模糊PID溫度控制畢業(yè)設(shè)計(jì)論文

1、遼寧科技大學(xué)本科生畢業(yè)設(shè)計(jì)(論文 第 頁(yè)摘要溫度控制在工業(yè)控制中一直是富有新意的課題，對(duì)十不同的控制對(duì)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(guò)程帶來(lái)很大難題。本文以電鍋爐為研究對(duì)象，研究一種最佳的控制方案，以達(dá)到系統(tǒng)穩(wěn)定、調(diào)節(jié)時(shí)間短目超調(diào)量小的性能指標(biāo)。本文對(duì)電鍋爐可采用的控制方案進(jìn)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(guò)線性組合構(gòu)成控制量，對(duì)被控對(duì)象進(jìn)行控制，PID控制的重點(diǎn)是參數(shù)的調(diào)節(jié)。第二個(gè)研究方案是模糊控制，研究了模糊控制的機(jī)理，確定了電鍋爐模糊控制器的結(jié)構(gòu)。通過(guò)對(duì)電鍋爐溫升

2、特點(diǎn)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(duì)電鍋爐PID控制系統(tǒng)和模糊控制系統(tǒng)進(jìn)行仿真分析。結(jié)果表明當(dāng)采用PID算法時(shí)，系統(tǒng)的超調(diào)量與調(diào)節(jié)時(shí)間，不能同時(shí)滿足技術(shù)要求。當(dāng)采用模糊控制時(shí)，超調(diào)量與調(diào)節(jié)時(shí)間雖然同時(shí)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(jì)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(shí)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(dá)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(guò)程中，控制對(duì)象各種各樣，溫度是生產(chǎn)過(guò)程和科學(xué)實(shí)驗(yàn)中普遍而且重要的物理參數(shù)之一。在生產(chǎn)過(guò)程中，為了高效地進(jìn)行生產(chǎn)，必須對(duì)它的主要參數(shù)，如溫度、壓力、流量等進(jìn)行有效的控制。溫度控制在生產(chǎn)過(guò)程中占有相當(dāng)大的比例，其關(guān)鍵在于測(cè)溫和控溫兩方面。溫度測(cè)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(duì)象越來(lái)越復(fù)雜，在溫度控制方面，還存在著許多問(wèn)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(gè)重要課題。溫度控制一般指對(duì)某一特定空間的溫度進(jìn)行控制調(diào)節(jié)，使其達(dá)到工藝過(guò)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(jiǎn)單、無(wú)污染、自動(dòng)化程度高等特點(diǎn)。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(diǎn)。近年來(lái)，電鍋爐已成為供熱采暖的主要設(shè)備。鍋爐控制作為過(guò)程控制的一個(gè)典型，動(dòng)態(tài)特性具有大慣性大延遲的特點(diǎn)，而且伴有非線性。目前國(guó)內(nèi)電熱鍋爐控制大都采用的是開(kāi)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(shí)對(duì)外界環(huán)境變化響應(yīng)慢，實(shí)時(shí)性差。另外，頻繁的開(kāi)關(guān)切換對(duì)電網(wǎng)產(chǎn)生很大的沖擊，降低了系統(tǒng)的經(jīng)濟(jì)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(duì)提高系統(tǒng)的經(jīng)濟(jì)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(gè)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(shí)期，又是現(xiàn)代控制理論應(yīng)用和發(fā)展時(shí)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(jí)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(dòng)、液動(dòng)和電動(dòng)儀表，對(duì)生產(chǎn)過(guò)程中的溫度、流量、壓力和液位進(jìn)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(shí)針對(duì)不同的對(duì)象與要求，設(shè)計(jì)了一些專門(mén)的控制算法如達(dá)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(shí)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(jì)算機(jī)和高檔儀器為工具，對(duì)復(fù)雜現(xiàn)象進(jìn)行控制。這階段的建模理論、在線辨識(shí)和實(shí)時(shí)控制已突破前期的形式，繼而涌現(xiàn)了大量的先進(jìn)控制系統(tǒng)和高級(jí)控制策略，如克服對(duì)象時(shí)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(cè)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(jí)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(lái)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(lái)人工智能理論的迅速崛起為控制的智能化提供了一個(gè)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(guò)程、故障診斷和監(jiān)督控制以及檢測(cè)儀表有效性檢測(cè)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(guò)程的建模提供有效的方法，進(jìn)而可用于過(guò)程軟測(cè)量和控制系統(tǒng)的設(shè)計(jì)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(dá)確定性和不確定性兩類(lèi)經(jīng)驗(yàn)，并提煉成為知識(shí)進(jìn)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(gè)高階微分方程式來(lái)描述系統(tǒng)的運(yùn)動(dòng)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(lái)解決多輸入多輸出和時(shí)變系統(tǒng)的問(wèn)題，它的數(shù)學(xué)模型是用一個(gè)一階微分方程組即狀態(tài)方程 或差分方程組來(lái)描述，是一種時(shí)域表示方法。這兩種方法在精確數(shù)學(xué)模型的自

