常用溫度控制方法原理

常用溫度控制方法原理常用PID調(diào)整器/溫控儀掌握算法包括常規(guī)PID、模糊掌握、神經(jīng)網(wǎng)絡(luò)、Fuzzy-PID、神經(jīng)網(wǎng)絡(luò)PID、模糊神經(jīng)網(wǎng)絡(luò)、遺傳PID及廣義猜測等算法。常規(guī)PID掌握易于建立線性溫度掌握系統(tǒng)被控對象模型；模糊掌握基于規(guī)章庫，并以肯定或增量形式給出掌握決策；神經(jīng)網(wǎng)絡(luò)掌握采納數(shù)理模型模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，并用簡潔處理單元連接成簡單網(wǎng)絡(luò)；Puzzy-PID為線性掌握，且結(jié)合模糊與PID掌握優(yōu)點(diǎn)。

1、引言

溫度掌握系統(tǒng)是變參數(shù)、有時滯和隨機(jī)干擾的動態(tài)系統(tǒng)，為達(dá)到滿足的掌握效果，具有很多掌握方法。故對幾種常見的掌握方法及其優(yōu)缺點(diǎn)進(jìn)行了分析與比較。

2、常見溫度掌握方法

2.1常規(guī)PID掌握

PID掌握即比例、積分、微分掌握，其結(jié)構(gòu)簡潔有用，常用于工業(yè)生產(chǎn)領(lǐng)域。原理如圖1。

圖1常見PID掌握系統(tǒng)的原理框圖

明顯缺點(diǎn)是現(xiàn)場PID參數(shù)整定麻煩，易受外界干擾，對于滯后大的過程掌握，調(diào)整時間過長。其掌握算法需要預(yù)先建立模型，對系統(tǒng)動態(tài)特性的影響很難歸并到模型中。

在我國大多數(shù)PID調(diào)整器廠家生產(chǎn)的調(diào)整器均為常規(guī)PID掌握算法。2.2模糊掌握

模糊掌握(FuzzyControl)是以模糊集合論、模糊語言變量及模糊規(guī)律推理為基礎(chǔ)的計(jì)算機(jī)掌握。原理如圖2。

圖2模糊掌握系統(tǒng)原理框圖

2.3神經(jīng)網(wǎng)絡(luò)掌握

神經(jīng)網(wǎng)絡(luò)掌握采納數(shù)理模型的方法模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，用簡潔處理單元連接形成各種簡單網(wǎng)絡(luò)，并采納誤差反向傳播算法(BP)。原理如圖3：

圖3神經(jīng)網(wǎng)絡(luò)掌握系統(tǒng)的原理框圖

2.4Fuzzy-PID掌握

模糊掌握不需知道被控對象的精確模型，易于掌握不確定對象和非線性對象。PID本質(zhì)是線性掌握。將模糊掌握與PID結(jié)合多，以Fuzzy-PID混合掌握為例，據(jù)給定值與測量值之偏差e選擇智能掌握器，依據(jù)e的變化選擇掌握方法，當(dāng)|e|≤emin或|e|≥emax時，采納PID掌握；當(dāng)emin≤|e|≤emax時，采納Fuzzy掌握。其結(jié)構(gòu)框圖如圖4。

圖4Fuzzy-PID混合掌握結(jié)構(gòu)框圖

2.5神經(jīng)網(wǎng)絡(luò)PID掌握

在PID掌握的基礎(chǔ)上，加入神經(jīng)網(wǎng)絡(luò)掌握器，構(gòu)成神經(jīng)網(wǎng)絡(luò)PID掌握器，如圖5。神經(jīng)網(wǎng)絡(luò)掌握器NNC是前饋掌握器，通過對PID掌握器的輸出進(jìn)行學(xué)習(xí)，在線調(diào)整自己，目標(biāo)是使反饋誤差e(t)或u(t)趨近于零，使自己漸漸在掌握中占據(jù)主導(dǎo)地位，以減弱或最終消退反饋掌握器的作用。

圖5神經(jīng)網(wǎng)絡(luò)PID掌握結(jié)構(gòu)框圖

2.6模糊神經(jīng)網(wǎng)絡(luò)掌握

將模糊規(guī)律與神經(jīng)網(wǎng)絡(luò)結(jié)合，采納神經(jīng)網(wǎng)絡(luò)模糊規(guī)律推理網(wǎng)絡(luò)模型和快速的自學(xué)習(xí)算法，通過網(wǎng)絡(luò)的離線訓(xùn)練和在線自學(xué)習(xí)使掌握器具有自調(diào)整、自學(xué)習(xí)和自適應(yīng)力量，達(dá)到模糊智能掌握。如圖6。

