶金、材料等领域[1-3]，并逐渐成为实现我国节能减排目标的绿色工艺手段之一。在微波加热过程中，加热介质内部特性诸如介电常数、电导率、热传导系数等随温度升高而变化，使得温度变化复杂，在加热过程中会出现热失控现象[1]，对生产造成危险。……