8、動(dòng)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(wú)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(shí)際系統(tǒng)中被控對(duì)象一般都具有大慣性、大滯后、時(shí)變性、關(guān)聯(lián)性、不確定性和非線性的特點(diǎn)，這里的關(guān)聯(lián)性不僅包含過(guò)程對(duì)象中各物理參數(shù)之間的耦合交錯(cuò)，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(duì)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(duì)象的數(shù)學(xué)模型，即按照建模控制優(yōu)化進(jìn)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(zhǎng)足的長(zhǎng)進(jìn)，但仍有許多過(guò)程和對(duì)象的機(jī)理不清楚，動(dòng)態(tài)特性難以掌握，使我們不得不對(duì)被控對(duì)象進(jìn)行簡(jiǎn)化或近似，將一個(gè)理論上極為先進(jìn)的控制策略應(yīng)用在這樣的模型上，控制效果自然會(huì)大打折扣，因此，用傳統(tǒng)的控制手段進(jìn)一步提高控制對(duì)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(lèi)工業(yè)控制中存在著工業(yè)過(guò)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(duì)被控對(duì)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(mén)獨(dú)立的學(xué)科，它是人工智能、運(yùn)籌學(xué)和自動(dòng)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(wèn)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(lèi)：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(shí)的智能控制，由關(guān)于控制領(lǐng)域的知識(shí)庫(kù)和體現(xiàn)該知識(shí)決策的推理機(jī)構(gòu)構(gòu)成主體框架，通過(guò)對(duì)控制領(lǐng)域知識(shí)(先驗(yàn)經(jīng)驗(yàn)、動(dòng)態(tài)信息、目標(biāo)等的獲取與組織，按照某種策略及時(shí)地選用恰當(dāng)?shù)囊?guī)則進(jìn)行推理輸出，進(jìn)而對(duì)控制隊(duì)象實(shí)施控制，或修改補(bǔ)充知識(shí)條目。其主要優(yōu)點(diǎn)是層次結(jié)構(gòu)、控制方法和知識(shí)表達(dá)上的靈活性較強(qiáng)，既可以符號(hào)推理，又允許模糊描述演繹。但靈活性同時(shí)帶來(lái)了設(shè)計(jì)上的隨意性和不規(guī)范性，而且控制知識(shí)的獲取、表達(dá)和學(xué)

11、習(xí)，以及推理的有效性也是難點(diǎn)。分層遞階智能控制模擬人腦的分層結(jié)構(gòu)，由執(zhí)行級(jí)、協(xié)調(diào)級(jí)和組織級(jí)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(jí)的模糊指令和符號(hào)語(yǔ)言。其特點(diǎn)是自下而上智能遞增而精度遞減，即執(zhí)行級(jí)用于高精度局部控制，協(xié)調(diào)級(jí)用于知識(shí)和實(shí)際輸出調(diào)整執(zhí)行級(jí)中的控制參數(shù)，而組織級(jí)進(jìn)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(jī)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(jìn)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(gè)重要分支，自從 1974 年英國(guó)的Mamdani第一次將模糊邏輯和模糊推理用于鍋爐和蒸汽機(jī)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(diǎn)，通過(guò)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(jìn)行控制。模糊控制在實(shí)踐應(yīng)用中，具有許多傳統(tǒng)控制無(wú)法比擬的優(yōu)點(diǎn)：1.使用語(yǔ)言規(guī)則，不需要掌握過(guò)程的精確數(shù)學(xué)模型。因?yàn)閷?duì)于復(fù)雜的生產(chǎn)過(guò)程很難得到過(guò)程的精確數(shù)學(xué)模型，而語(yǔ)言方法卻是一種很方便的近似。2.對(duì)于具有一定操作經(jīng)驗(yàn)，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(guò)人的自然語(yǔ)言進(jìn)行人機(jī)界面聯(lián)系，這些模糊條件語(yǔ)言很容易加入到過(guò)程的控制環(huán)節(jié)。4.采用模糊控制，過(guò)程的動(dòng)態(tài)響應(yīng)品質(zhì)優(yōu)于常規(guī)的 PID 控制，并對(duì)過(guò)程參數(shù)的變化具有很強(qiáng)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(lái)的7。它本身是一種控制策略的工具支持，各神經(jīng)元并沒(méi)有顯在的物理意義。神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)是具有學(xué)習(xí)能力、并行計(jì)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(lái)解決眾多非線性、強(qiáng)耦合和不確定性系統(tǒng)的建模、辨識(shí)和控制問(wèn)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(dú)特的非傳統(tǒng)表達(dá)方式和固

