模糊PID溫度控制畢業(yè)設(shè)計論文

1、遼寧科技大學(xué)本科生畢業(yè)設(shè)計(論文 第 頁摘要溫度控制在工業(yè)控制中一直是富有新意的課題，對十不同的控制對象，有著不同的控制方式和模式。溫度系統(tǒng)慣性大、滯后現(xiàn)象嚴(yán)重，難以建立精確的數(shù)學(xué)模型，給控制過程帶來很大難題。本文以電鍋爐為研究對象，研究一種最佳的控制方案，以達到系統(tǒng)穩(wěn)定、調(diào)節(jié)時間短目超調(diào)量小的性能指標(biāo)。本文對電鍋爐可采用的控制方案進行了深入研究，首選的研究方案是PID控制。溫度PID控制器的原理，是將溫度偏差的比例、積分和微分通過線性組合構(gòu)成控制量，對被控對象進行控制，PID控制的重點是參數(shù)的調(diào)節(jié)。第二個研究方案是模糊控制，研究了模糊控制的機理，確定了電鍋爐模糊控制器的結(jié)構(gòu)。通過對電鍋爐溫升

2、特點的分析，建立了模糊控制規(guī)則表。借助matlab中的Simulink和 Fuzzy工具箱，對電鍋爐PID控制系統(tǒng)和模糊控制系統(tǒng)進行仿真分析。結(jié)果表明當(dāng)采用PID算法時，系統(tǒng)的超調(diào)量與調(diào)節(jié)時間，不能同時滿足技術(shù)要求。當(dāng)采用模糊控制時，超調(diào)量與調(diào)節(jié)時間雖然同時滿足技術(shù)要求，但系統(tǒng)出現(xiàn)了穩(wěn)定誤差。因此本文將模糊控制的智能性與PID控制的通用性、可靠性相互結(jié)合，設(shè)計了一種參數(shù)自整定模糊PID控制器，采用模糊推理的方法實現(xiàn)PID參數(shù)K、K和K的在線整定。經(jīng)仿真研究，參數(shù)自整定模糊PID控制效果達到了電鍋爐溫度控制系統(tǒng)的性能指標(biāo)，是一種較為理想的智能性控制方案。關(guān)鍵詞 溫度控制;模糊PID控制;參數(shù)整定

3、;仿真Abstract第一章 緒論1.1 選題背景及其意義在工業(yè)生產(chǎn)過程中，控制對象各種各樣，溫度是生產(chǎn)過程和科學(xué)實驗中普遍而且重要的物理參數(shù)之一。在生產(chǎn)過程中，為了高效地進行生產(chǎn)，必須對它的主要參數(shù)，如溫度、壓力、流量等進行有效的控制。溫度控制在生產(chǎn)過程中占有相當(dāng)大的比例，其關(guān)鍵在于測溫和控溫兩方面。溫度測量是溫度控制的基礎(chǔ)，技術(shù)已經(jīng)比較成熟。由于控制對象越來越復(fù)雜，在溫度控制方面，還存在著許多問題。如何更好地提高控制性能，滿足不同系統(tǒng)的控制要求，是目前科學(xué)研究領(lǐng)域的一個重要課題。溫度控制一般指對某一特定空間的溫度進行控制調(diào)節(jié)，使其達到工藝過程的要求。本文主要研究電鍋爐溫度控制的方法。電鍋爐

4、是將電能轉(zhuǎn)換為熱能的能量轉(zhuǎn)換裝置1。具有結(jié)構(gòu)簡單、無污染、自動化程度高等特點。與傳統(tǒng)的以煤和石化產(chǎn)品為燃料的鍋爐相比還具有基本投資少、占地面積小、操作方便、熱效率高、能量轉(zhuǎn)化率高等優(yōu)點。近年來，電鍋爐已成為供熱采暖的主要設(shè)備。鍋爐控制作為過程控制的一個典型，動態(tài)特性具有大慣性大延遲的特點，而且伴有非線性。目前國內(nèi)電熱鍋爐控制大都采用的是開關(guān)式控制，甚至是人工控制方法。采用這些控制方法的系統(tǒng)穩(wěn)定性不好，超調(diào)量大，同時對外界環(huán)境變化響應(yīng)慢，實時性差。另外，頻繁的開關(guān)切換對電網(wǎng)產(chǎn)生很大的沖擊，降低了系統(tǒng)的經(jīng)濟效益，減少了鍋爐的使用年限。因此，研究一種最佳的電鍋爐控制方法，對提高系統(tǒng)的經(jīng)濟性，穩(wěn)定性具

5、有重要的意義。1.2 工業(yè)控制的發(fā)展概況工業(yè)控制的形成和發(fā)展在理論上經(jīng)歷了三個階段50年代末起到70年代為第一階段，即經(jīng)典控制理論階段，這期間既是經(jīng)典控制理論應(yīng)用發(fā)展的鼎盛時期，又是現(xiàn)代控制理論應(yīng)用和發(fā)展時期；70 年代至 90 年代為第二階段，即現(xiàn)代控制理論階段；90 年代至今為第三階段，即智能控制理論階段2第一階段：初級階段。它以經(jīng)典控制理論為主要控制方案，采用常規(guī)氣動、液動和電動儀表，對生產(chǎn)過程中的溫度、流量、壓力和液位進行控制。在諸多控制系統(tǒng)中，以單回路結(jié)構(gòu)、PID 策略為主，同時針對不同的對象與要求，設(shè)計了一些專門的控制算法如達林頓算法、Smith 預(yù)估器、根軌跡法等。這階段的主要任

6、務(wù)是穩(wěn)定系統(tǒng)、實現(xiàn)定值控制。第二階段：發(fā)展階段。以現(xiàn)代控制理論為基礎(chǔ)，以微型計算機和高檔儀器為工具，對復(fù)雜現(xiàn)象進行控制。這階段的建模理論、在線辨識和實時控制已突破前期的形式，繼而涌現(xiàn)了大量的先進控制系統(tǒng)和高級控制策略，如克服對象時變和環(huán)境干擾等不確定影響的自適應(yīng)控制，消除因模型失配而產(chǎn)生不良影響的預(yù)測控制等。這階段的主要任務(wù)是克服干擾和模型變化，以滿足復(fù)雜的工藝要求，提高控制質(zhì)量。第三階段：高級階段。不論從歷史和現(xiàn)狀，還是從發(fā)展的必要性和可能性來看，控制方法主要朝著綜合化、智能化方向發(fā)展。尤其近些年來人工智能理論的迅速崛起為控制的智能化提供了一個騰飛的工具。智能控制理論中，專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、

7、模糊控制系統(tǒng)是最有潛力的三種方法。專家系統(tǒng)在工業(yè)生產(chǎn)過程、故障診斷和監(jiān)督控制以及檢測儀表有效性檢測等方面獲得成功應(yīng)用；神經(jīng)網(wǎng)絡(luò)則可為復(fù)雜非線性過程的建模提供有效的方法，進而可用于過程軟測量和控制系統(tǒng)的設(shè)計上；模糊系統(tǒng)不僅有行之有效的模糊控制理論為基礎(chǔ)，而且能夠表達確定性和不確定性兩類經(jīng)驗，并提煉成為知識進而改善已有控制。應(yīng)用經(jīng)典控制理論的前提是：必須有一個高階微分方程式來描述系統(tǒng)的運動狀態(tài)的數(shù)學(xué)模型，是建立在頻率法的基礎(chǔ)上的。而現(xiàn)代控制理論主要用來解決多輸入多輸出和時變系統(tǒng)的問題，它的數(shù)學(xué)模型是用一個一階微分方程組即狀態(tài)方程 或差分方程組來描述，是一種時域表示方法。這兩種方法在精確數(shù)學(xué)模型的自

