溫度控制理論的發(fā)展概況

　　摘要：文章回顧了溫度控制理論的發(fā)展，包括近年來快速發(fā)展的PID溫控、模糊控制以及神經(jīng)網(wǎng)絡(luò)和遺傳算法在溫控系統(tǒng)中的應(yīng)用。
　　關(guān)鍵詞：溫度控制；PID控制；模糊控制；神經(jīng)網(wǎng)絡(luò)；遺傳算法
　　
　　一、前言
　　
　　在科學(xué)研究和生產(chǎn)實(shí)踐的諸多領(lǐng)域中，溫度控制占有著極為重要的地位，特別是在冶金、化工、建材、食品、機(jī)械、石油等工業(yè)中，具有舉足輕重的作用。本文就最近幾年快速發(fā)展的PID溫控、模糊控制、神經(jīng)網(wǎng)絡(luò)及遺傳算法在溫度控制中的應(yīng)用進(jìn)行綜述。
　　
　　二、PID控制
　　
　　PID控制即比例、積分、微分控制。工作原理如圖1所示：
　　
　　PID算法根據(jù)比例、積分、微分系數(shù)計(jì)算出合適的輸出控制參數(shù)，利用修改控制變量誤差的方法實(shí)現(xiàn)閉環(huán)控制，使控制過程連續(xù)，是很普通的調(diào)節(jié)方法。其缺點(diǎn)是現(xiàn)場PID參數(shù)整定麻煩，容易受到外界干擾，對(duì)于滯后大的過程控制，調(diào)節(jié)時(shí)間過長。其控制算法需要預(yù)先建立模型，對(duì)系統(tǒng)動(dòng)態(tài)特性的影響很難歸并到模型中，被控對(duì)象模型參數(shù)難以確定，外界干擾會(huì)使控制脫離最佳狀態(tài)。
　　三、神經(jīng)網(wǎng)絡(luò)控制
　　人工神經(jīng)網(wǎng)絡(luò)是當(dāng)前主要的，也是重要的一種人工智能技術(shù)，是一種采用數(shù)理模型方法模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)及對(duì)信息的記憶和處理而構(gòu)成的信息處理方法。它用大量簡單的處理單元廣泛連接形成各種復(fù)雜網(wǎng)絡(luò)，拓?fù)浣Y(jié)構(gòu)算法各異，其中誤差反向傳播算法（BP算法）應(yīng)用最為廣泛。
　　
　　四、模糊控制
　　
　　模糊邏輯是人工智能的重要組成部分，自從1965年美國控制理論專家L.A.Zadeh提出了用“Fuzzy Sets”（模糊集合）描述Fuzzy（模糊）事物以來，F(xiàn)uzzy技術(shù)獲得了廣泛的應(yīng)用。
　　模糊控制是基于模糊邏輯的描述一個(gè)過程的控制算法，主要嵌入操作人員的經(jīng)驗(yàn)和直覺知識(shí)。它適用于控制不易取得精確數(shù)學(xué)模型和數(shù)學(xué)模型不確定或經(jīng)常變化的對(duì)象。僅依賴于操作人員的經(jīng)驗(yàn)和直觀判斷，非常容易應(yīng)用。
　　
　　五、模糊控制與PID結(jié)合（Fuzzy-PID）
　　
　　Fuzzy-PID復(fù)合控制是用模糊技術(shù)與常規(guī)PID控制算法相結(jié)合的控制方法，當(dāng)溫度偏差較大時(shí)采用Fuzzy控制，響應(yīng)速度快，動(dòng)態(tài)性能好；當(dāng)溫度偏差較小時(shí)采用PID控制，使其靜態(tài)性能好，滿足系統(tǒng)控制精度。因此Fuzzy-PID復(fù)合控制，比單一的模糊控制器或單一的PID調(diào)節(jié)器有更好的控制性能。其工作原理如圖2所示：
　　
　　六、基于模糊控制理論的PID參數(shù)整定
　　
