温度控制系统.docxVIP

温度控制系统设计与实现10自动化综述其实，这个系统很简单，一个基本的闭环PID控制或更为基本的棒棒控制就可以实现对被控对象温度的控制。但把简单的事做到最好也并非易事，有时这比做成一件很困难的事更困难。作为为期一个学期的系统设计，我觉得，我们有必要更有责任将这个系统设计到最好。于是，我们在温度曲线拟合，控制算法设计，硬件连接和软件实现都做了一遍又一遍的改进。系统设计控制器：C51执行器：水冷系统被控对象：一号：手摇发热系统（摩擦声热）由于手摇较累而且升温不明显而放弃二号：水泥电阻（焦耳定理）由于功率太低，发热较慢而放弃三号：暖宝宝（热传递）最终选用，效果不错传感器：18B20系统整体：算法设计温度曲线拟合T=V*0.0625；被控对象和传感器建模根据实际经验，被控对象的温度特性和温度传感器一般均为一阶惯性系统，由于我们并没有采用对系统模型要求很高的解析算法，所以我们科学的将系统模型定为了一阶惯性系统，并采用辨识法对其建模。温度传感器假设温度传感器为一阶惯性系统，下图为将处于室温的传感器放在55摄氏的热源时的温度上升曲线此时初始温度为15摄氏度，温度升高40摄氏度，动态过程时间为2000*0.005=10s，估计时间常数T=10/（40*4）=1/16；传递函数：被控对象降温曲线从50摄氏度的下降达15摄氏度，动态过程时间为150s，时间常数为150/（35*4）=1.25传递函数：温度控制算法棒棒控制棒棒控制即为开关控制，当目标达到时让执行器不工作，没达到时就一直工作。执行器只能出去工作或不工作两种状态，没有工作的快与慢之说。棒棒控制最大的缺点即为在误差为0的点的左右会发生抖动，对执行器损伤很大，而且由于控制回路之后很大，这抖动将被放大产生让人难受的结果。所以我们对棒棒控制就行了适当改进，加入了滞环来解决这个问题，但这就带来了另外一个问题：即会出现稳态误差，这个误差与滞环大小有关，于是，出现了一个矛盾：滞环越小，越容易抖动；滞环越大，稳态误差越大；这个矛盾可以有结合PID控制器来解决，于是就出现PID+棒棒控制。B. PID控制PID控制可以说是一个经济适用性的算法，其应用十分广泛。其基本公式为PWM=P*er+D*der+I*fer;C. 模糊控制模糊控制对系统的物理模型要求不高，模仿人类语言的模糊思维对系统进行控制，其把传统控制器分成了四个部分，模糊化，推理引擎，模糊规则库，和解模糊化，其构架如下图所示：模糊化：我们将输入信号Tin（给定温度和和实际差值的相反数）进行模糊化，假设其论域为[-T1,TM]，三个模糊子集：小、中和大的隶属度函数如图所示：模糊规则我们根据实际经验设定了三条模糊规则：IfTin is S，PWM is small；If Tin is M，PWM is middle；If Tin is B，PWM is Big。为了简化问题，此处，我们不适用模糊化的PWM，即是small=0；middle=50%；Big=100%；这将会使模糊推理时直接产生非模糊的PWM值，无需解模糊化。模糊推理采用权重是平均法其中a为隶属度，y为当前模糊子集对应的PWM值综上，我们完成了，对一个给定的温度差值，输出一个PWM的过程，实现了模糊控制的控制器部分。下图为PWM的仿真图像：系统仿真我们将写好的m文件转化为simulink中的功能块进行了对控制器仿真测试。硬件电路硬件电路连接软件接口程序，实现温度控制总结程序代码matlab梯度下降法拟合算法function [ q ] = gradientDescentTrain( m,a )%gradientDescentTrainummary %input m training examples%input a 学习效率，值过大时可能不收敛，过小可能收敛过慢%output linesizeOfm=size(m);o=zeros(1,sizeOfm(2));%o通过学习确定的参数x(:,1)=ones(sizeOfm(1),1);%for i=1:sizeOfm(2)-1 x(:,i+1)=m(:,i);endy=m(:,sizeOfm(2));h=zeros(sizeOfm(1),1);suma_old=0;suma_d_count=0;while(suma_d_count10)%迭代梯度下降法 for j=1:sizeOfm(1) h(j,1)=x(j,:)*o;%求估计值 end for n=1:sizeOfm(2) o(1,n)= o(1,n)-a*x(:,n)*(h-y);%算出新的参数 end sum=h-y; suma=sum*sum; suma_d=suma_old-suma; if(su