基于智能算法的白酒發酵罐溫度控制PID參數整定

張浩強，羅相巧，黃鴻濱，韋美良，蔡 柳，盧森幸

(河池學院，廣西 宜州 546300)

0 引 言

中國傳統白酒有著悠久的文化，在白酒釀制過程產生了獨到的釀制工藝，但傳統白酒釀制效率低，嚴重影響我國白酒銷量。隨著目前其它行業智能化、無人化技術發展，白酒行業智能控制是白酒發展的必經之路[1-2]。白酒釀制過程中，發酵罐溫度控制極其重要，科研人員已經開展不少研究。劉中會[3]分析了白酒發酵復雜性，討論了發酵控制特性，以具有滯后的2階過程模型為例開展了研究；范曉云[4]基于智能視覺理論，從發酵溫度、時間、數量、PH酸堿性方面實現了白酒發酵精度控制的試驗驗證；應靜等[5]采用實驗室模擬固態溫控發酵方式，探討了溫度對白酒發酵的影響，研究發現高溫發酵加快糟醅水分蒸發，酵母菌降低速率較快。

針對傳統白酒發酵罐溫度控制精度低下問題[6]，筆者通過構造白酒發酵罐溫度控制系統傳遞函數，基于Simulink軟件搭建了常規PID控制和模糊PID控制系統仿真模型，通過遺傳算法和模糊算法進行了溫控系統PID控制器參數整定，為白酒行業智能控制提供一定的理論指導。

1 白酒發酵罐溫度控制傳遞函數

如圖1所示為某白酒發酵罐示意圖。

圖1 白酒發酵罐示意圖

白酒發酵罐外圍分散布置冷卻套，冷卻套上安裝冷卻液進出口控制閥，上下部安裝溫度傳感器和溫度計。

在白酒勾兌過程，由于發酵物化學反應產生較多熱量導致發酵罐溫度逐步增加，而為提升發酵產品性能，需要嚴格控制和監控發酵罐溫度。

忽略發酵物與罐璧的熱傳遞，發酵罐內部熱平衡滿足：

(1)

式中：Q1為發酵物化學反應產出能量；Q2為發酵過程丟失的能量；m為發酵物比熱容；T為發酵物實時溫度。

由方程式(1)得出發酵物傳遞函數：

(2)

也即：

(3)

考慮發酵物溫控延遲性，可將傳遞函數表示為：

(4)

鑒于實測數據，由切線法及階躍響應下的延遲時間計算得：K=4，T=19，τ=-5，因此得出發酵物溫控傳遞函數：

(5)

2 白酒發酵罐溫度常規PID控制

發酵罐溫度常規PID控制策略如圖2所示，圖中PID為比例積分微分控制器，G(s)為表示白酒發酵物不含延遲部分傳遞函數，ets表示白酒發酵物延遲部分。

圖2 白酒發酵罐溫度常規PID控制邏輯反饋圖

基于Simulink得到白酒發酵罐溫度常規PID控制仿真模型如圖3所示。

圖3 白酒發酵罐溫度常規PID控制仿真模型

3 白酒發酵罐溫度模糊PID控制

發酵罐溫度模糊PID控制策略如圖4所示，模糊控制器結構如圖5所示。

圖4 模糊PID控制器原理

圖5 模糊控制器結構

輸入變量定義白酒發酵罐溫度偏差值e、偏差值變化率ec；輸出變量定義PID參數增量ΔKp、ΔKT和ΔKd。

輸入變量e和ec論域設定 [-0.05，0.05]、[-0.09，0.09]，輸出變量ΔKp、ΔKT和ΔKd論域分別設定[-5，5]，[-5，5]，[-5，5]。

由白酒發酵罐溫度偏差e、偏差率ec與ΔKp、ΔKT和ΔKd關系獲得Kp、KT和Kd的調整量ΔKp、ΔKT和ΔKd的模糊控制規則表，如表1～3所列[12]。

表1 ΔKp模糊控制規則表

表2 ΔKT模糊控制規則表

表3 ΔKd模糊控制規則表

通過方程式(5)所示的重心法對ΔKp、ΔKT和ΔKd解模糊：

(5)

基于Simulink得到白酒發酵罐溫度模糊PID控制仿真模型如圖6所示。

圖6 白酒發酵罐溫度模糊PID控制仿真模型

4 白酒發酵罐溫度PID參數整定

基于遺傳算法(GA)和模糊算法(Fuzzy)進行白酒發酵物對PID進行參數整定[12]。PID控制器表達式如下：

(6)

首先采用遺傳算法優化PID三參數[13]。圖7所示為其優化流程。

圖7 基于GA白酒發酵罐溫度控制PID參數整定

Kp、Ki和Kd采用長度為10的二進制碼編碼，利用ITAE作為最優目標函數，如式(7)所示。

(7)

設置種群數量為50，交叉概率Pc=0.7，變異概率Pm=0.02，迭代次數N=300。

經過300次迭代進化，種群總體適應度提高，可獲得PID控制三個參數整定結果，如表4所示。

表4 基于GA的PID參數整定結果

其次采用模糊算法優化PID三個參數[14]，得到基于Fuzzy的PID參數整定結果，如表5所列。

表5 基于Fuzzy的PID參數整定結果

5 白酒發酵罐PID控制系統仿真分析

由上述所得的PID參數代入基于GA/Fuzzy控制的白酒發酵罐溫度控制系統仿真模型，所建立的滾筒位姿控制系統數學模型，采用ode45算法，對系統施加階躍信號，幅值設置為1，仿真得到白酒發酵罐溫度響應控制對比曲線，如圖8所示。

圖8 白酒發酵罐溫度控制系統狀態響應

基于GA和Fuzzy算法進行的白酒發酵罐溫度PID控制器參數整定系統的超調量、調整時間和穩態誤差總結如表6所列。

表6 基于GA和Fuzzy算法參數整定結果對比

對比可得：基于Fuzzy算法進行的PID參數整定，溫度控制系統曲線超調量降低了41.056%，調整時間減小了36.193 %，穩態誤差降低了67.597 %，顯然，在白酒發酵罐溫控PID參數整定中，模糊算法優于遺傳算法。

6 結 論

為實現白酒發酵罐溫度精確控制，設計了白酒發酵罐溫度控制系統，考慮時間滯后部分并建立了發酵罐溫度控制數學傳遞函數，搭建了基于Simulink軟件的發酵罐溫度PID控制仿真模型，分別采用GA和Fuzzy對發酵罐PID控制器參數進行了整定，仿真得出基于Fuzzy算法優化的溫控系統超調量、響應時間和穩態誤差均優于基于GA算法優化的溫控系統，階躍信號下，基于Fuzzy優化的發酵罐溫度控制系統響應曲線超調量縮小了41%以上，調整時間下降了36%以上，穩態誤差降低了67%以上。