14、定的學(xué)習(xí)能力實(shí)現(xiàn)系統(tǒng)輸入輸出的映射，并在短時(shí)間內(nèi)得到迅速發(fā)展。尤其在傳統(tǒng)建模方法難以對(duì)非線性系統(tǒng)的建模有所突破的形勢(shì)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(cè)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(diǎn)智能控制是一類(lèi)無(wú)需人的干預(yù)就能夠針對(duì)控制對(duì)象的狀態(tài)自動(dòng)地調(diào)節(jié)控制規(guī)律以實(shí)現(xiàn)控制目標(biāo)的控制策略。它避開(kāi)了建立精確的數(shù)學(xué)模型和用常規(guī)控制理論進(jìn)行定量計(jì)算與分析的困難性。它實(shí)質(zhì)上是一種無(wú)模型控制方案，即在不需要知道被控對(duì)象精確數(shù)學(xué)模型的情況下，通過(guò)自身的調(diào)節(jié)作用，使實(shí)際響應(yīng)曲線逼近理想響應(yīng)曲線。一般來(lái)講，智

15、能控制具有以下一些特點(diǎn)：1.學(xué)習(xí)能力 智能控制可以對(duì)一個(gè)過(guò)程或其環(huán)境的未知特性所固有的信息進(jìn)行學(xué)習(xí)，并將得到的經(jīng)驗(yàn)用于進(jìn)一步估計(jì)、分類(lèi)、決策或控制，這有利于對(duì)未知對(duì)象進(jìn)行認(rèn)知和辨識(shí)并進(jìn)一步改善控制系統(tǒng)的控制性能。2.組織綜合能力 對(duì)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(jìn)行過(guò)程中表現(xiàn)出類(lèi)似于人的主動(dòng)性和靈活性。3.適應(yīng)能力 由于智能控制不依賴于對(duì)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(shí)系統(tǒng)從未有過(guò)的例子，系統(tǒng)通過(guò)插補(bǔ)、歸類(lèi)等方法，也能給出適當(dāng)?shù)妮敵觥Ｈ绻到y(tǒng)中某部分出現(xiàn)故障，仍能正常工作，并給出警告信號(hào)，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(shí)、特征記憶和擬人等特點(diǎn)，故在整個(gè)控制過(guò)程中，計(jì)算機(jī)能夠在線獲得信息、實(shí)時(shí)處理并給出控制決策，通過(guò)不斷優(yōu)化參數(shù)和尋找控制器最佳結(jié)構(gòu)形式，來(lái)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(guò)程控制局限性問(wèn)題和提高控制質(zhì)量的一個(gè)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(wèn)題，影響被控對(duì)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(jì)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?jī)?nèi)容本課題的具體研究?jī)?nèi)容如下：1.結(jié)合電鍋爐水溫上升過(guò)程的特點(diǎn)，對(duì)被控對(duì)象進(jìn)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(guò)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(duì)控制算法的實(shí)現(xiàn)、控制器的設(shè)計(jì)和參數(shù)調(diào)整進(jìn)行深入研究。2.運(yùn)用 MATLAB 軟件的 Simulink 開(kāi)發(fā)環(huán)境和模糊邏輯工具箱對(duì)上述幾種方法進(jìn)行建模仿真，并對(duì)控制性能指標(biāo)進(jìn)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(duì)象及其原有控制方案2.1.1 被控對(duì)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(guó)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(jī)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(duì)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(shí)，水的飽和溫度為 144 ，最高水溫 95使鍋爐遠(yuǎn)離了工作壓力下的飽和溫度及加熱元件表面的過(guò)度沸騰難以控制的現(xiàn)象，同時(shí)，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(guò)散熱片向供熱區(qū)釋放熱量。可見(jiàn)供熱區(qū)的溫度是控制參數(shù)，操作量是電鍋爐內(nèi)的熱水。通過(guò)調(diào)節(jié)閥的開(kāi)度，保證供熱區(qū)的等溫特性；通過(guò)水位的判別調(diào)節(jié)補(bǔ)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(diǎn)，對(duì)它的溫度進(jìn)行控制，達(dá)到調(diào)節(jié)時(shí)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(guò)程，控制對(duì)象各種各樣，理論分析和試驗(yàn)結(jié)果表明：電加熱裝置是一個(gè)具有自平衡能力的對(duì)象，可用二階系統(tǒng)純滯后環(huán)節(jié)來(lái)描述，而二階系統(tǒng)，通過(guò)參數(shù)辨識(shí)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(lái)描述溫控對(duì)象的數(shù)學(xué)模型。采用飛升曲線測(cè)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(duì)象的靜態(tài)增益；T對(duì)象的時(shí)間常數(shù)； 對(duì)象的純滯后時(shí)間。對(duì)象中的特性參數(shù)對(duì)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(guò)程無(wú)關(guān)，其值表示輸入對(duì)輸出穩(wěn)態(tài)值的影響程度。K 值越大，表示被控對(duì)象的自平衡力?。籏 值小，對(duì)象自平衡能力大2.時(shí)間常數(shù) T 時(shí)間常數(shù) T 的大小反映了對(duì)象受到階躍干擾后，被控量達(dá)到新的穩(wěn)定值的快慢程度，即時(shí)間常數(shù) T 是表示對(duì)象慣性大小的物理量。2.1.2 原有控制方案目前國(guó)內(nèi)電熱鍋爐控制大都采用的是開(kāi)關(guān)式控制，甚至是人工控制方法。1.開(kāi)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(gè)控制上限，