8、動控制系統(tǒng)中發(fā)揮了巨大的作用，并取得了令人滿意的控制效果。1.3 傳統(tǒng)控制方法的缺陷無論是經(jīng)典控制理論還是現(xiàn)代控制理論，都是建立在系統(tǒng)的精確數(shù)學(xué)模型基礎(chǔ)之上的。但在實際系統(tǒng)中被控對象一般都具有大慣性、大滯后、時變性、關(guān)聯(lián)性、不確定性和非線性的特點，這里的關(guān)聯(lián)性不僅包含過程對象中各物理參數(shù)之間的耦合交錯，而且包含被控量、操作量和干擾量之間的聯(lián)系；不確定性不單指結(jié)構(gòu)上的不確定性，而且還指參數(shù)的不確定性；非線性既有非本質(zhì)的非線性，又有本質(zhì)非線性。由于被控對象的這種復(fù)雜性，決定了控制的艱難性。傳統(tǒng)控制方法絕大多數(shù)是基于被控對象的數(shù)學(xué)模型，即按照建?？刂苾?yōu)化進行，建模的精確程度決定著控制質(zhì)量的高低，盡管

9、目前的建模理論和方法已有長足的長進，但仍有許多過程和對象的機理不清楚，動態(tài)特性難以掌握，使我們不得不對被控對象進行簡化或近似，將一個理論上極為先進的控制策略應(yīng)用在這樣的模型上，控制效果自然會大打折扣，因此，用傳統(tǒng)的控制手段進一步提高控制對象的質(zhì)量遇到了極大的困難，傳統(tǒng)控制方法面臨著嚴(yán)峻的挑戰(zhàn)。1.4 智能控制方法概述1.4.1 智能控制方法的起源、發(fā)展和分類工業(yè)控制中存在著工業(yè)過程復(fù)雜、數(shù)學(xué)模型難以確定的系統(tǒng)，智能控制理論的產(chǎn)生正是針對被控對象、環(huán)境、控制目標(biāo)或任務(wù)的復(fù)雜性提出的。1987年智能控制正式成為一門獨立的學(xué)科，它是人工智能、運籌學(xué)和自動控制理論等多學(xué)科相結(jié)合的交叉學(xué)科。它與傳統(tǒng)控制

10、的主要區(qū)別在于可以解決非線性模型化系統(tǒng)的控制問題3。目前，根據(jù)智能控制發(fā)展的不同歷史階段和不同的理論基礎(chǔ)可以將它分為四大類：基于專家系統(tǒng)的智能控制、分層遞階智能控制、模糊邏輯控制、神經(jīng)網(wǎng)絡(luò)控制。專家控制是基于知識的智能控制，由關(guān)于控制領(lǐng)域的知識庫和體現(xiàn)該知識決策的推理機構(gòu)構(gòu)成主體框架，通過對控制領(lǐng)域知識(先驗經(jīng)驗、動態(tài)信息、目標(biāo)等的獲取與組織，按照某種策略及時地選用恰當(dāng)?shù)囊?guī)則進行推理輸出，進而對控制隊象實施控制，或修改補充知識條目。其主要優(yōu)點是層次結(jié)構(gòu)、控制方法和知識表達上的靈活性較強，既可以符號推理，又允許模糊描述演繹。但靈活性同時帶來了設(shè)計上的隨意性和不規(guī)范性，而且控制知識的獲取、表達和學(xué)

11、習(xí)，以及推理的有效性也是難點。分層遞階智能控制模擬人腦的分層結(jié)構(gòu)，由執(zhí)行級、協(xié)調(diào)級和組織級構(gòu)成。它不需要精確的模型，但需要具備學(xué)習(xí)功能，并能接受上一級的模糊指令和符號語言。其特點是自下而上智能遞增而精度遞減，即執(zhí)行級用于高精度局部控制，協(xié)調(diào)級用于知識和實際輸出調(diào)整執(zhí)行級中的控制參數(shù)，而組織級進行推理決策和自主學(xué)習(xí)。該控制方法主要用于那些存在不確定性的系統(tǒng)，如機器人控制等，但應(yīng)用范圍有限。智能控制的發(fā)展主要得益于模糊邏輯控制和神經(jīng)網(wǎng)絡(luò)控制理論的不斷成熟。90 年代以后，智能控制的集成技術(shù)研究取得很大重大進展，如模糊神經(jīng)網(wǎng)絡(luò)、模糊專家系統(tǒng)、傳統(tǒng) PID 控制與智能控制的結(jié)合等。這些都為智能控制技術(shù)

12、的應(yīng)用提供了廣闊的前景4。模糊控制是智能控制的一種典型和較早的形式，作為智能控制的一個重要分支，自從 1974 年英國的Mamdani第一次將模糊邏輯和模糊推理用于鍋爐和蒸汽機的控制，特別是近幾年得到了飛速的發(fā)展56。模糊控制是模糊數(shù)學(xué)和控制理論相結(jié)合的產(chǎn)物，它采用了人的思維具有模糊性的特點，通過使用模糊數(shù)學(xué)中的隸屬度函數(shù)、模糊關(guān)系、模糊推理等工具，得到的控制表格進行控制。模糊控制在實踐應(yīng)用中，具有許多傳統(tǒng)控制無法比擬的優(yōu)點：1.使用語言規(guī)則，不需要掌握過程的精確數(shù)學(xué)模型。因為對于復(fù)雜的生產(chǎn)過程很難得到過程的精確數(shù)學(xué)模型，而語言方法卻是一種很方便的近似。2.對于具有一定操作經(jīng)驗，但非控制專業(yè)的

13、工作者，模糊控制方法易于掌握。3.操作人員易于通過人的自然語言進行人機界面聯(lián)系，這些模糊條件語言很容易加入到過程的控制環(huán)節(jié)。4.采用模糊控制，過程的動態(tài)響應(yīng)品質(zhì)優(yōu)于常規(guī)的 PID 控制，并對過程參數(shù)的變化具有很強的適應(yīng)性。神經(jīng)元的數(shù)學(xué)模型是由 McCulloch 和 Pitte 兩位科學(xué)家在 1943 年首先提出來的7。它本身是一種控制策略的工具支持，各神經(jīng)元并沒有顯在的物理意義。神經(jīng)網(wǎng)絡(luò)的主要特點是具有學(xué)習(xí)能力、并行計算能力和非線性映射能力。充分利用神經(jīng)網(wǎng)絡(luò)的這些能力來解決眾多非線性、強耦合和不確定性系統(tǒng)的建模、辨識和控制問題是神經(jīng)網(wǎng)絡(luò)研究的主要課題。神經(jīng)網(wǎng)絡(luò)建模以其獨特的非傳統(tǒng)表達方式和固

