基于模糊PID控制的加熱爐爐溫控制系統設計

傅 峰

(新疆農業職業技術學院 信息技術分院， 新疆 昌吉 831100 )

隨著我國經濟和科技的不斷進步，使加熱爐爐溫控制系統被廣泛應用于石油化工、冶金鍛煉等領域。加熱爐是一種能量消耗較高的窯爐，在實際運行過程中，需要耗費大量資源維持自身運轉。通過傳統控制方法對加熱爐爐溫進行控制時，存在大滯后、溫度調控精度較差等缺陷，如何實現加熱爐的能量集約成為人們關注的焦點之一。在工業控制領域主要通過提升辨識模型的精確度，以此實現對被控對象的控制。但是被控對象易受負荷變化等因素的影響，使模型出現不同程度的改變。為此本研究利用PID控制算法設計出加熱爐爐溫控制系統，該系統可對爐溫進行精準控制，具有較強的實時性、魯棒性以及精確性。

1 基于模糊PID控制的加熱爐爐溫控制系統定量化建模

本研究對加熱爐爐溫控制系統進行設計時，在BP神經網絡機制和PID算法的基礎上，采用分階段的方式建立加熱爐爐溫控制系統模型，并不斷向該模型中引入專用的適應度函數。控制系統模型成功建立后，通過目標加熱爐的歷史爐溫控制數據完成BP神經網絡的針對性訓練，對訓練數據結果進行精準記錄，采用對比分析的方式對訓練數據和系統預測值進行比較，將訓練數據與預測值之間存在的誤差直接映射為個體適應度值。為最大限度地還原加熱爐各設備的真實運維狀態，通過自適應調整的方式對典型PID模型中的積分項以及微分項進行協調，并建立二者之間的邏輯關系，以此實現對最優傳遞函數的捕獲，在最優傳遞函數的基礎上，完成控制模型初始積分項及微分項的設定，根據該函數的輸出目標結果即可還原設備的運行狀態[1]。

1.1 引入BP神經網絡子階段

當加熱爐處于高維度約束時，需要在較高的學習效率及實時性的要求下，對加熱爐內部各設備的溫度狀態進行實時更新。為實現對PID算法感知性能的改善，本研究向PID算法中引入適應度函數(Target.net)，并借助深度BP神經網絡完成初始值的最優化，用Q(s,a;θi)表示當前神經網絡Eval.net的輸出結果，該輸出結果可對當前設備狀態的訓練結果進行有效評估；用Q(s,a;θ-i)表示當前神經網絡Target.net的輸出結果，通過Q-target的求值公式即可獲取目標神經網絡的層數。當Target.net引入神經網絡后，對神經網絡的層數變化情況進行分析，在一定時間段內，神經網絡的層數處于不變狀態，對于當前訓練值及目標預測值的相關性具有降低作用。但是由于目標神經網絡層數的不變，可有效提升該算法的穩定性。向PID算法內引入專用適應度函數機制后，可將神經網絡的參數定義為θQ,Qμ(s,μ(s))，其表示的含義為：當PID算法處于s狀態時，使用μ策略對動作進行選取，所獲取的回報期望值，a為隱藏層激活值，y為目標輸出值[2]。對回報期望值進行計算時，由于該期望值處于連續空間內部，可采用積分完成數值計算，策略μ好壞的判斷公式為

(1)

策略μ優劣性能的評估函數公式為

L(θ)=Es,a,r,s′[(Q*(s,a|θ)-y)2]

(2)

(3)

為獲取當前動作action，本研究需要對最優策略的概率分布進行采樣操作，并在每次迭代時，均需要對整個動作空間進行積分。由于該過程的計算量過于龐大，為此采取確定性策略，并充分結合目標神經網絡，直接利用函數μ確定一個動作[3]。函數μ實際上是一個最優行為策略，可將其表示為at=μ(st|θμ)，此時定量化模型可表征為

(4)

由于式(4)處于高維約束條件下處于失穩狀態，為解決式(4)存在的問題，本研究采用一階求導的方式對式(3)進行處理，此時神經網絡的最佳機制可表征為

|a=μθds=Es-ρμ[?θμθ(s)Qμ(s,a)|a=μθ]

