温度控制理论发展概况.docVIP

温度控制理论发展概况 　　摘要：文章回顾了温度控制理论的发展，包括近年来快速发展的PID温控、模糊控制以及神经网络和遗传算法在温控系统中的应用。 　　关键词：温度控制；PID控制；模糊控制；神经网络；遗传算法 　　 　　一、前言 　　 　　在科学研究和生产实践的诸多领域中，温度控制占有着极为重要的地位，特别是在冶金、化工、建材、食品、机械、石油等工业中，具有举足轻重的作用。本文就最近几年快速发展的PID温控、模糊控制、神经网络及遗传算法在温度控制中的应用进行综述。 　　 　　二、PID控制 　　 　　PID控制即比例、积分、微分控制。工作原理如图1所示： 　　 　　PID算法根据比例、积分、微分系数计算出合适的输出控制参数，利用修改控制变量误差的方法实现闭环控制，使控制过程连续，是很普通的调节方法。其缺点是现场PID参数整定麻烦，容易受到外界干扰，对于滞后大的过程控制，调节时间过长。其控制算法需要预先建立模型，对系统动态特性的影响很难归并到模型中，被控对象模型参数难以确定，外界干扰会使控制脱离最佳状态。 　　三、神经网络控制 　　人工神经网络是当前主要的，也是重要的一种人工智能技术，是一种采用数理模型方法模拟生物神经细胞结构及对信息的记忆和处理而构成的信息处理方法。它用大量简单的处理单元广泛连接形成各种复杂网络，拓扑结构算法各异，其中误差反向传播算法（BP算法）应用最为广泛。 　　 　　四、模糊控制 　　 　　模糊逻辑是人工智能的重要组成部分，自从1965年美国控制理论专家L.A.Zadeh提出了用“Fuzzy Sets”（模糊集合）描述Fuzzy（模糊）事物以来，Fuzzy技术获得了广泛的应用。 　　模糊控制是基于模糊逻辑的描述一个过程的控制算法，主要嵌入操作人员的经验和直觉知识。它适用于控制不易取得精确数学模型和数学模型不确定或经常变化的对象。仅依赖于操作人员的经验和直观判断，非常容易应用。 　　 　　五、模糊控制与PID结合（Fuzzy-PID） 　　 　　Fuzzy-PID复合控制是用模糊技术与常规PID控制算法相结合的控制方法，当温度偏差较大时采用Fuzzy控制，响应速度快，动???性能好；当温度偏差较小时采用PID控制，使其静态性能好，满足系统控制精度。因此Fuzzy-PID复合控制，比单一的模糊控制器或单一的PID调节器有更好的控制性能。其工作原理如图2所示： 　　 　　六、基于模糊控制理论的PID参数整定 　　 　　基于模糊控制理论的PID参数整定，是将模糊控制与PID结合，使其具备两者的优点。即用过程的运行状态（温度偏差及温度变化率）确定PID控制器参数，用PID控制率确定控制作用。主要问题是合理获得PID参数的模糊校正规则。其实质是一种以模糊规则调节PID参数的自适应控制，即在一般PID控制系统基础上，加上一个模糊控制规则环节。 　　 　　七、自调整因子模糊控制 　　 　　在通常情况下，模糊控制一旦设计完成，其语言规则和合成推理往往是固定的，也是不可调整的，因此常规模糊控制器存在较大的局限性，可采用带自调整因子的模糊控制。本文根据系统运行状态调整系数α，达到修改控制规则的目的，使系统在随机环境中能对控制器进行自动校正，使得被控对象特性变化或扰动情况下控制系统保持较好的性能。因此，这种方法具有自适应性。 　　《温度控制仪表的模糊PID控制》采用模糊自适应PID设计方法，根据人们要求的温度曲线，由计算机系统进行监控，根据模糊推理判断，实现对任何一种模型参数的系统都能自动调节其PID参数，使输出与温度曲线趋于一致，实现快速响应特性与超调量最优的统一。 　　 　　八、专家模糊控制 　　 　　专家模糊控制是专家系统技术与模糊控制相结合的产物，它保持了基于规则方法的价值和用模糊集处理带来的灵活性，同时结合了专家系统技术的表达与利用知识的长处。因此，这种控制进一步提高了模糊控制器的智能水平。 　　 　　九、模糊控制与神经网络结合 　　 　　温控系统由于被控过程常常具有严重的非线性时变性以及种类繁多的干扰，基于精确数学模型的传统控制方案很难获得满意的动静态控制效果。近些年来模糊逻辑控制取得了巨大成功。但是，模糊控制所基于的专家经验不易获得，一成不变的控制规则也很难适应被控制系统的非线性、时变性等问题，控制效果受到严重影响。因此，模糊控制应该向着自适应方向发展，使模糊控制规则隶属函数模糊量化在控制过程自动地调整和完善。 　　神经模糊控制是基于神经网络的模糊控制方法。这种控制利用了模糊逻辑，具有较强的结构性知识表达能力（描述系统定性知识的能力），以及神经网络的强大的学习能力与定量数据的直接处理能力。 　　 　　十、神经网络PID控制