14、定的學(xué)習(xí)能力實現(xiàn)系統(tǒng)輸入輸出的映射，并在短時間內(nèi)得到迅速發(fā)展。尤其在傳統(tǒng)建模方法難以對非線性系統(tǒng)的建模有所突破的形勢下，神經(jīng)網(wǎng)絡(luò)更表現(xiàn)出其巨大的潛力。神經(jīng)網(wǎng)絡(luò)作為智能控制器主要采用直接自校正控制、間接自校正控制、神經(jīng)網(wǎng)絡(luò)預(yù)測控制和神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制等幾種方法。1.4.2 智能控制方法的特點智能控制是一類無需人的干預(yù)就能夠針對控制對象的狀態(tài)自動地調(diào)節(jié)控制規(guī)律以實現(xiàn)控制目標(biāo)的控制策略。它避開了建立精確的數(shù)學(xué)模型和用常規(guī)控制理論進行定量計算與分析的困難性。它實質(zhì)上是一種無模型控制方案，即在不需要知道被控對象精確數(shù)學(xué)模型的情況下，通過自身的調(diào)節(jié)作用，使實際響應(yīng)曲線逼近理想響應(yīng)曲線。一般來講，智

15、能控制具有以下一些特點：1.學(xué)習(xí)能力 智能控制可以對一個過程或其環(huán)境的未知特性所固有的信息進行學(xué)習(xí)，并將得到的經(jīng)驗用于進一步估計、分類、決策或控制，這有利于對未知對象進行認(rèn)知和辨識并進一步改善控制系統(tǒng)的控制性能。2.組織綜合能力 對復(fù)雜的任務(wù)和分散的傳感器信息，具有處理、組織、協(xié)調(diào)和綜合決策能力，并在進行過程中表現(xiàn)出類似于人的主動性和靈活性。3.適應(yīng)能力 由于智能控制不依賴于對象模型，智能行為表現(xiàn)為從系統(tǒng)輸入到輸出的映射關(guān)系，即使輸入時系統(tǒng)從未有過的例子，系統(tǒng)通過插補、歸類等方法，也能給出適當(dāng)?shù)妮敵?。如果系統(tǒng)中某部分出現(xiàn)故障，仍能正常工作，并給出警告信號，甚至自行修復(fù)。4.優(yōu)化能力 智能控制具

16、有在線特征辨識、特征記憶和擬人等特點，故在整個控制過程中，計算機能夠在線獲得信息、實時處理并給出控制決策，通過不斷優(yōu)化參數(shù)和尋找控制器最佳結(jié)構(gòu)形式，來獲得整體的最優(yōu)控制性能8。因此就目前而言，智能控制是解決傳統(tǒng)過程控制局限性問題和提高控制質(zhì)量的一個重要途徑。在各種儀表高速發(fā)展的今天，控制裝置已經(jīng)不是主要問題，影響被控對象性能指標(biāo)的主要因素取決于控制器本身，控制器本身的智能化設(shè)計將直接影響產(chǎn)品的質(zhì)量和生產(chǎn)率。1.5 論文的主要研究內(nèi)容本課題的具體研究內(nèi)容如下：1.結(jié)合電鍋爐水溫上升過程的特點，對被控對象進行理論分析，建立被控系統(tǒng)的數(shù)學(xué)模型，提出適合于鍋爐水溫過程控制的純 PID 控制模糊控制、參

17、數(shù)自整定模糊 PID 控制方法。并對控制算法的實現(xiàn)、控制器的設(shè)計和參數(shù)調(diào)整進行深入研究。2.運用 MATLAB 軟件的 Simulink 開發(fā)環(huán)境和模糊邏輯工具箱對上述幾種方法進行建模仿真，并對控制性能指標(biāo)進行分析，確定出符合控制系統(tǒng)輸出響應(yīng)速度快、超調(diào)量小和穩(wěn)定誤差小的控制算法。第二章 常用PID控制2.1 被控對象及其原有控制方案2.1.1 被控對象分析電鍋爐是將電能直接轉(zhuǎn)化為熱能的一種能量轉(zhuǎn)換裝置。其工作原理與傳統(tǒng)意義上的鍋爐有相似之處，從結(jié)構(gòu)上看也有“鍋”和“爐”兩大部分?！板仭笔侵甘⒎艧峤橘|(zhì)(一般是水的容器，而“爐”這里指加熱水的電熱轉(zhuǎn)換元件。目前國內(nèi)外生產(chǎn)的電鍋爐有很多種型式，從整

18、體結(jié)構(gòu)上分有立式、臥式、多單元式等；從傳熱介質(zhì)上分有熱水鍋爐、蒸汽鍋爐和有機載體鍋爐；從電加熱原理上可分為電熱管式、電熱棒式、電熱板式、電極式和感應(yīng)式等；從供熱方式上有直熱式和蓄熱式等9。本文研究對象為直熱式熱水鍋爐，采用電阻式加熱，工作壓力為 0.4Mpa，鍋爐內(nèi)最高水溫 95 。圖 2-1 電鍋爐安裝圖Fig.2-1 Electricity boiler installation diagram當(dāng)電鍋爐工作在 0.4Mpa 時，水的飽和溫度為 144 ，最高水溫 95使鍋爐遠離了工作壓力下的飽和溫度及加熱元件表面的過度沸騰難以控制的現(xiàn)象，同時，95 的水溫基本上不產(chǎn)生蒸汽。產(chǎn)品安裝示意圖如

19、圖 2-1 所示。從電鍋爐的安裝示意圖可以看出，電鍋爐的熱水經(jīng)供暖出水口送至散熱片，通過散熱片向供熱區(qū)釋放熱量?？梢姽釁^(qū)的溫度是控制參數(shù)，操作量是電鍋爐內(nèi)的熱水。通過調(diào)節(jié)閥的開度，保證供熱區(qū)的等溫特性；通過水位的判別調(diào)節(jié)補水閥的起、停。因此本文的研究目的是結(jié)合電鍋爐水溫上升的特點，對它的溫度進行控制，達到調(diào)節(jié)時間短、超調(diào)量小且穩(wěn)定誤差小的技術(shù)要求。在生產(chǎn)過程，控制對象各種各樣，理論分析和試驗結(jié)果表明：電加熱裝置是一個具有自平衡能力的對象，可用二階系統(tǒng)純滯后環(huán)節(jié)來描述，而二階系統(tǒng)，通過參數(shù)辨識可以降為一階模型。因而一般可用一階慣性滯后環(huán)節(jié)來描述溫控對象的數(shù)學(xué)模型。采用飛升曲線測量方法 ，可以得

20、到電鍋爐溫度系統(tǒng)的傳遞函數(shù)為：G(s=式中 K對象的靜態(tài)增益；T對象的時間常數(shù)； 對象的純滯后時間。對象中的特性參數(shù)對其輸出的影響：1.放大系數(shù) K 放大系數(shù) K 也就是傳遞系數(shù)，它與被控量的變化過程無關(guān)，其值表示輸入對輸出穩(wěn)態(tài)值的影響程度。K 值越大，表示被控對象的自平衡力??；K 值小，對象自平衡能力大2.時間常數(shù) T 時間常數(shù) T 的大小反映了對象受到階躍干擾后，被控量達到新的穩(wěn)定值的快慢程度，即時間常數(shù) T 是表示對象慣性大小的物理量。2.1.2 原有控制方案目前國內(nèi)電熱鍋爐控制大都采用的是開關(guān)式控制，甚至是人工控制方法。1.開關(guān)式控制方法 以預(yù)控制的溫度為標(biāo)稱值，據(jù)此設(shè)定一個控制上限，

