生化培養箱智能控制系統的設計

2016-03-17 06:01:57湖南學院鐵道職業技術湖南株洲412001

電子制作 2016年4期

羅　偉　湖南學院鐵道職業技術　湖南株洲　412001

生化培養箱智能控制系統的設計

羅偉湖南學院鐵道職業技術湖南株洲412001

2013年度湖南省教育廳科學研究項目（課題編號：13C591）

【文章摘要】

生化培養箱過程中，存在溫、濕度變化耦合性強、設備性能易變的問題，本文提出了一種基于解耦補償的改進模糊控制設計方法，保證改進模糊算法計算的控制量相互獨立，實現對溫度和濕度控制量解耦關系的學習，對控制量進行補償。

【關鍵詞】

生化培養箱；智能；控制系統

0　引言

生化培養箱是是生物、醫學、環境保護、農林畜牧等行業的科研機構、大專院校、生產單位或部門實驗室的重要試驗設備，廣泛應用于恒溫恒濕試驗、培養試驗、環境試驗等。然而長期以來，生化培養箱的溫濕度控制存在嚴重耦合，研究生化培養箱的溫、濕度控制算法，提升控制精度，對相關領域的生產和科研具有重要意義。

目前國內外對生化培養箱的溫濕度控制主要通過開關控制、單純PID控制及模糊控制來實現。然而開關控制效果非常粗糙，同時會造成設備的頻繁啟停，降低設備使用壽命；PID控制對于非線性時變、滯后較大的溫濕度控制系統來說，魯棒性不強；而單純的模糊控制器存在靜差，控制精度不夠高。同時大部分生化培養箱控制系統由于沒有考慮系統溫、濕度的相互影響，加上生化培養箱模型的不確定性以及過程參數受環境影響變化大，導致對溫、濕度控制的精度不理想。

本文針對生化培養箱工作過程中溫、濕度變化的耦合性強，以及傳感器性能曲線受外界干擾較大等問題，為更好滿足生化培養過程對溫、濕度指標的工藝要求，采用神經元對溫濕度控制進行解耦，同時采用變參數模糊控制，提升控制系統自調節能力，提高茶葉品質。

圖1　控制系統結構

1　算法結構

為了解決生化培養過程中，溫度和濕度相互制約，相互影響的問題，需要對系統溫、濕度變化進行解耦，然而生化培養過程的數學模型難以直接獲取，導致常規的解耦方法無法使用。

針對具有雙輸入雙輸出的生化培養箱，本文提出了一種基于神經元解耦的變參數模糊制方法，其結構如圖1所示。

整個控制系統由基于改進模糊算法的溫、濕度獨立控制，以及基于神經元的解耦補償兩部分組成。

基于改進模糊算法，首先利用模糊控制器根據溫、濕度設定值和系統檢測反饋值，實現對溫、濕度獨立閉環控制，同時為了解決傳感器漂移和固定參數模糊算法環境適應性差的問題，采用粒子群算法算法對模糊隸屬度進行在線優化。

神經元解耦補償器，位于模糊控制器與控制對象之間，利用神經元的自學習特性，實現對溫度和濕度控制量耦合關系的學習，利用解耦結果對控制量進行補償。從而保證改進模糊算法計算的控制量相互獨立，無需關心耦合關系。

2　模糊控制器的設計

溫度模糊控制器采用雙輸入，單輸出結構。輸入e1為生化培養過程溫度與設定值偏差，模糊變量為{NL，NM，NS，O，PS，PM，PL}，論域E1＝{-7,-6,-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5,6,7}。輸入e2為溫度偏差變化率，模糊變量為{NL，NS，O, PS，PL}，論域E2= { -4, -3, -2, -1, 0, 1, 2, 3, 4}。輸出u為溫度調節量，U的模糊變量為：{NL，NM，NS，O，PS，PM，PL}，論域U ＝{ -6，-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5，6}。

濕度模糊控制器，輸入e1為濕度與設定值偏差，模糊變量為{NL，NM，NS，O，PS，PM，PL}，論域E1＝{-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5}；輸入e2為濕度偏差變化率，模糊變量為{NL，NS，O, PS，PL}，論域為E2= { -4, -3, -2, -1, 0, 1, 2, 3, 4}；輸出u為濕度調節量，U的模糊變量為：{NL，NM，NS，O，PS，PM，PL}，論域U ＝{ -6，-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5，6}。為了更好的抑制環境參數變化對生化培養過程控制系統的影響，方便參數調節，本文采用梯形函數。

根據生化培養過程工藝的專家經驗，溫、濕度模糊控制的規則，均按照偏差較大時快速調節，偏差較小時精細調節的原則，總結出模糊控制規則，如表1 所示。

根據所本文所設計的隸屬度及模糊推理規則，同時利用Mamdani模糊推理方法進行解模糊，得到模糊控制查詢表。通過清晰化接口和查詢表，分別得熱電偶電流和鼓風機轉速的調節量。

表1　推理語言規則表Table 1.　Rules table of Reasoning language

3　實驗與應用

為了驗證本文提出算法的有效性，采用對比實驗的方式，從系統性能方面對系統運行效果進行實驗分析。

控制目標設定為溫度37℃，相對濕度30%。

在實驗過程中兩種控制策略下對應的箱體內溫、濕度變化曲線分別如圖2和圖3所示。不難看出，本文的方法，由于采用了解耦補償，溫、濕度變化的耦合性得以改善，局部擾動明顯減小；同時由于采用了模糊控制，相對于PID控制，不但提升了控制精度，同時較小了系統超調量、也加快了系統響。系統進入穩態后，采用本文方法的溫度控制誤差小于0.4℃，相對濕度誤差僅為 2.5%。從對比實驗結果上看本文方法在控制系統性能上，優于傳統的模糊控制控制。

【參考文獻】

[1]栗震霄.提高生化培養箱溫度控制精度的試驗研究[J].糧油加工與食品機械，1999，15(6)：58－61.

[2]顧敏明，潘海鵬.濕度專家控制系統的設計與實現[J].工業儀表與自動化裝置，2007(4)：20－22.

[3]Mann, G.K.I, Gosine, R.G. Threedimensional min-max-gravity based fuzzy PID inference analysis and tuning [J]. Fuzzy Sets and Systems, 2008, (2): 300-323

[4]郭文川，程寒杰，李瑞明，等.基于無線傳感器網絡的溫室環境信息監測系統[J].農業機械學報，2010，41(7)：181－185.

羅偉(1979-)，男，湖南株洲人，碩士，副教授，研究領域：控制工程。