21、一控制下限。當(dāng)溫度不在此范圍內(nèi)時(shí)，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(guò)工作人員的操作經(jīng)驗(yàn)，簡(jiǎn)單的對(duì)鍋爐進(jìn)行操作。因此，很難提高系統(tǒng)的控制精度和實(shí)現(xiàn)低成本運(yùn)行。針對(duì)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(shí)現(xiàn)低成本運(yùn)行，必須尋找一種新的解決方案。2.2 控制策略研究通過(guò)對(duì)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(duì)工業(yè)生產(chǎn)過(guò)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(jiǎn)單，可靠性強(qiáng)，容易實(shí)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(gè)可采用方案是模糊控制，由于

22、它是以先驗(yàn)知識(shí)和專家經(jīng)驗(yàn)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(guò)程，因此無(wú)須知道被控對(duì)象的數(shù)學(xué)模型就可以實(shí)現(xiàn)較好的控制，且響應(yīng)時(shí)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(lái)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(lái)，許多先進(jìn)的控制方法不斷的推出，但由于PID 控制具有結(jié)構(gòu)簡(jiǎn)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(dú)立環(huán)節(jié)，可根據(jù)工業(yè)過(guò)程進(jìn)行組合，而且其應(yīng)用時(shí)期較長(zhǎng)，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(yàn)。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(dòng)式、氣動(dòng)式、電動(dòng)式幾個(gè)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P(yáng)ID 控制在生產(chǎn)過(guò)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(shí)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(guò)線性組合構(gòu)成控制量，對(duì)被控對(duì)象進(jìn)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(duì)象輸出值的差，即偏差信號(hào)；Ke(t 比例控制項(xiàng)，K為比例系數(shù)；積分控制項(xiàng)，T為積分時(shí)間常數(shù)T微分控制項(xiàng)，T 為微分時(shí)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(shí)成比例地反映控制系統(tǒng)的偏差信號(hào) 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(shí)動(dòng)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(shí)，則此時(shí)控制輸出量和控制偏差量都將保持在某一個(gè)常值上。積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù)T，時(shí)間常數(shù)越大積分作用越弱，反之越強(qiáng)。隨著積分時(shí)間常數(shù)T的減小，靜差在減小；但過(guò)小的積分常數(shù)會(huì)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(dòng)態(tài)響應(yīng)速度，它可以預(yù)測(cè)將來(lái)，能反映偏差信號(hào)的變化趨勢(shì)，并能在偏差信號(hào)值變太大之前，在系統(tǒng)引入一個(gè)有效的早期修正信號(hào)，從而加速系統(tǒng)的動(dòng)態(tài)速度，減小調(diào)節(jié)時(shí)間。2.3.3 PID控制算法在計(jì)算機(jī)直接數(shù)字控制系統(tǒng)中，PID 控制器是通過(guò)計(jì)算機(jī)PID控制算法程序?qū)崿F(xiàn)的。進(jìn)入計(jì)算機(jī)的連續(xù)

26、時(shí)間信號(hào)，必須經(jīng)過(guò)采樣和量化后，變成數(shù)字量，才能進(jìn)入計(jì)算機(jī)的存儲(chǔ)器和寄存器，而在數(shù)字計(jì)算機(jī)中的計(jì)算和處理，不論是積分還是微分，只能用數(shù)值計(jì)算去逼近。PID 控制規(guī)律在計(jì)算機(jī)中的實(shí)現(xiàn)，也是用數(shù)值逼近的方法。當(dāng)采樣周期 T足夠短時(shí)，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(shí)間 PID 算法的差分方程，為書(shū)寫(xiě)方便，將 e(kT簡(jiǎn)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(hào)，k= 0,1,2,；u(k第 k 次