21、一控制下限。當(dāng)溫度不在此范圍內(nèi)時，電熱鍋加熱，否則停止加熱。2.人工控制方法 人工控制方法是通過工作人員的操作經(jīng)驗，簡單的對鍋爐進行操作。因此，很難提高系統(tǒng)的控制精度和實現(xiàn)低成本運行。針對市面上電鍋爐的粗獷式控制方法，要提高系統(tǒng)控制精度和實現(xiàn)低成本運行，必須尋找一種新的解決方案。2.2 控制策略研究通過對電鍋爐的結(jié)構(gòu)和系統(tǒng)研究確定出可采用的研究方案，首先可采用的控制方案是 PID 控制，它是經(jīng)典控制理論中最典型的控制方法，對工業(yè)生產(chǎn)過程的線性定常系統(tǒng)，大多采用經(jīng)典控制方法，它結(jié)構(gòu)簡單，可靠性強，容易實現(xiàn)，并且可以消除穩(wěn)定誤差，在大多數(shù)情況下能夠滿足性能要求12。第二個可采用方案是模糊控制，由于

22、它是以先驗知識和專家經(jīng)驗為控制規(guī)則的智能控制技術(shù)，可以模擬人的推理和決策過程，因此無須知道被控對象的數(shù)學(xué)模型就可以實現(xiàn)較好的控制，且響應(yīng)時間短，可以保持較小的超調(diào)量131415。2.3 常用PID控制2.3.1 PID 控制的發(fā)展PID 控制策略是最早發(fā)展起來的控制策略之一，現(xiàn)金使用的PID 控制器產(chǎn)生并發(fā)展于1915-1940 年期間盡管自1940年以來，許多先進的控制方法不斷的推出，但由于PID 控制具有結(jié)構(gòu)簡單、魯棒性好、可靠性高、參數(shù)易于整定，P、I、D 控制規(guī)律各自成獨立環(huán)節(jié)，可根據(jù)工業(yè)過程進行組合，而且其應(yīng)用時期較長，控制工程師們已經(jīng)積累大量的PID 控制器參數(shù)的調(diào)節(jié)經(jīng)驗。因此，P

23、ID 控制器在工業(yè)控制中仍然得到廣泛的應(yīng)用，許多工業(yè)控制器仍然采用PID 控制器。PID 控制器的發(fā)展經(jīng)歷了液動式、氣動式、電動式幾個階段，目前正由模擬控制器向著數(shù)字化、智能化控制器的方向發(fā)展3。2.3.2 PID 控制基本理論PID 控制在生產(chǎn)過程中是一種被普遍采用的控制方法，是一種比例、積分、微分并聯(lián)控制器16。常規(guī) PID 控制系統(tǒng)原理框圖如圖 2-2 所示。-圖 2-2 基本 PID 控制系統(tǒng)原理圖Fig.2-2 The principle drawing of PID control system理想的PID 控制器根據(jù)給定值 r(t與實際輸出值c(t構(gòu)成的控制偏差e(te (t =

24、 r (t -c (t 將偏差的比例、積分和微分通過線性組合構(gòu)成控制量，對被控對象進行控制。u(t=Ke(t+式中 u(t控制器的輸出；e(t控制器的輸入，給定值與被控對象輸出值的差，即偏差信號；Ke(t 比例控制項，K為比例系數(shù)；積分控制項，T為積分時間常數(shù)T微分控制項，T 為微分時間常數(shù)。在圖 2-2 的基礎(chǔ)上分析一下 PID 控制器各校正環(huán)節(jié)的作用17：1. 比例環(huán)節(jié) 比例環(huán)節(jié)的引入是為了及時成比例地反映控制系統(tǒng)的偏差信號 e(t，以最快的速度產(chǎn)生控制作用，使偏差向最小的方向變化。隨著比例系數(shù)K的增大，穩(wěn)定誤差逐漸減小，但同時動態(tài)性能變差，振蕩比較嚴(yán)重，超調(diào)量增大。2. 積分環(huán)節(jié) 積分環(huán)

25、節(jié)的引入主要用于消除靜差，即當(dāng)閉環(huán)系統(tǒng)處于穩(wěn)定狀態(tài)時，則此時控制輸出量和控制偏差量都將保持在某一個常值上。積分作用的強弱取決于積分時間常數(shù)T，時間常數(shù)越大積分作用越弱，反之越強。隨著積分時間常數(shù)T的減小，靜差在減??；但過小的積分常數(shù)會加劇系統(tǒng)振蕩，甚至使系統(tǒng)失去穩(wěn)定。3. 微分環(huán)節(jié) 微分環(huán)節(jié)的引入是為了改善系統(tǒng)的穩(wěn)定性和動態(tài)響應(yīng)速度，它可以預(yù)測將來，能反映偏差信號的變化趨勢，并能在偏差信號值變太大之前，在系統(tǒng)引入一個有效的早期修正信號，從而加速系統(tǒng)的動態(tài)速度，減小調(diào)節(jié)時間。2.3.3 PID控制算法在計算機直接數(shù)字控制系統(tǒng)中，PID 控制器是通過計算機PID控制算法程序?qū)崿F(xiàn)的。進入計算機的連續(xù)

26、時間信號，必須經(jīng)過采樣和量化后，變成數(shù)字量，才能進入計算機的存儲器和寄存器，而在數(shù)字計算機中的計算和處理，不論是積分還是微分，只能用數(shù)值計算去逼近。PID 控制規(guī)律在計算機中的實現(xiàn)，也是用數(shù)值逼近的方法。當(dāng)采樣周期 T足夠短時，用求和代替積分，用差商代替微商，使 PID 算法離散化，即可作如下近似變換：tkt (k=0,1,2,式中 T采樣周期。將描述連續(xù) PID 算法的微分方程，變?yōu)槊枋鲭x散時間 PID 算法的差分方程，為書寫方便，將 e(kT簡化表示成 e(k,即為數(shù)字 PID 位置型控制算法，如式 (2-5所示。 u(k=Ke(t+K式中 k采樣序號，k= 0,1,2,；u(k第 k 次

27、采樣時刻的計算機輸出值；e(k第 k 次采樣時刻輸入的偏差值；e(k-1第 (k-1 次采樣時刻輸入的偏差值；K積分系數(shù)，K=;K微分系數(shù)，K=;由 (2-6 式可得u(k=u(k-u(k-1= Ke(k+Ke(k+Ke(k-e(k-1式中e(k=e(k-e(k-1，u(k即為增量式 PID 控制算法，由第k次采樣計算得到的控制量輸出增量。可以看出，由于一般計算機控制系統(tǒng)采用恒定的采樣周期 T，一旦確定了 K、K、K，只要使用前 3 次的測量值偏差，即可求出控制量的增量。2.4采用常規(guī)PID 控制以某工業(yè)過程具有大時滯的控制對象為例,其被控對象的傳遞函數(shù)1為G1 :G1=當(dāng)運行一段時間后,由于

28、系統(tǒng)參數(shù)發(fā)生改變等原因,被控對象的傳遞函數(shù)變?yōu)镚2 :G2=我們先采用常規(guī)PID 控制方法來控制被控對象G1 ,并用MATLAB 的SIMUL IN K進行仿真,設(shè)計的框圖如圖1 ,然后通過試湊法整定出了一套合適的PID 參數(shù),其中輸入為單位階躍信號, KP = 0.2 , KI =0.12 , KD = 0.15 ,采樣時間為0.01s ,得到的仿真曲線如圖2 。從下圖可以看出,在此參數(shù)下,系統(tǒng)的動態(tài)響應(yīng)曲線很好,超調(diào)較小,上升時間短,響應(yīng)速度較快,系統(tǒng)能很快到達穩(wěn)態(tài),且無穩(wěn)態(tài)誤差,說明我們所整定的PID 參數(shù)符合被控要求。當(dāng)系統(tǒng)運行一段時間后,被控對象變?yōu)镚2 ,如圖3我們依然使用第一步所