　　基于模糊控制理論的PID參數(shù)整定，是將模糊控制與PID結(jié)合，使其具備兩者的優(yōu)點(diǎn)。即用過程的運(yùn)行狀態(tài)（溫度偏差及溫度變化率）確定PID控制器參數(shù)，用PID控制率確定控制作用。主要問題是合理獲得PID參數(shù)的模糊校正規(guī)則。其實(shí)質(zhì)是一種以模糊規(guī)則調(diào)節(jié)PID參數(shù)的自適應(yīng)控制，即在一般PID控制系統(tǒng)基礎(chǔ)上，加上一個(gè)模糊控制規(guī)則環(huán)節(jié)。
　　
　　七、自調(diào)整因子模糊控制
　　
　　在通常情況下，模糊控制一旦設(shè)計(jì)完成，其語言規(guī)則和合成推理往往是固定的，也是不可調(diào)整的，因此常規(guī)模糊控制器存在較大的局限性，可采用帶自調(diào)整因子的模糊控制。本文根據(jù)系統(tǒng)運(yùn)行狀態(tài)調(diào)整系數(shù)α，達(dá)到修改控制規(guī)則的目的，使系統(tǒng)在隨機(jī)環(huán)境中能對(duì)控制器進(jìn)行自動(dòng)校正，使得被控對(duì)象特性變化或擾動(dòng)情況下控制系統(tǒng)保持較好的性能。因此，這種方法具有自適應(yīng)性。
　　《溫度控制儀表的模糊PID控制》采用模糊自適應(yīng)PID設(shè)計(jì)方法，根據(jù)人們要求的溫度曲線，由計(jì)算機(jī)系統(tǒng)進(jìn)行監(jiān)控，根據(jù)模糊推理判斷，實(shí)現(xiàn)對(duì)任何一種模型參數(shù)的系統(tǒng)都能自動(dòng)調(diào)節(jié)其PID參數(shù)，使輸出與溫度曲線趨于一致，實(shí)現(xiàn)快速響應(yīng)特性與超調(diào)量最優(yōu)的統(tǒng)一。
　　
　　八、專家模糊控制
　　
　　專家模糊控制是專家系統(tǒng)技術(shù)與模糊控制相結(jié)合的產(chǎn)物，它保持了基于規(guī)則方法的價(jià)值和用模糊集處理帶來的靈活性，同時(shí)結(jié)合了專家系統(tǒng)技術(shù)的表達(dá)與利用知識(shí)的長處。因此，這種控制進(jìn)一步提高了模糊控制器的智能水平。
　　
　　九、模糊控制與神經(jīng)網(wǎng)絡(luò)結(jié)合
　　
　　溫控系統(tǒng)由于被控過程常常具有嚴(yán)重的非線性時(shí)變性以及種類繁多的干擾，基于精確數(shù)學(xué)模型的傳統(tǒng)控制方案很難獲得滿意的動(dòng)靜態(tài)控制效果。近些年來模糊邏輯控制取得了巨大成功。但是，模糊控制所基于的專家經(jīng)驗(yàn)不易獲得，一成不變的控制規(guī)則也很難適應(yīng)被控制系統(tǒng)的非線性、時(shí)變性等問題，控制效果受到嚴(yán)重影響。因此，模糊控制應(yīng)該向著自適應(yīng)方向發(fā)展，使模糊控制規(guī)則隸屬函數(shù)模糊量化在控制過程自動(dòng)地調(diào)整和完善。
　　神經(jīng)模糊控制是基于神經(jīng)網(wǎng)絡(luò)的模糊控制方法。這種控制利用了模糊邏輯，具有較強(qiáng)的結(jié)構(gòu)性知識(shí)表達(dá)能力（描述系統(tǒng)定性知識(shí)的能力），以及神經(jīng)網(wǎng)絡(luò)的強(qiáng)大的學(xué)習(xí)能力與定量數(shù)據(jù)的直接處理能力。
　　
　　十、神經(jīng)網(wǎng)絡(luò)PID控制
　　
　　在PID控制的基礎(chǔ)上，加入神經(jīng)網(wǎng)絡(luò)控制器，構(gòu)成神經(jīng)網(wǎng)絡(luò)PID控制器。神經(jīng)網(wǎng)絡(luò)控制器NNC是前饋控制器，通過對(duì)PID控制器的輸出進(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ul（t）趨近于零，使其逐漸在控制中占據(jù)主導(dǎo)地位，以減弱或最終消除反饋控制器的作用。
