基于神经网络补偿的智能液晶人工气候培养箱模糊控制.doc

基于神经网络补偿的智能液晶人工气候培养箱模糊控制 摘要：智能液晶人工气候培养箱控制对象是一个非线性、强耦合和大滞后的系统，其控制非常困难，研究采用模糊控制对温度和湿度分别进行控制，并采用神经网络来学习和补偿温度和湿度之前的耦合作用。该方法无需对象的精确数学模型，适应性强。实验研究表明该控制方法响应速度快、超调小，控制精度高。 关键词：智能液晶人工气候培养箱；温湿度控制；神经网络；模糊控制；解耦 1引 言 智能液晶人工气候培养箱是一种模拟自然环境中与植物生长有关的温度、湿度和光照等因素，创造局部人工气候的实验设备。它能为用户提供一种理想的人工气候实验环境，可用于植物的发芽、育苗，组织细胞、微生物的培养，木材、纺织、建材和电子产品的性能和老化实验，化学药品的存放和实验等。还可用作昆虫、小动物的饲养，水体分析的BOD测定以及其他用途的人工气候实验。因此智能液晶人工气候培养箱已经在农业、生物、医疗、食品、材料、化工等行业得到了广泛应用。目前国内的研究和生产单位对智能液晶人工气候培养箱的需求量很大，但是由于智能液晶人工气候培养箱温湿度控制难度大，实际控制精度不够高，所以需要研究有效的控制策略和实验分析、设计，以此为基础，设计高精度的产品。 智能液晶人工气候培养箱是一种非线性耦合滞后系统，其控制的核心问题是箱体内的温度、湿度。然而，目前复杂非线性耦合及滞后系统完善有效控制策略的缺乏，导致这类系统的实时有效控制存在很大的困难，常规的控制方法通常很难达到要求。目前正在兴起和发展的人工智能研究，为复杂非线性系统的控制开辟了一条新路。但是，目前对于智能液晶人工气候培养箱温湿度的控制理论研究依然极为缺乏，虽然文章…提出了一种模糊控制的方法，但是没有给出具体的说明，因而难以为对广大科研工作者起到很好的指导和借鉴作用。 当前智能液晶人工气候培养箱的温湿度流行的控制方法还是PID控制，而且控制仪表通常都是采用独立、通用的温度控制仪表和湿度控制仪表，由于不同型号的气候箱，其控制对象变化比较大，这些通用的控制方法适应性比较差，而且温度和湿度的单独控制，没有考虑到它们的强耦合作用，控制的精度一般都无法令人满意。本文针对这个问题。提出了模糊控制和神经网络补偿解耦的方法来进行控制，既能提高控制精度，又可提高控制算法的鲁棒性和自适应能力。 2智能液晶人工气候培养箱温湿度控制对象模型 智能液晶人工气候培养箱的外观如下图1所示。其控制的核心问题是箱体内的温度、湿度。温度和湿度对象可近似为两阶微分的大滞后环节，但是各个方程的比例系数和滞后参数是参差不齐的。而且温度和湿度还不是独立无关的被控量：温度控制的执行器为加热器，加热时温度升高，箱体内空气相对湿度降低，同时加热将引起箱体内下部液态水蒸发，从而造成湿度增加；而制冷时，箱体内控制相对湿度增加，同时水份的凝结又会造成湿度降低；同样，增加湿度的控制时，新增加的高湿度的冷空气会影响内部的温度降低，而因湿度过高进行除湿时由于是通过制冷实现的，因此必然造成温度的降低。所以，温度和湿度的控制是相互耦合的。这样，温湿度的控制实质上就是一个大滞后、强耦合系统的控制问题。 结合经验，经过理论推导，可以得出智能液晶人工气候培养箱温湿度对象的数学模型为 (见图2)： 由于温度和湿度的耦合现象，智能液晶人工气候培养箱温度湿度模犁可以简单的轰示为(图3)． 由实际观察以及前面的分析可知，温度和湿度的控制是强耦合的。另一方面由于温湿度的耦合特性很难建立精确的数学模型，造成了其控制的不确定性，同时不同规格的箱体温度和湿度的耦合程度不一样的，箱体容积不一样，其模型参数也不一样，所以其模型具有很大的不确定性，给其控制造成了更大的困难。 另外有时候气候箱要求温湿度多段循环控制，前后两段温湿度是不一样的，而气候箱温湿度控制的数学模型又表明它们具有较大的延迟滞后特性，要达到上升速度快、过渡时间短、且超调小的目的，一般的控制方法很难奏效。 3基于神经网络补偿的模糊控制策略 由上述分析可知智能液晶人工气候培养箱温度和湿度的控制是相互耦合的。这样，温湿度的控制实质上就是一个大滞后、强耦合系统的控制问题。这些特点决定了温湿度控制要获得较高精度有一定的难度。一般智能液晶人工气候培养箱采用单独的温控仪和湿度控制仪来实现温湿度控制，而他们的控制方法也大部分是PID控制方法，对于纯滞后参数时变的系统控制效果也不理想，并且使用起来也不方便。对于这样一种严重非线性系统，常规的方法难以奏效。解耦工作也很难完成。在这种情况下，如果采用智能控制方法，则因其不必过于对象的具体模型而能够实现良好的控制效果的优点，可以顺利解决智能液晶人工气候培养箱的控制难问题。 模糊控制器是不依赖于系统的数学模型的，免去了辨识系统的麻烦，具有很好的鲁棒性和自适应性，很适合模型不确定、参数变化等控制场合，正好