29、整定出來的PID 參數(shù)進行仿真,得到的仿真曲線如圖4 。從圖4 可以看出,當(dāng)被控對象變?yōu)镚2 后,在原有整定的PID 參數(shù)下,系統(tǒng)的動態(tài)響應(yīng)曲線明顯變差,這說明常規(guī)PID 控制針對固定不變的被控系統(tǒng)時效果很好,但一旦被控對象出現(xiàn)變化,則原有的PID 參數(shù)就不能滿足系統(tǒng)的動態(tài)響應(yīng)要求,這時我們就必須重新調(diào)節(jié)PID 參數(shù),而這在實際控制過程中是不現(xiàn)實的第三章 模糊控制3.1 模糊控制的基本思想模糊控制是模糊集合理論中的一個重要方面，是以模糊集合化、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種計算機數(shù)字控制，從線性控制到非線性控制的角度分類，模糊控制是一種非線性控制；從控制器的智能性看，模糊控制屬于智能控

30、制的范疇。模糊控制是建立在人類思維模糊性基礎(chǔ)上的一種控制方式，模糊邏輯控制技術(shù)模仿人的思考方式接受不精確不完全信息來進行邏輯推理,用直覺經(jīng)驗和啟發(fā)式思維進行工作,是能涵蓋基于模型系統(tǒng)的技術(shù)。它不需用精確的公式來表示傳遞函數(shù)或狀態(tài)方程，而是利用具有模糊性的語言控制規(guī)則來描述控制過程?？刂埔?guī)則通常是根據(jù)專家的經(jīng)驗得出的，所以模糊控制的基本思想就是利用計算機實現(xiàn)人的控制經(jīng)驗18。3.2 模糊控制系統(tǒng)的組成及結(jié)構(gòu)分析摸糊控制系統(tǒng)是采用計算機控制技術(shù)構(gòu)成的一種具有反饋通道的閉環(huán)結(jié)構(gòu)的數(shù)字模糊控制系統(tǒng)。智能性的模糊控制器是模糊控制系統(tǒng)的核心，一個模糊控制系統(tǒng)性能的優(yōu)劣，主要取決于模糊控制器的結(jié)構(gòu)，所采用的

31、模糊控制規(guī)則、合成推理算法以及模糊決策的方法等因素19。模糊控制系統(tǒng)組成原理框圖如圖2-3 所示。圖 3-3 模糊控制系統(tǒng)組成原理框圖Fig.3-3 The schematic of the fuzzy control system模糊控制系統(tǒng)是由被控對象、執(zhí)行機構(gòu)、過程輸入輸出通道、檢測裝置、模糊控制器等幾部分組成。被控對象的數(shù)學(xué)模型可以是已知的、精確的，也可以是未知的、模糊的。過程輸入輸出通道一般指模/數(shù) (A/D、數(shù)/模 (D/A 轉(zhuǎn)換單元和接口部件，電平轉(zhuǎn)換裝置及多路開關(guān)等。作為控制系統(tǒng)核心部件的模糊控制器不依賴于被控對象的精確數(shù)學(xué)模型，易于對不確定性系統(tǒng)進行控制。模糊控制器抗干擾能力

32、強，響應(yīng)速度快，并對系統(tǒng)參數(shù)的變化有較強的魯棒性。在實際應(yīng)用中，模糊控制器有兩種組成方式，一種是由模糊邏輯芯片組成的硬件專用模糊控制器，它是用硬件芯片來直接實現(xiàn)模糊控制算法，這種模糊控制器的特點是推理速度快，控制精度高，但價格昂貴，輸入和輸出以及模糊規(guī)則都有限，且靈活性較差，在實際中較少使用；另一種組成方式是采用與數(shù)字控制器相同的硬件結(jié)構(gòu)，目前多用單片微機來組成硬件系統(tǒng)。而在軟件上用模糊控制算法取代原來數(shù)字控制器的數(shù)字控制算法，這樣就把原來的數(shù)字控制器改成了模糊控制器，組成了一個單片機的模糊控制系統(tǒng)。本文所應(yīng)用的電鍋爐控制系統(tǒng)采用的就是后一種組成方式20。模糊控制器 (FCFuzzy Cont

33、roller 又稱為模糊邏輯控制器 (FLCFuzzy Logic Controller,它的模糊控制規(guī)則用模糊條件語句來描述，是一種語言型控制器，因此有時又被稱為模糊語言控制器。模糊控制器的機構(gòu)框圖如圖 2-4 所示。圖 2-4 模糊控制器結(jié)構(gòu)框圖Fig.2-4 The schematic of the fuzzy controller圖2-4中，ut是被控對象的輸入，y(t是被控對象的輸出，s(t是參考輸入，e為誤差。圖中虛線框內(nèi)就是模糊控制器，它根據(jù)誤差信號產(chǎn)生合適的控制作用，輸出給被控對象。模糊控制器主要由模糊化接口、知識庫、模糊推理機、解模糊解口四部分組成，各部分作用如下:1.模糊化

34、 模糊化接口接受的輸入只有誤差信號e，由e再生成誤差變化率e或誤差的積分，模糊化接口完成兩項功能:論域變換：e和e都是非模糊的普通變量，它們的論域 (即變化范圍 是實際域上的一個真實論域，分別用X和Y來代表。在模糊控制器中，真實論域要變換到內(nèi)部論域X和Y，無論是對于D-FC (離散論域的模糊控制器，還是C-FC(連續(xù)論域的模糊控制器 ，論域變換后e和e變成E和EC，相當(dāng)于乘了一個比例因子(還可能有偏移 。模糊化：論域變換后E和EC仍是非模糊的普通變量，這里把它們分成若干個模糊集合，如：“負(fù)大”(NL、“負(fù)中”(NM、“負(fù)小”(NS、“零”(Z、“正小”(PS、“正中” (PM、“正大” (PL

35、，并在其內(nèi)部論域上規(guī)定各個模糊集合的隸屬度函數(shù)。在 t 時刻輸入信號的值e和e經(jīng)論域變換后得到E和EC，再根據(jù)隸屬函數(shù)的定義可以分別求出 E 和 EC 對各模糊集合的隸屬度，如(E、(EC、，這樣就把普通變量的值變成了模糊變量 (即語言變量的值，完成了模糊化的工作。這里 E，EC 既代表普通變量又代表了模糊變量，作為普通變量時其值在論域 X和Y中，是普通數(shù)值；作為模糊變量是其值在論域0，1中，是隸屬度。2. 知識庫 顧名思義，知識庫中存儲著有關(guān)模糊控制器的一切知識，它們決定著模糊控制器的性能。是模糊控制器的核心。知識庫又分為兩部分，分別介紹如下:1 數(shù)據(jù)庫：它與計算機軟件中的數(shù)據(jù)庫不同，它存儲