27、采樣時(shí)刻的計(jì)算機(jī)輸出值；e(k第 k 次采樣時(shí)刻輸入的偏差值；e(k-1第 (k-1 次采樣時(shí)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(jì)算得到的控制量輸出增量?？梢钥闯觯捎谝话阌?jì)算機(jī)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(cè)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(guò)程具有大時(shí)滯的控制對(duì)象為例,其被控對(duì)象的傳遞函數(shù)1為G1 :G1=當(dāng)運(yùn)行一段時(shí)間后,由于

28、系統(tǒng)參數(shù)發(fā)生改變等原因,被控對(duì)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(lái)控制被控對(duì)象G1 ,并用MATLAB 的SIMUL IN K進(jìn)行仿真,設(shè)計(jì)的框圖如圖1 ,然后通過(guò)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(hào), KP = 0.2 , KI =0.12 , KD = 0.15 ,采樣時(shí)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(dòng)態(tài)響應(yīng)曲線很好,超調(diào)較小,上升時(shí)間短,響應(yīng)速度較快,系統(tǒng)能很快到達(dá)穩(wěn)態(tài),且無(wú)穩(wěn)態(tài)誤差,說(shuō)明我們所整定的PID 參數(shù)符合被控要求。當(dāng)系統(tǒng)運(yùn)行一段時(shí)間后,被控對(duì)象變?yōu)镚2 ,如圖3我們依然使用第一步所

29、整定出來(lái)的PID 參數(shù)進(jìn)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(duì)象變?yōu)镚2 后,在原有整定的PID 參數(shù)下,系統(tǒng)的動(dòng)態(tài)響應(yīng)曲線明顯變差,這說(shuō)明常規(guī)PID 控制針對(duì)固定不變的被控系統(tǒng)時(shí)效果很好,但一旦被控對(duì)象出現(xiàn)變化,則原有的PID 參數(shù)就不能滿足系統(tǒng)的動(dòng)態(tài)響應(yīng)要求,這時(shí)我們就必須重新調(diào)節(jié)PID 參數(shù),而這在實(shí)際控制過(guò)程中是不現(xiàn)實(shí)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(gè)重要方面，是以模糊集合化、模糊語(yǔ)言變量和模糊邏輯推理為基礎(chǔ)的一種計(jì)算機(jī)數(shù)字控制，從線性控制到非線性控制的角度分類(lèi)，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(lèi)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(lái)進(jìn)行邏輯推理,用直覺(jué)經(jīng)驗(yàn)和啟發(fā)式思維進(jìn)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(lái)表示傳遞函數(shù)或狀態(tài)方程，而是利用具有模糊性的語(yǔ)言控制規(guī)則來(lái)描述控制過(guò)程?？刂埔?guī)則通常是根據(jù)專家的經(jīng)驗(yàn)得出的，所以模糊控制的基本思想就是利用計(jì)算機(jī)實(shí)現(xiàn)人的控制經(jīng)驗(yàn)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(jì)算機(jī)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(gè)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(duì)象、執(zhí)行機(jī)構(gòu)、過(guò)程輸入輸出通道、檢測(cè)裝置、模糊控制器等幾部分組成。被控對(duì)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(guò)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(kāi)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(duì)象的精確數(shù)學(xué)模型，易于對(duì)不確定性系統(tǒng)進(jìn)行控制。模糊控制器抗干擾能力

32、強(qiáng)，響應(yīng)速度快，并對(duì)系統(tǒng)參數(shù)的變化有較強(qiáng)的魯棒性。在實(shí)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(lái)直接實(shí)現(xiàn)模糊控制算法，這種模糊控制器的特點(diǎn)是推理速度快，控制精度高，但價(jià)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(shí)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(jī)來(lái)組成硬件系統(tǒng)。而在軟件上用模糊控制算法取代原來(lái)數(shù)字控制器的數(shù)字控制算法，這樣就把原來(lái)的數(shù)字控制器改成了模糊控制器，組成了一個(gè)單片機(jī)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(yǔ)句來(lái)描述，是一種語(yǔ)言型控制器，因此有時(shí)又被稱為模糊語(yǔ)言控制器。模糊控制器的機(jī)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(duì)象的輸入，y(t是被控對(duì)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(hào)產(chǎn)生合適的控制作用，輸出給被控對(duì)象。模糊控制器主要由模糊化接口、知識(shí)庫(kù)、模糊推理機(jī)、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(hào)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(xiàng)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(shí)際域上的一個(gè)真實(shí)論域，分別用X和Y來(lái)代表。在模糊控制器中，真實(shí)論域要變換到內(nèi)部論域X和Y，無(wú)論是對(duì)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(gè)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(gè)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(gè)模糊集合的隸屬度函數(shù)。在 t 時(shí)刻輸入信號(hào)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(duì)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(yǔ)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(shí)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(shí)庫(kù) 顧名思義，知識(shí)庫(kù)中存儲(chǔ)著有關(guān)模糊控制器的一切知識(shí)，它們決定著模糊控制器的性能。是模糊控制器的核心。知識(shí)庫(kù)又分為兩部分，分別介紹如下:1 數(shù)據(jù)庫(kù)：它與計(jì)算機(jī)軟件中的數(shù)據(jù)庫(kù)不同，它存儲(chǔ)

