模糊控制理论.doc

引言 温度控制在工农业生产、国防、科研以及日常生活等领域占有重要的地位，是工农业生产及生活中较为常见和基本的工艺参数之一。在很多生产过程中，温度的测量和控制都直接和安全生产、提高生产效率、保证产品质量、节约能源等重大技术经济指标相联系。因此，温度的测量在国民经济各个领域中均受到了相当程度的重视。利用计算机进行温度控制来实现实时调节、数字显示、信息存储，对于提高生产效率和产品质量，节约能源等有着积极的意义。另外随着社会的进步和人民生活水平的不断提高，像任何其他控制系统一样，对温度控制系统的要求也越来越高。自动控制系统的被控对象越来越复杂，不仅表现在控制系统具有多输入的参数时变性和严重的非线性，更突出的是从系统对象所能获得的知识信息量相对减少，以及与此相反地对控制性能要求的日益提高。在多变量非线性时变的系统中，系统的复杂性与人们要求的精确性之间会形成尖锐的矛盾。因此，要想精确描述复杂对象与系统的任何物理现象和运动状态，关键是如何使精确与简明取得平衡，而使问题的描述具有实际意义。近年来，温度的检测在理论上发展比较成熟，但在实际测量和控制中，如何保证快速实时地进行采样，确保数据的正确传输，并能对所测温场进行较精确的控制，仍然是目前需要解决的问题。 温度控制方法 近几年快速发展的PID 温控、神经网络、遗传算法及模糊控制在温度控制中得到了广泛的应用。 1.1.1 PID 温控 PID控制是在连续生产过程控制中，将偏差的比例(Proportional)、积(Integral)、微分(Derivative)通过线形组合构成控制量，对控制对象进行控制，PID控制即比例、积分、微分控制。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。PID控制是最早发展起来的控制策略之一，由于其算法简单、易于实现和可靠性高，被广泛应用于工业过程控制，尤其适用于可建立精确数学模型的确定性控制系统。但实际工业生产过程中现场PID 参数整定麻烦，易受外界干扰，对于滞后大的过程控制，调节时间过长，由于受到参数整定方法烦杂的困扰，常规PID控制参数往往整定不良、性能欠佳，对运行工况的适应性较差。 1.1.2 神经网络 人工神经网络（Artificial Neural Network，简写为ANN1988 年哈尔滨工业大学在酒精厂10T/H 工业燃料煤链条路上实现鼓风量-蒸汽压力Fuzzy-PI 双模控制。 1990 年模糊控制应用于电场过热汽温回路的自动控制。 1994 年模糊控制成功应用于镇海发电厂200MW 机组的主蒸汽压力及温度自控系统。 模糊控制理论的发展趋势 根据模糊控制的发展过程，可将其归纳为以下三个阶段。 1.3.1 基本模糊控制 基本模糊控制的核心是基本模糊控制器，它是一种最简单最基本地模糊控制器能够完成许多生产过程的控制。它适用于控制那些具有高度非线性，或参数随工作点的变动较大，或交叉耦合严重，或环境因素干扰强烈的被控过程，而不适用于精确数学模型和数学模型不确定或多变的一类被控过程。其优点可归纳为： （1）控制规则不受任何约束，可以是完全不解析的，便于同有实践经验的操作者一起讨论和修改，可定性地采纳好的控制思想。 （2）应用计算机实现模糊控制，便于采用自然语言对被控过程的运行施加影响。 （3）控制规则具有较大的通用性，通过较小的修改与组合就可以适应于多种不同的被控过程。 （4）对系统内部参数的变化具有较强的适应性。 1.3.2自调整、自组织、自适应模糊控制 在一些复杂的过程控制中，基本模糊控制器有时很难精确地确定、完整地总结出控制策略。为弥补这些不足，模糊控制器要向自调整、自组织、自适应和自学习的方向发展。其基本特点： 无须知道被控对象的数学模型，控制算法不固定，可以通过在线修改控制规则或改变某几个参数而产生变化。 能直接利用模糊控制规则。 模糊控制器的适应性不局限于某一对象，可以通过自组织适应不同的对象。 可以生产具有通用性、仪表化的模糊控制器。 1.3.3人工智能模糊控制 基本模糊控制器无法适应时变的大过程，自适应模糊控制器虽然能部分解决时变问题，但其适应性往往是有限的，往往允许调整的范围也不是很大。因此，寻找新的模糊控制方法真正实现智能控制，使系统具有非常高度的智能是大势所趋，势在必行。立足于高度智能化的模糊控制理论与应用研究将是今后一段时期的重点课题。近几年来，自动控制领域的专家学者和工程技术人员正在探索将神经网络技术与模糊控制相融合的方法，以求提高模糊逻辑推理的智能型。 模糊逻辑、专家系统、神经网络这些当代智能技术正在互相渗透、紧密集合，将是促进高度智能化模糊控制研究的关键。 1.4论文的总体结构 论文的总体结构如下：第一章主要介绍了课题研究背景、意义和