36、著有關(guān)模糊化、模糊推理、解模糊的一切知識，如模糊化中的論域變換方法、輸入變量各模糊集合的隸屬函數(shù)定義、模糊推理算法、解模糊算法、輸出變量各模糊集合的隸屬函數(shù)定義等。2 規(guī)則庫：其中包含一組模糊控制規(guī)則，即以“if ，then ”形式表示的模糊條件語句如 R：if E is A and EC is B, then U is C；R：if E is A and EC is B, then U is C；R：if E is A and EC is B, then U is C。其中，E和EC就是前面的語言變量，A，A,，A是E的模糊集合，B，B，B是 EC的模糊集合，C，C，C是U的模糊集合。每條規(guī)

37、則是在一個積分空間X×Y ×Z中的模糊關(guān)系，EX，EC Y，U Z。如果 X、Y 、Z 皆為離散論域，還可以寫成模糊關(guān)系矩陣R，i=1,2,n。規(guī)則庫中的 n條規(guī)則是并列的，它們之間是“或”的邏輯關(guān)系，因此整個規(guī)則集的模糊關(guān)系為R=3.模糊推理機 推理機有每個采樣時刻的輸入，依據(jù)模糊控制規(guī)則推導(dǎo)出控制作用，而模糊控制規(guī)則這一組模糊條件語句可以導(dǎo)出一個輸入輸出空間上的模糊關(guān)系，推理機按著模糊推理的合成規(guī)則進行運算從，而求得控制作用，推理機制為在 t 時刻若輸入量為 E 和 EC，E X，EC Y，若論域 X、Y、Z皆為離散的，E 在 X上對應(yīng)矢量 A，EC 在對應(yīng)矢量B，則推

38、理結(jié)果是Z上的矢量C4解模糊 解模糊可以看作模糊化的反過程，它要由模糊推理結(jié)果產(chǎn)生tu 的數(shù)值，作為模糊控制器的輸出。解模糊接口主要完成以下兩項工作:解模糊：對ut 也要有真實論域 Z 變換到內(nèi)部論域 Z ，對 U Z 定義若干個模糊集合，并規(guī)定各模糊集合的隸屬度函數(shù)。模糊推理是在內(nèi)部論域上進行的，因此得到的推理結(jié)果C是Z上的模糊矢量，其元素為對 U 的某個模糊集合的隸屬度。對于某組輸入 E 和 EC，一般會同時滿足多條規(guī)則,因此會有多個推理結(jié)果Ci，i 為不同的模糊集合,用公式 (2-15 求 C。C=并用解模糊算法 (如最大隸屬度法、重心法、中位法等 ，即可求得此時的內(nèi)部控制量u。 論域反

39、變換：得到的 U Z，進行論域反變換即可得到真正的輸出 u Z，它仍是非模糊的普通變量。3.3模糊控制算法的實現(xiàn)模糊控制算法的實現(xiàn)方法目前有三種，即查表法、硬件專用模糊控制器和軟件模糊推理等。其最主要的區(qū)別在于模糊推理的實現(xiàn)方法不同21 。1.查表法 適用于輸入、輸出論域為離散有限論域的情況。查表法是輸入論域上的點到輸出論域的對應(yīng)關(guān)系，它已經(jīng)是經(jīng)過了模糊化、模糊推理和解模糊的過程，它可以離線計算得到，模糊控制器在線運行時，進行查表就可以了，因而可以大大加快在線運行的速度。這一過程可以用圖3-5表示。本論文模糊控制器的設(shè)計采用的正是此法。圖 3-5 查表法Fig.2-5 Method of lo

40、oking up the form2.硬件模糊控制器 采用具有模糊推理功能的模糊芯片，它推理速度快，控制精度高，處理速度至少比軟件提高一個數(shù)量級。目前已經(jīng)采用的硬件實現(xiàn)模糊控制器產(chǎn)品有日本立石公司的模糊控制器 FZ1000，2000，5000，6000 等，日本奧井點電機公司的 FOC2001A，日新電機的模糊控制器等等。限制硬件模糊控制器普及的主要因素是價格問題，目前模糊芯片的價格還是比較昂貴的。3.軟件模糊推理法 采用軟件模糊推理法指用軟件實現(xiàn)輸入模糊化、模糊推理算法以及輸出解模糊等模糊過程，尤其是模糊推理過程，它不同于查表法，可以把模糊推理過程離線完成，而是在線運行時每一個采樣周期都要進

41、行模糊推理。因此這種方法靈活性強，應(yīng)用范圍廣，比查表法有更高的精度，但由于其推理要花費一定的時間，因而要求計算機有較高的運行速度。目前有用軟件實現(xiàn)的通用模糊控制器產(chǎn)品，也有在它們生產(chǎn)的產(chǎn)品中配置有模糊控制軟件模塊。3.4 模糊控制方法的進展1.Fuzzy-PID復(fù)合控制Fuzzy-PID復(fù)合控制指的是模糊控制技術(shù)與常規(guī)PID控制算法相結(jié)合的控制方法。常用的是模糊控制器與PI調(diào)節(jié)器相結(jié)合的Fuzzy-PI雙?？刂菩问?2。這種控制形式的出發(fā)點主要是因為模糊控制器本身消除穩(wěn)定誤差的性能較差，加入 PI調(diào)解器可以消除穩(wěn)定誤差的作用?？刂撇呗陨蠟?，在大偏差范圍內(nèi)，即偏差e在某個閥值之外采用模糊控制，以

42、獲得良好效果的瞬態(tài)性能；在小偏差范圍內(nèi)，即e落在閥值之內(nèi)時轉(zhuǎn)換成PID(或PI控制，以獲得良好的穩(wěn)態(tài)性能。二者之間的轉(zhuǎn)換閥值由微機程序根據(jù)事先給定的偏差范圍自動實現(xiàn)。2.參數(shù)自整定模糊控制關(guān)系式u=kf(ke,kecf為非線性函數(shù),顯然 FLC 的控制作用u 與比例因子k、k和量化因子k有關(guān)系，它們的變化引起了控制系統(tǒng)的動態(tài)性能和穩(wěn)態(tài)性能的變化。在線整定比例因子k1 、k2 和量化因子k，使他們保持合適的數(shù)值，在隨機的環(huán)境中能對控制器進行自動校正，使得在被動對象特性變化或擾動情況下，控制系統(tǒng)保持較好的性能23。對于經(jīng)典的單變量二維 FLC，由式(3-16可以看出比例因子k、k分別相當(dāng)于模糊控制

43、的比例作用和微分作用的系數(shù)，量化因子k則相當(dāng)于總的放大倍數(shù)。具體比例因子k、k和量化因子k與系統(tǒng)性能的如下關(guān)系。一般k越大，系統(tǒng)調(diào)節(jié)惰性越小，上升速率越快。但k過大，將使體統(tǒng)產(chǎn)生較大的超調(diào)，使調(diào)節(jié)時間增長，嚴(yán)重時會產(chǎn)生振蕩乃至系統(tǒng)不穩(wěn)定。但k1 過小，系統(tǒng)上升速率變小,調(diào)節(jié)惰性變大，使穩(wěn)態(tài)精度降低。k越大，對系統(tǒng)狀態(tài)變化的抑制能力增大，使超調(diào)量減小，增加系統(tǒng)穩(wěn)定性。但k 過大，會使系統(tǒng)輸出上升速率過小，使系統(tǒng)的過渡過程時間變長。k過小，系統(tǒng)輸出上升速率增大，導(dǎo)致系統(tǒng)產(chǎn)生過大的超調(diào)和振蕩。k增大，相當(dāng)于系統(tǒng)總的放大倍數(shù)增大，系統(tǒng)相應(yīng)速度加快。在上升階段，k3 越大，上升越快，但也容易產(chǎn)生超調(diào)。k