36、著有關(guān)模糊化、模糊推理、解模糊的一切知識(shí)，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(kù)：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(yǔ)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(yǔ)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(gè)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(xiě)成模糊關(guān)系矩陣R，i=1,2,n。規(guī)則庫(kù)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(gè)規(guī)則集的模糊關(guān)系為R=3.模糊推理機(jī) 推理機(jī)有每個(gè)采樣時(shí)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(yǔ)句可以導(dǎo)出一個(gè)輸入輸出空間上的模糊關(guān)系，推理機(jī)按著模糊推理的合成規(guī)則進(jìn)行運(yùn)算從，而求得控制作用，推理機(jī)制為在 t 時(shí)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(duì)應(yīng)矢量 A，EC 在對(duì)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(guò)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(xiàng)工作:解模糊：對(duì)ut 也要有真實(shí)論域 Z 變換到內(nèi)部論域 Z ，對(duì) U Z 定義若干個(gè)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(jìn)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(duì) U 的某個(gè)模糊集合的隸屬度。對(duì)于某組輸入 E 和 EC，一般會(huì)同時(shí)滿足多條規(guī)則,因此會(huì)有多個(gè)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(shí)的內(nèi)部控制量u。 論域反

39、變換：得到的 U Z，進(jìn)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(shí)現(xiàn)模糊控制算法的實(shí)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(shí)現(xiàn)方法不同21 。1.查表法 適用于輸入、輸出論域?yàn)殡x散有限論域的情況。查表法是輸入論域上的點(diǎn)到輸出論域的對(duì)應(yīng)關(guān)系，它已經(jīng)是經(jīng)過(guò)了模糊化、模糊推理和解模糊的過(guò)程，它可以離線計(jì)算得到，模糊控制器在線運(yùn)行時(shí)，進(jìn)行查表就可以了，因而可以大大加快在線運(yùn)行的速度。這一過(guò)程可以用圖3-5表示。本論文模糊控制器的設(shè)計(jì)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(gè)數(shù)量級(jí)。目前已經(jīng)采用的硬件實(shí)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(diǎn)電機(jī)公司的 FOC2001A，日新電機(jī)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(jià)格問(wèn)題，目前模糊芯片的價(jià)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(shí)現(xiàn)輸入模糊化、模糊推理算法以及輸出解模糊等模糊過(guò)程，尤其是模糊推理過(guò)程，它不同于查表法，可以把模糊推理過(guò)程離線完成，而是在線運(yùn)行時(shí)每一個(gè)采樣周期都要進(jìn)