(5)

1.2 典型PID控制優化子階段

通過神經網絡算法對典型PID模型中的積分項以及微分項進行協調，并建立二者之間的邏輯關系，以此實現對最優傳遞函數的捕獲，在最優傳遞函數的基礎上，完成控制模型初始積分項及微分項的設定，根據最優控制函數即可獲取輸出目標結果。加熱爐溫度控制系統的模型建立過程為

(1)首先對加熱爐溫度控制系統響應過程中輸出的離散值進行設定，該離散值可表示為y(k)，則由PID控制輸出的離散值為u(k)，典型PID控制算法的期望輸出值為e(k)[4]。

(2)其次，yd、ud、ed分別為上輪的控制參數。

(3)最后對典型PID控制算法描述的差分方程進行轉換，其公式為

y(k)=-den(2)yd+num(1)ud+num(2)ud

(6)

通過式(6)對典型PID控制器的輸出結構進行確定后，即可獲取相應的公式：

u(k)=Kpe(k)+Kd(e(k)-ed)+

Ki(e(k)+ed)

(7)

式中：Kp為比例參數；Kd為微分參數；Ki為積分參數。

當Kp參數出現變動時，可直接對式(7)的收斂效率產生影響，并為收斂效率帶來較大的超調，不利于對加熱爐的爐溫進行精準控制，此時應利用式(5)生成的積分對策略進行分離，實現遇限削弱積分分離，其公式為

uθ(k)=?θJ(μθ)(Kpe(k)+Kd(e(k)-ed)+

Ki(e(k)+ed)

(8)

收斂效率與超調之間存在一定的耦合關系，二者之間易出現不協調性，通過式(8)可實現對二者的協調。但是在協調過程中，若執行機構的控制信號過大，可使該執行機構進入飽和狀態或者截止區，導致執行機構呈現非線性特性，最終造成加熱爐溫度控制系統出現持續性的震蕩現象，無法有效保證系統的動態品質。為解決該問題的發生，本研究向系統內引入慣性微分機制，通過該機制得到的公式為

(9)

式中：Td為微分機制慣性因子的表征。為最大限度地增強微分的作用時間，本研究在典型PID算法的純微分環節上串接一個慣性環節，利用隔離的方式將微分項對高頻擾動的敏感容錯性進行隔離，有利于保證加熱爐爐溫調節的穩定性，實現全局最優閉環控制。通過定量化模型可大幅度的改善典型PID模型的基本性能，實現對加熱爐爐溫的精準控制[5]。

2 基于模糊PID控制的加熱爐爐溫控制系統調控器設計

2.1 溫度控制系統硬件電路邏輯關系

本研究對系統的硬件部分進行設計時，采用STM32F103單片機作為系統的核心設備，并完成硬件部分的外圍電路設計。外圍電路中高精度電源模塊主要負責為硬件系統提供高精度電壓；液晶顯示模塊在加熱爐溫度控制系統中主要負責顯示系統的常規信息；獨立按鍵模塊在加熱爐溫度控制系統中主要負責向系統內部輸入相應的信息；核心控制器模塊是整個系統的核心部分，可對系統進行整體控制；傳感器模塊在系統中主要負責對加熱爐的溫度信息進行采集；A/D轉換模塊在系統中主要負責信號轉換，使模擬信號轉換為數字信號；報警模塊可在系統出現異常情況時，采用聲光報警的方式提示工作人員前來維修；閥門控制模塊在系統中負責對加熱開關進行控制，加熱爐爐溫控制系統硬件電路邏輯關系如圖1所示[6]。

圖1 加熱爐爐溫控制系統硬件電路邏輯關系圖

2.2 改進PID控制算法的修正電路

傳統的PID算法在電路方面存在匹配性較弱、信號毛刺較多、實時性較差等缺陷，當啟動和關閉該電路的瞬間，可產生較大的脈沖干擾，無法實現對加熱爐爐溫的精準控制。為實現PID算法效能的最大化，本研究對傳統PID算法進行改進，向原電路中引入電橋調理、電容濾波、MOS管截止等電路。該方法可最大限度地彌補傳統PID算法存在的不足，有利于實現改進PID算法效能的最大化，改進PID控制算法的修正電路如圖2所示。