44、過小，則系統(tǒng)反應(yīng)緩慢，使調(diào)節(jié)時間加長。3. 自適應(yīng)模糊控制 自適應(yīng)模糊控制又稱為自組織模糊控制，它在控制過程中自動地對模糊控制規(guī)則進行修改、改進和完善，具有自適應(yīng)自學(xué)習(xí)的能力24。它比一般的模糊控制器增加了三個環(huán)節(jié)：性能量測、控制量校正和控制規(guī)則修正。性能量測環(huán)節(jié)用于測量實際輸出特性與希望特性的偏差，以確定輸出響應(yīng)的校正量?？刂屏啃Ｕh(huán)節(jié)將輸出響應(yīng)的校正量轉(zhuǎn)換為控制量的校正量?？刂埔?guī)則修正環(huán)節(jié)修改模糊控制器的控制規(guī)則，這樣就實現(xiàn)了對控制量的校正。自適應(yīng)模糊控制原理框圖如圖 3-6 所示。圖 3-6 自適應(yīng)模糊控制系統(tǒng)Fig.3-6 Adaptive fuzzy control system4.

45、 專家模糊控制 專家模糊控制是專家系統(tǒng)技術(shù)和模糊控制相結(jié)合的產(chǎn)物，把專家系統(tǒng)技術(shù)引入模糊控制中，目的是進一步提高模糊控制器的智能水平25。常規(guī)模糊控制器的魅力在于它能在一般的數(shù)學(xué)分析方法無能為力時提供一種基于規(guī)則的控制方法，而且簡單易行。但常規(guī)的模糊控制方法的局限性在于控制器的結(jié)構(gòu)過于簡單，規(guī)則庫一般只允許一種格式的規(guī)則，規(guī)則語言還不足以控制復(fù)雜過程所需要的啟發(fā)式知識。專家系統(tǒng)方法重視知識的多層次及分類的需要，以及用這些知識進行推理的計算機組織。專家模糊控制保持了基于規(guī)則的方法的價值和用模糊集處理帶來的靈活性，同時把專家系統(tǒng)技術(shù)的表達、利用知識的長處結(jié)合進來。5. 神經(jīng)模糊控制 神經(jīng)模糊控制

46、是指基于神經(jīng)網(wǎng)絡(luò)的模糊控制方法。神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的簡稱，它是由許多神經(jīng)元作為節(jié)點以一定的方式連接在一起的網(wǎng)絡(luò)，它具有分層的結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)的基本工作原理是先要提供它足夠的典型的學(xué)習(xí)樣本，這些樣本必須能相當(dāng)完善地描述所希望達到的系統(tǒng)的性能。神經(jīng)模糊控制方法是指用一個神經(jīng)網(wǎng)絡(luò)實現(xiàn)常規(guī)模糊控制器的功能。就目前的資料應(yīng)用方法，可以大致分為兩類，一類是神經(jīng)網(wǎng)絡(luò)實現(xiàn)模糊控制規(guī)則及模糊推理，另一種則由神經(jīng)網(wǎng)絡(luò)實現(xiàn)全部模糊邏輯控制功能。神經(jīng)網(wǎng)絡(luò)技術(shù)與模糊邏輯控制相結(jié)合的神經(jīng)模糊控制方法目前還沒有達到成熟、完善和系統(tǒng)的地步26。3.5模糊控制器的結(jié)構(gòu)模糊控制具有快速性、魯棒性好的特點，可以考慮用它對系統(tǒng)進行

47、控制。在確定性控制系統(tǒng)中，根據(jù)輸入變量和輸出變量的個數(shù)，可分為單變量控制系統(tǒng)和多變量控制系統(tǒng)32。1.單變量模糊控制器 將其輸入變量的個數(shù)定義為模糊控制器的維數(shù)，其結(jié)構(gòu)圖如下圖所示：一維模糊控制器如圖a所示。一維模糊控制器的輸入變量往往選擇為受控量和輸入給定的誤差 E。由于僅僅采用偏差值，很難反映受控過程的動態(tài)性品質(zhì)。因此得不到滿意的系統(tǒng)動態(tài)性能效果，這種一維模糊控制器通常用于簡單的被控對象。單變量模糊控制器Fig.3-11 Single variable fuzzy controller二維模糊控制器如圖b所示。二維模糊控制器的兩個輸入變量為被控量與給定值的誤差量 E 和誤差變化量 EC，由

48、于它們能夠嚴(yán)格的反映受控過程中輸出變量的動態(tài)特性，在控制效果上要比一維模糊控制器好的多，它是目前被廣泛采用的一種模糊控制器。三維模糊控制器如圖 3-11 c 所示。三維模糊控制器的三個輸入變量為系統(tǒng)誤差量 E、誤差變化量 EC 和偏差變化率 ECC，也可以是 E，EC 和 EC 的積分EI。由于這類模糊控制器結(jié)構(gòu)比較復(fù)雜，推理運算時間長，因此除非對動態(tài)特性要求特別高的場合，一般較少選擇三維模糊控制器。2.多變量模糊控制器 如圖 3-12 所示，模糊控制器是由多個獨立的輸入變量和一個或多個輸出變量。多變量模糊控制器的變量個數(shù)多，且各個變量之間存在著較強的耦合，因此要直接設(shè)計多變量模糊控制器相當(dāng)困

49、難。好在可以利用模糊控制器本身的解耦性質(zhì)，通過模糊關(guān)系方程分解，在控制器結(jié)構(gòu)上實現(xiàn)解耦，便可以將一個多輸入多輸出 (MIMO 模糊控制器，分解成若干個多輸入單輸出 (MISO 模糊控制器，這樣就實現(xiàn)了模糊控制器的降維處理。圖3-12 多變量模糊控制器Fig.3-12 Multivariable fuzzy controller本文結(jié)合電鍋爐溫升特點及系統(tǒng)控制精度要求，模糊控制器選用單變量結(jié)構(gòu)的二維模糊控制器，即輸入量為偏差 E 及偏差的變化 EC，輸出控制量為 U。溫控系統(tǒng)的模糊控制器采用單變量設(shè)計溫度是生產(chǎn)過程和科學(xué)實驗中普遍而且重要的物理參數(shù)。本文在分析電鍋爐溫度控制系統(tǒng)特點的基礎(chǔ)上，提出

50、用一階慣性滯后環(huán)節(jié)來描述溫控系統(tǒng)的數(shù)學(xué)模型。本章在分析了電鍋爐溫度控制系統(tǒng)原有控制方案的基礎(chǔ)，提出新的控制策略，即 PID 控制和模糊控制，分析了兩種控制方法的基本理論及控制特點，介紹了兩種控制器的設(shè)計及控制算法的實現(xiàn)。第四章 模糊PID溫度控制系統(tǒng)設(shè)計仿真是對實際過程的模擬，系統(tǒng)仿真就是在數(shù)學(xué)模型的基礎(chǔ)上，以計算機為工具對系統(tǒng)進行實驗研究的一種方法。系統(tǒng)仿真根據(jù)真實系統(tǒng)的數(shù)學(xué)模型建立仿真模型，對系統(tǒng)環(huán)境加以模擬，在計算機上進行分析、計算、研究獲得真實的定量關(guān)系。本章通過對系統(tǒng)采用不同的控制策略，得出它們各自的仿真結(jié)果，然后進行分析比較，從中找出一個合乎要求的解決方案。4.1工藝要求電鍋爐的溫