41、行模糊推理。因此這種方法靈活性強(qiáng)，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(fèi)一定的時(shí)間，因而要求計(jì)算機(jī)有較高的運(yùn)行速度。目前有用軟件實(shí)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(jìn)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(diǎn)主要是因?yàn)槟：刂破鞅旧硐€(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?？刂撇呗陨蠟椋诖笃罘秶鷥?nèi)，即偏差e在某個(gè)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(shí)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(jī)程序根據(jù)事先給定的偏差范圍自動(dòng)實(shí)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(dòng)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(jī)的環(huán)境中能對(duì)控制器進(jìn)行自動(dòng)校正，使得在被動(dòng)對(duì)象特性變化或擾動(dòng)情況下，控制系統(tǒng)保持較好的性能23。對(duì)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(guò)大，將使體統(tǒng)產(chǎn)生較大的超調(diào)，使調(diào)節(jié)時(shí)間增長(zhǎng)，嚴(yán)重時(shí)會(huì)產(chǎn)生振蕩乃至系統(tǒng)不穩(wěn)定。但k1 過(guò)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(duì)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(guò)大，會(huì)使系統(tǒng)輸出上升速率過(guò)小，使系統(tǒng)的過(guò)渡過(guò)程時(shí)間變長(zhǎng)。k過(guò)小，系統(tǒng)輸出上升速率增大，導(dǎo)致系統(tǒng)產(chǎn)生過(guò)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(guò)小，則系統(tǒng)反應(yīng)緩慢，使調(diào)節(jié)時(shí)間加長(zhǎng)。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(guò)程中自動(dòng)地對(duì)模糊控制規(guī)則進(jìn)行修改、改進(jìn)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(gè)環(huán)節(jié)：性能量測(cè)、控制量校正和控制規(guī)則修正。性能量測(cè)環(huán)節(jié)用于測(cè)量實(shí)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(shí)現(xiàn)了對(duì)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(jìn)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(wú)能為力時(shí)提供一種基于規(guī)則的控制方法，而且簡(jiǎn)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(guò)于簡(jiǎn)單，規(guī)則庫(kù)一般只允許一種格式的規(guī)則，規(guī)則語(yǔ)言還不足以控制復(fù)雜過(guò)程所需要的啟發(fā)式知識(shí)。專家系統(tǒng)方法重視知識(shí)的多層次及分類(lèi)的需要，以及用這些知識(shí)進(jìn)行推理的計(jì)算機(jī)組織。專家模糊控制保持了基于規(guī)則的方法的價(jià)值和用模糊集處理帶來(lái)的靈活性，同時(shí)把專家系統(tǒng)技術(shù)的表達(dá)、利用知識(shí)的長(zhǎng)處結(jié)合進(jìn)來(lái)。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(jiǎn)稱，它是由許多神經(jīng)元作為節(jié)點(diǎn)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(dá)到的系統(tǒng)的性能。神經(jīng)模糊控制方法是指用一個(gè)神經(jīng)網(wǎng)絡(luò)實(shí)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(lèi)，一類(lèi)是神經(jīng)網(wǎng)絡(luò)實(shí)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(shí)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(méi)有達(dá)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(diǎn)，可以考慮用它對(duì)系統(tǒng)進(jìn)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(gè)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(gè)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(guò)程的動(dòng)態(tài)性品質(zhì)。因此得不到滿意的系統(tǒng)動(dòng)態(tài)性能效果，這種一維模糊控制器通常用于簡(jiǎn)單的被控對(duì)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(gè)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(guò)程中輸出變量的動(dòng)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(gè)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(lèi)模糊控制器結(jié)構(gòu)比較復(fù)雜，推理運(yùn)算時(shí)間長(zhǎng)，因此除非對(duì)動(dòng)態(tài)特性要求特別高的場(chǎng)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(gè)獨(dú)立的輸入變量和一個(gè)或多個(gè)輸出變量。多變量模糊控制器的變量個(gè)數(shù)多，且各個(gè)變量之間存在著較強(qiáng)的耦合，因此要直接設(shè)計(jì)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(guò)模糊關(guān)系方程分解，在控制器結(jié)構(gòu)上實(shí)現(xiàn)解耦，便可以將一個(gè)多輸入多輸出 (MIMO 模糊控制器，分解成若干個(gè)多輸入單輸出 (MISO 模糊控制器，這樣就實(shí)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(diǎn)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(jì)溫度是生產(chǎn)過(guò)程和科學(xué)實(shí)驗(yàn)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(diǎn)的基礎(chǔ)上，提出

50、用一階慣性滯后環(huán)節(jié)來(lái)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(diǎn)，介紹了兩種控制器的設(shè)計(jì)及控制算法的實(shí)現(xiàn)。第四章 模糊PID溫度控制系統(tǒng)設(shè)計(jì)仿真是對(duì)實(shí)際過(guò)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(jì)算機(jī)為工具對(duì)系統(tǒng)進(jìn)行實(shí)驗(yàn)研究的一種方法。系統(tǒng)仿真根據(jù)真實(shí)系統(tǒng)的數(shù)學(xué)模型建立仿真模型，對(duì)系統(tǒng)環(huán)境加以模擬，在計(jì)算機(jī)上進(jìn)行分析、計(jì)算、研究獲得真實(shí)的定量關(guān)系。本章通過(guò)對(duì)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(jìn)行分析比較，從中找出一個(gè)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(guò)程包括兩個(gè)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(cè)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(jiàn)的確定性系統(tǒng)，采用飛升曲線測(cè)量方法1，測(cè)出鍋爐溫控制系統(tǒng)的飛升曲線，即可得到控制對(duì)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(diǎn)，交穩(wěn)態(tài)值的漸近線于A點(diǎn)，A點(diǎn)在t軸的投影為C點(diǎn)，則OB為過(guò)程量滯后時(shí)間，BC為過(guò)程的時(shí)間常數(shù)T，此處分別為 122 s 和 120 s 。這里要說(shuō)明的是：在測(cè)試飛升曲線時(shí)，一般階躍信號(hào)不從零開(kāi)始，否則會(huì)使系統(tǒng)造成很大的非線性，影響被測(cè)對(duì)象的正常工作。一般作法是給調(diào)節(jié)對(duì)象