圖6模糊神經(jīng)網(wǎng)絡(luò)掌握系統(tǒng)結(jié)構(gòu)圖2.7遺傳PID掌握

遺傳PID掌握是將掌握器參數(shù)構(gòu)成基因型，將性能指標(biāo)構(gòu)成相應(yīng)的適應(yīng)度，利用遺傳算法來整定掌握器的最佳參數(shù)，不要求系統(tǒng)是否為連續(xù)可調(diào)，能否以顯式表示?；谶z傳算法的自適應(yīng)PID掌握的原理框圖如7。遺傳PID溫控系統(tǒng)將測量值與給定值進(jìn)行比較，用遺傳算法來優(yōu)化PID參數(shù)，然后將掌握量輸出，實(shí)現(xiàn)將PID參數(shù)串接構(gòu)成完整染色體，從而構(gòu)成遺傳空間中的個體，過通過繁殖交叉和變異遺傳操作生成新一代群體，經(jīng)過多次搜尋獲得最大適應(yīng)度值的個體。

圖7基于遺傳算法的自適應(yīng)PID掌握結(jié)構(gòu)圖

2.8廣義猜測掌握

猜測掌握(PredictiveControl)是基于模型的計(jì)算機(jī)掌握算法。其猜測模型有脈沖響應(yīng)模型、階躍響應(yīng)模型、CAMRMA模型和CARIMA模型。基于CARIMA模型的廣義猜測掌握(GPC)是一種新型計(jì)算機(jī)掌握算法。

3、常見溫度掌握方法的對比分析

通過上述溫度掌握方法的原理分析，表1給出各種溫度掌握特性與應(yīng)用場合的狀況。

溫控儀掌握算法

掌握算法的掌握特性

溫控儀應(yīng)用場合

單

一

控

制

常規(guī)PID拄制

優(yōu)點(diǎn)：結(jié)構(gòu)簡潔、有用，性價比高。

缺點(diǎn)：魯棒性不強(qiáng)；適應(yīng)性不快；協(xié)調(diào)

性不夠好等

易于建立的線性溫度掌握系統(tǒng)的被控對

象模型

模糊掌握

與傳統(tǒng)的PID掌握相比，響應(yīng)快，超

調(diào)量小，魯棒性強(qiáng)

純滯后，參數(shù)時變或非線性的溫度掌握

系統(tǒng)，如干燥機(jī)、工業(yè)爐等的溫度掌握

神經(jīng)網(wǎng)絡(luò)掌握

魯棒性強(qiáng)，響應(yīng)速度快，抗干擾力量

強(qiáng)，算法簡潔，易于用硬件和軟件實(shí)現(xiàn)

多變量、多參數(shù)、非線性與時變系統(tǒng)

如：電阻爐的溫度掌握等

復(fù)

合控

制

Fuzzy-PID掌握

具有很強(qiáng)的適應(yīng)性，只要知道部分學(xué)問

即可建立BP算法

一些大滯后系統(tǒng)中自動尋優(yōu)P、I、D參

數(shù)，如管式加熱爐的溫度掌握

模糊神經(jīng)網(wǎng)絡(luò)掌握

動態(tài)響應(yīng)快，能達(dá)到高精度的快速掌握，

具有極強(qiáng)的魯棒性和適應(yīng)力量，穩(wěn)定性好

需要不斷修正掌握參數(shù)的溫度掌握系統(tǒng)。

如熱電偶校驗(yàn)儀等控溫裝置

遺傳PID掌握

調(diào)試便利，掌握精度高，抗干擾性強(qiáng)，

較高的穩(wěn)定性能

尋求全局最優(yōu)且不需任何初始信息的P、

I、D參數(shù)尋優(yōu)溫控系統(tǒng)中，如陀螺溫

控系統(tǒng)

自適應(yīng)廣義猜測

及掌握

魯棒性強(qiáng)，掌握精度高

醫(yī)用溫度掌握，如微波熱療中的溫度

掌握

模糊、神經(jīng)網(wǎng)絡(luò)

模糊掌握魯棒性強(qiáng)。動態(tài)響應(yīng)與上升時

間快，超調(diào)小，PID掌握器的動態(tài)跟蹤

品質(zhì)好和穩(wěn)態(tài)精度高

具有較太的滯后性，非線性、時定性的

溫度掌握系統(tǒng)，如高分子聚合物反應(yīng)

溫度掌握等

模糊、神經(jīng)網(wǎng)絡(luò)

和遺傳掌握

實(shí)現(xiàn)溫度隨外界干擾條件的乏化,實(shí)時的

調(diào)整網(wǎng)絡(luò)和掌握規(guī)律的功能，具有良好

的溫度跟蹤性能和抗干擾力量

對升溫速