　　
　　十一、遺傳算法
　　
　　遺傳算法（Genetic Algoriths，G A）是模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程的全局優(yōu)化搜索算法。它將生物進(jìn)化過程中適者生存規(guī)則與群體內(nèi)部染色體的隨機(jī)信息交換機(jī)制相結(jié)合，通過正確的編碼機(jī)制和適應(yīng)度函數(shù)的選擇來操作，稱為染色體的二進(jìn)制串1或0。該算法引入繁殖交叉和變異等方法，在所求解的問題空間上進(jìn)行全局的、并行的、隨機(jī)的搜索優(yōu)化，朝全局最優(yōu)方向收斂。
　　這種算法不要求系統(tǒng)是否連續(xù)可調(diào)，能否以顯式表示。基于遺傳算法的自適應(yīng)PID控制的原理框圖如圖3。
　　
　　
　　
　　十二、模糊控制、神經(jīng)網(wǎng)絡(luò)、遺傳算法三者結(jié)合
　　
　　關(guān)明方提出基于神經(jīng)網(wǎng)絡(luò)的方法，將模糊辨識(shí)、預(yù)測最優(yōu)控制與神經(jīng)網(wǎng)絡(luò)結(jié)合，由神經(jīng)元網(wǎng)絡(luò)模型預(yù)估器辨識(shí)系統(tǒng)模型，并實(shí)時(shí)為控制器提供參考輸入，由最優(yōu)控制器對(duì)數(shù)據(jù)進(jìn)行處理、決策，選定最優(yōu)的控制量，達(dá)到溫度最佳控制的目的。神經(jīng)網(wǎng)絡(luò)應(yīng)用廣泛的BP網(wǎng)絡(luò)，由于其收斂慢和存在局部最小點(diǎn)，因此將遺傳算法和BP算法結(jié)合得到的遺傳BP（GA-BP）算法可以作為網(wǎng)絡(luò)預(yù)估器的學(xué)習(xí)算法。該系統(tǒng)能使溫度隨外界干擾條件的變化，實(shí)時(shí)調(diào)節(jié)網(wǎng)絡(luò)和控制規(guī)律，具有良好的溫度跟蹤性能和抗干擾能力。近些年來，硬件電路設(shè)計(jì)的軟件化也應(yīng)用于溫控系統(tǒng)中，《VHDL及其在溫控系統(tǒng)中的應(yīng)用》引入VHDL語言采用自頂向下的設(shè)計(jì)方法對(duì)系統(tǒng)逐步細(xì)化，優(yōu)點(diǎn)是可提高系統(tǒng)的效率，達(dá)到資源共享的目的。由于其屏蔽了具體工藝及器件差異，因此不會(huì)因工藝及器件變化而變化。
　　
　　十三、廣義預(yù)測控制
　　
　　預(yù)測控制（Predictive Control）是基于模型的計(jì)算機(jī)控制算法。其預(yù)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?；贑ARIMA模型的廣義預(yù)測控制（GPC）是一種新型計(jì)算機(jī)控制算法。
　　
　　十四、結(jié)論
　　
　　隨著電子器件的發(fā)展，控制電路的形式也多種多樣。實(shí)現(xiàn)溫控系統(tǒng)的參數(shù)自調(diào)整，將線性控制與非線性相結(jié)合，使溫度能滿足用戶的需要是溫控系統(tǒng)的最終目的。在實(shí)際應(yīng)用中，應(yīng)該根據(jù)具體的應(yīng)用場合、不同的加熱對(duì)象和所要求的控制曲線和控制精度，選擇不同的系統(tǒng)方法。
　　
　　參考文獻(xiàn)：
　　1、白雪飛.神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID高精度溫度控制研究[D].中國科學(xué)技