52、輸入到使被控對(duì)象開(kāi)環(huán)穩(wěn)定運(yùn)行于實(shí)際工況附近，并以此輸出值作為縱坐標(biāo)的原點(diǎn) (0 值 ，然后在加一階躍輸入信號(hào)，使被控對(duì)象輸出隨之發(fā)生變化，最后穩(wěn)定在一個(gè)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(jìn)行科學(xué)研究的重要方法，通過(guò)仿真來(lái)分析各種控制策略和方案對(duì)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(jìn)行模糊系統(tǒng)的仿真設(shè)計(jì)，國(guó)內(nèi)外的學(xué)者都開(kāi)發(fā)了一些工具，其中一個(gè)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(jì)算機(jī)環(huán)境下的函數(shù)集成體，是一個(gè)不針對(duì)具體硬件平臺(tái)的控制設(shè)計(jì)工具，它可以用完全圖形界面的

53、工作方式設(shè)計(jì)整個(gè)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(gè)模糊控制器之后，可以利用 MATLAB 本身的Simulink仿真平臺(tái)來(lái)構(gòu)建整個(gè)模糊控制系統(tǒng)并進(jìn)行仿真研究。它的優(yōu)勢(shì)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(lái)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(duì)這樣的系統(tǒng)進(jìn)行仿真、分析。4.2.1 MATLAB 簡(jiǎn)介MATLAB (MATrix LABoratory，即矩陣實(shí)驗(yàn)室是Cleve

54、Moler博士在NewMexico大學(xué)講授線性代數(shù)時(shí)，發(fā)現(xiàn)用高級(jí)語(yǔ)言編程極為不便而構(gòu)思開(kāi)發(fā)的27。它是集命令翻譯、科學(xué)計(jì)算于一身的一套交互式軟件系統(tǒng)。系統(tǒng)經(jīng)過(guò)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(gè)名為 MathWorks 的軟件開(kāi)發(fā)公司，專門(mén)擴(kuò)展并改進(jìn) MATLAB，推出了該軟件的正式版本。除原有的數(shù)值計(jì)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(tái)的 MATLAB 4.0。MATLAB 4.x 版在繼承和發(fā)展其原有數(shù)值計(jì)算和圖形處理能力的同時(shí)，還推出了符號(hào)計(jì)算工具包、Notebook 和一個(gè)交互式操作的動(dòng)態(tài)系統(tǒng)建

55、模、仿真、分析集成環(huán)境 Simulink。4.2.2 Simulink 開(kāi)發(fā)環(huán)境和模糊邏輯工具箱Simulink 是一個(gè)用來(lái)對(duì)動(dòng)態(tài)系統(tǒng)進(jìn)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(hào)模塊以及子系統(tǒng)模塊外，還包括各個(gè)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(jìn)行仿真，通過(guò)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(jì)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(jì)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(duì)應(yīng)語(yǔ)言變量的模糊集合。模糊化設(shè)計(jì)包含兩部分內(nèi)容，一個(gè)是模糊劃分設(shè)計(jì)，解決的是語(yǔ)言變量論域中取模糊量個(gè)數(shù)的問(wèn)題。一個(gè)是模糊量隸屬函數(shù)設(shè)計(jì)，解決的是模糊量的隸屬函數(shù)形狀問(wèn)題。3.模糊推理算法的設(shè)計(jì)，即根據(jù)模糊控制規(guī)則進(jìn)行模糊推理，包括對(duì)多個(gè)輸入用模糊算子進(jìn)行處理的過(guò)程。4.模糊合成算法的設(shè)計(jì)，就是對(duì)所有模糊規(guī)則輸出的模糊集合進(jìn)行綜合的過(guò)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(jì)，它的輸入是模糊集合，輸出是一個(gè)數(shù)值。由于經(jīng)過(guò)模糊推理后得到

57、的是輸出變量的一個(gè)范圍上的隸屬度函數(shù)，因此必須進(jìn)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(duì)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(duì)應(yīng)的輸出值多于一個(gè)時(shí)，簡(jiǎn)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(huì)丟失許多信息，但它的突出優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，所以在一些控制要求不高的場(chǎng)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(duì)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(