常用温度控制方法原理 .docxVIP

PAGE PAGE 1 常用温度控制方法原理 常用PID调整器/温控仪掌握算法包括常规PID、模糊掌握、神经网络、Fuzzy-PID、神经网络PID、模糊神经网络、遗传PID及广义猜测等算法。常规PID掌握易于建立线性温度掌握系统被控对象模型；模糊掌握基于规章库，并以肯定或增量形式给出掌握决策；神经网络掌握采纳数理模型模拟生物神经细胞结构，并用简洁处理单元连接成简单网络；Puzzy-PID为线性掌握，且结合模糊与PID掌握优点。1、引言温度掌握系统是变参数、有时滞和随机干扰的动态系统，为达到满足的掌握效果，具有很多掌握方法。故对几种常见的掌握方法及其优缺点进行了分析与比较。2、常见温度掌握方法2.1 常规PID掌握PID掌握即比例、积分、微分掌握，其结构简洁有用，常用于工业生产领域。原理如图1。 图1 常见PID掌握系统的原理框图 明显缺点是现场PID参数整定麻烦，易受外界干扰，对于滞后大的过程掌握，调整时间过长。其掌握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。在我国大多数PID调整器厂家生产的调整器均为常规PID掌握算法。 2.2 模糊掌握模糊掌握(Fuzzy Control)是以模糊集合论、模糊语言变量及模糊规律推理为基础的计算机掌握。原理如图2。 图2 模糊掌握系统原理框图 2.3 神经网络掌握神经网络掌握采纳数理模型的方法模拟生物神经细胞结构，用简洁处理单元连接形成各种简单网络，并采纳误差反向传播算法(BP)。原理如图3： 图3 神经网络掌握系统的原理框图 2.4 Fuzzy-PID掌握模糊掌握不需知道被控对象的精确模型，易于掌握不确定对象和非线性对象。PID本质是线性掌握。将模糊掌握与PID结合多，以Fuzzy-PID混合掌握为例，据给定值与测量值之偏差e选择智能掌握器，依据e的变化选择掌握方法，当|e|≤emin或|e|≥emax时，采纳PID掌握；当emin≤|e|≤emax时，采纳Fuzzy掌握。其结构框图如图4。 图4 Fuzzy-PID混合掌握结构框图 2.5 神经网络PID掌握在PID掌握的基础上，加入神经网络掌握器，构成神经网络PID掌握器，如图5。神经网络掌握器NNC是前馈掌握器，通过对PID掌握器的输出进行学习，在线调整自己，目标是使反馈误差e(t) 或u(t)趋近于零，使自己渐渐在掌握中占据主导地位，以减弱或最终消退反馈掌握器的作用。 图5 神经网络PID掌握结构框图 2.6 模糊神经网络掌握将模糊规律与神经网络结合，采纳神经网络模糊规律推理网络模型和快速的自学习算法，通过网络的离线训练和在线自学习使掌握器具有自调整、自学习和自适应力量，达到模糊智能掌握。如图6。 图6 模糊神经网络掌握系统结构图 2.7 遗传PID掌握 遗传PID掌握是将掌握器参数构成基因型，将性能指标构成相应的适应度，利用遗传算法来整定掌握器的最佳参数，不要求系统是否为连续可调，能否以显式表示。基于遗传算法的自适应PID掌握的原理框图如7。遗传PID温控系统将测量值与给定值进行比较，用遗传算法来优化PID参数，然后将掌握量输出，实现将PID参数串接构成完整染色体，从而构成遗传空间中的个体，过通过繁殖交叉和变异遗传操作生成新一代群体，经过多次搜寻获得最大适应度值的个体。 图7 基于遗传算法的自适应PID掌握结构图 2.8 广义猜测掌握猜测掌握(Predictive Control)是基于模型的计算机掌握算法。其猜测模型有脉冲响应模型、阶跃响应模型、CAMRMA模型和CARIMA模型。基于CARIMA模型的广义猜测掌握(GPC)是一种新型计算机掌握算法。3、常见温度掌握方法的对比分析通过上述温度掌握方法的原理分析，表1给出各种温度掌握特性与应用场合的状况。 温控仪掌握算法  掌握算法的掌握特性  温控仪应用场合  单 一控制 常规PID拄制  优点：结构简洁、有用，性价比高。 缺点：鲁棒性不强；适应性不快；协调性不够好等 易于建立的线性温度掌握系统的被控对 象模型 模糊掌握  与传统的PID掌握相比，响应快，超 调量小，鲁棒性强 纯滞后，参数时变或非线性的温度掌握 系统，如干燥机、工业炉等的温度掌握 神经网络掌握  鲁棒性强，响应速度快，抗干扰力量 强，算法简洁，易于用硬件和软件实现 多变量、多参数、非线性与时变系统 如：电阻炉的温度掌握等 复 合控制 Fuzzy-PID掌握  具有很强的适应性，只要知道部分学问 即可建立BP算法 一些大滞后系统中自动寻优P、I、D参 数，如管式加热炉的温度掌握 模糊神经网络掌握  动态响