51、度控制電鍋爐的溫度控制過程包括兩個階段。自由升溫段：要求鍋爐水溫快速升至溫度設(shè)定值。保溫段：水溫升至設(shè)定值后要求溫度維持設(shè)定值基本不變。水溫的檢測元件采用數(shù)字式傳感器。電鍋爐的溫度控制系統(tǒng)是常見的確定性系統(tǒng)，采用飛升曲線測量方法1，測出鍋爐溫控制系統(tǒng)的飛升曲線，即可得到控制對象的數(shù)學(xué)模型。曲線上變化最快處作切線，與t軸交于B點，交穩(wěn)態(tài)值的漸近線于A點，A點在t軸的投影為C點，則OB為過程量滯后時間，BC為過程的時間常數(shù)T，此處分別為 122 s 和 120 s 。這里要說明的是：在測試飛升曲線時，一般階躍信號不從零開始，否則會使系統(tǒng)造成很大的非線性，影響被測對象的正常工作。一般作法是給調(diào)節(jié)對象

52、輸入到使被控對象開環(huán)穩(wěn)定運行于實際工況附近，并以此輸出值作為縱坐標(biāo)的原點 (0 值 ，然后在加一階躍輸入信號，使被控對象輸出隨之發(fā)生變化，最后穩(wěn)定在一個值。由此方法可以得到電鍋爐溫度系統(tǒng)的傳遞函數(shù)為G(s=4.2 仿真工具仿真是控制系統(tǒng)進行科學(xué)研究的重要方法，通過仿真來分析各種控制策略和方案對控制系統(tǒng)的性能，優(yōu)化相關(guān)參數(shù)，以獲得最佳控制效果。為了進行模糊系統(tǒng)的仿真設(shè)計，國內(nèi)外的學(xué)者都開發(fā)了一些工具，其中一個就是 MATLAB 的模糊控制工具箱 (Fuzzy Logic Toolbox 。模糊控制工具箱是數(shù)字計算機環(huán)境下的函數(shù)集成體，是一個不針對具體硬件平臺的控制設(shè)計工具，它可以用完全圖形界面的

53、工作方式設(shè)計整個模糊控制器。如定義它的輸入、輸出變量的數(shù)目，各輸入、輸出變量的隸屬度函數(shù)的形狀和數(shù)目，模糊控制規(guī)則的數(shù)目，模糊推理的方法，反模糊化的方法等等。在設(shè)好這樣一個模糊控制器之后，可以利用 MATLAB 本身的Simulink仿真平臺來構(gòu)建整個模糊控制系統(tǒng)并進行仿真研究。它的優(yōu)勢在于可以利用MATLAB軟件本身的豐富資源，方便的將模糊工具箱與其它一些工具箱集合使用，來構(gòu)建不同結(jié)構(gòu)的模糊系統(tǒng)，比如神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)，遺傳算法模糊系統(tǒng)，模糊 PID系統(tǒng)等，并對這樣的系統(tǒng)進行仿真、分析。4.2.1 MATLAB 簡介MATLAB (MATrix LABoratory，即矩陣實驗室是Cleve

54、Moler博士在NewMexico大學(xué)講授線性代數(shù)時，發(fā)現(xiàn)用高級語言編程極為不便而構(gòu)思開發(fā)的27。它是集命令翻譯、科學(xué)計算于一身的一套交互式軟件系統(tǒng)。系統(tǒng)經(jīng)過幾年的試用之后，Moler 博士等一批數(shù)學(xué)家與軟件專家組建了一個名為 MathWorks 的軟件開發(fā)公司，專門擴展并改進 MATLAB，推出了該軟件的正式版本。除原有的數(shù)值計算能力外，還增加了圖形處理功能。MathWorks 公司于1993年推出了基于 Windows 平臺的 MATLAB 4.0。MATLAB 4.x 版在繼承和發(fā)展其原有數(shù)值計算和圖形處理能力的同時，還推出了符號計算工具包、Notebook 和一個交互式操作的動態(tài)系統(tǒng)建

55、模、仿真、分析集成環(huán)境 Simulink。4.2.2 Simulink 開發(fā)環(huán)境和模糊邏輯工具箱Simulink 是一個用來對動態(tài)系統(tǒng)進行建模、仿真和分析的軟件包28。它除了包括輸入模塊、輸出模塊、連續(xù)模塊、離散模塊、函數(shù)和表模塊、數(shù)學(xué)模塊、非線性模塊、信號模塊以及子系統(tǒng)模塊外，還包括各個工具箱特有的模塊，如模糊邏輯工具箱的模糊邏輯控制器模塊。用戶可以利用這些模塊搭建自己的系統(tǒng)并進行仿真，通過更改這些模塊的參數(shù)提高系統(tǒng)的性能，最終得到合乎自己設(shè)計要求的系統(tǒng)。本文的所有仿真都是在 Simulink 中完成的。在 MATLAB中設(shè)計模糊控制器需確定以下內(nèi)容29：1.模糊控制器的結(jié)構(gòu)，即根據(jù)具體的系

56、統(tǒng)確定其輸入、輸出變量。2.輸入變量的模糊化，也就是把輸入的精確量轉(zhuǎn)化為對應(yīng)語言變量的模糊集合。模糊化設(shè)計包含兩部分內(nèi)容，一個是模糊劃分設(shè)計，解決的是語言變量論域中取模糊量個數(shù)的問題。一個是模糊量隸屬函數(shù)設(shè)計，解決的是模糊量的隸屬函數(shù)形狀問題。3.模糊推理算法的設(shè)計，即根據(jù)模糊控制規(guī)則進行模糊推理，包括對多個輸入用模糊算子進行處理的過程。4.模糊合成算法的設(shè)計，就是對所有模糊規(guī)則輸出的模糊集合進行綜合的過程。MATLAB 提供三種合成方法：最大值法 max、概率法 probor、求和法 sum。一般采用最大值法。5.反模糊化方法的設(shè)計，它的輸入是模糊集合，輸出是一個數(shù)值。由于經(jīng)過模糊推理后得到

57、的是輸出變量的一個范圍上的隸屬度函數(shù)，因此必須進行反模糊化處理。目前常用的方法有最大隸屬度函數(shù)法、重心法、加權(quán)平均法。最大隸屬度函數(shù)法 設(shè)模糊控制器的推理輸出是模糊量 C，則其隸屬度最大的元素 ci就是精確化所得的對應(yīng)精確值，即 C(k=c。并且有 其中，Z 是控制量 u 的論域，u 是精確控制量。如果在輸出論域中 Z 中，其最大隸屬度函數(shù)對應(yīng)的輸出值多于一個時，簡單的方法是取所有具有最大隸屬度輸出的平均，即C(k=c=max(其中，p為具有相同最大隸屬度輸出的總數(shù)。最大隸屬度函數(shù)法不考慮輸出隸屬度函數(shù)的形狀，只關(guān)心其最大隸屬度值處的輸出值，因此，難免會丟失許多信息，但它的突出優(yōu)點是計算簡單，所以在一些控制要求不高的場合，采用最大隸屬度函數(shù)法是非常方便的。重心法 重心法取輸出模糊集的隸屬度函數(shù)曲線與橫坐標(biāo)軸圍成區(qū)域的中心或重心對應(yīng)的論域元素值作為輸出。若輸出是離散模糊集，則模糊控制器的輸出量為C(