2.3 溫度控制系統軟件工作流程

本研究對加熱爐爐溫控制系統的軟件部分進行設計時，利用改進PID算法對加熱爐的溫度進行實時調控，其工作流程為：

圖2 改進PID控制算法的修正電路

(1)首先，對該系統的應用區域進行確定，并完成加熱爐爐溫控制系統內部各個參數的初始化。

(2)其次，對該系統的工作狀態進行判斷，若加熱爐的溫度存在異常現象，應利用改進后的PID控制算法對爐溫進行實時調控；若加熱爐的溫度不存在異常現象，可重新判斷加熱爐爐溫控制系統的工作狀態，直至加熱爐爐溫控制系統出現異常為止。

(3)最后，等待爐溫數據調控完畢后，判斷加熱爐爐溫控制系統是否恢復正常，若該系統未恢復正常，應立即啟動報警模塊，采用人工干預的方式對系統進行維護；若系統恢復正常，啟動PID算法的記錄功能，將當前系統的調控溫度進行精準記錄，并重新設定該系統的相關參數。各項參數均整定完畢后，結束軟件工作流程。

加熱爐爐溫控制系統軟件工作流程如圖3所示[7]。

圖3 加熱爐爐溫控制系統軟件工作流程圖

3 基于模糊PID控制的加熱爐爐溫控制系統調控器測試

本研究為驗證調控器軟硬件方案的合理性，采用實物制作與測試的方式，分別對加熱爐溫度控制系統調控器的硬件及軟件層面進行測試，該方式有利于保證測試結果的精準性。

對加熱爐爐溫控制系統調控器的硬件部分進行測試時，首先利用Altium Designer 16綜合開發環境完成調控器整體電路原理圖的繪制，并通過該環境生成STM32F103RBT6單片機核心板的打樣PCB。為實現外圍電路的集成，在該系統的電路中引出接口。為真實模擬出加熱爐的溫度調控過程，可向調控器的硬件電路中增加小型散熱風扇，通過該風扇實現加熱爐溫度的降低。

對加熱爐爐溫控制系統調控器的軟件部分進行測試時，首先將加熱爐溫度控制系統置于Keil4環境中，利用Keil4環境對軟件系統進行編程。軟件系統編程過程中，應嚴格遵循模塊化編程原則，完成多種子函數的獨立編寫，并將各個子函數應用于主函數中，實現主函數的聯合調用[8]。

基于上述測試準備工作，實現對加熱爐溫度控制系統的測試。測試結果顯示：該調控器在實際工作過程中具有良好的穩定性，向加熱爐爐溫控制系統中引入改進PID算法后，可使加熱爐爐溫控制系統具有較好的實時性、魯棒性以及精確性等優勢，滿足加熱爐爐溫控制系統對精準度的需求，可將其廣泛應用于加熱爐的溫度控制中。

4 結 語

本研究對加熱爐爐溫控制系統進行設計時，在BP神經網絡機制和PID算法的基礎上，采用分階段的方式建立加熱爐爐溫控制系統模型。控制系統模型成功建立后，為最大限度地還原加熱爐各設備的真實運維狀態，通過自適應調整的方式對典型PID模型中的積分項以及微分項進行協調，并建立二者之間的邏輯關系，以此實現對最優傳遞函數的捕獲。在最優傳遞函數的基礎上，完成控制模型初始積分項及微分項的設定，該函數的輸出目標結果即可還原設備的運行狀態。對該系統的硬件部分進行設計時，采用STM32F103單片機作為系統的核心設備，為實現PID算法效能的最大化，本研究對傳統PID算法進行改進，該方法可最大限度地彌補傳統PID算法存在的不足，有利于實現改進PID算法效能的最大化。為驗證系統的合理性，分別對軟件和硬件進行測試，測試結果表明，在PID算法的支持下，有利于提升加熱爐爐溫控制系統的穩定性，可滿足系統對精準度的實際需求。