常用pid調(diào)節(jié)器/溫控儀控制算法包括常規(guī)pid、模糊控制、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及廣義預(yù)測等算法。常規(guī)pid控制易于建立線性溫度控制系統(tǒng)被控對象模型；模糊控制基于規(guī)則庫，并以絕對或增量形式給出控制決策；神經(jīng)網(wǎng)絡(luò)控制采用數(shù)理模型模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，并用簡單處理單元連接成復(fù)雜網(wǎng)絡(luò)；puzzy-pid為線性控制，且結(jié)合模糊與pid控制優(yōu)點(diǎn)。
1、引言
溫度控制系統(tǒng)是變參數(shù)、有時(shí)滯和隨機(jī)干擾的動(dòng)態(tài)系統(tǒng)，為達(dá)到滿意的控制效果，具有許多控制方法。故對幾種常見的控制方法及其優(yōu)缺點(diǎn)進(jìn)行了分析與比較。
2、常見溫度控制方法
2.1 常規(guī)pid控制
pid控制即比例、積分、微分控制，其結(jié)構(gòu)簡單實(shí)用，常用于工業(yè)生產(chǎn)領(lǐng)域。原理如圖1。
圖1 常見pid控制系統(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，對系統(tǒng)動(dòng)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)節(jié)器廠家生產(chǎn)的調(diào)節(jié)器均為常規(guī)pid控制算法。
2.2 模糊控制
模糊控制(fuzzy control)是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的計(jì)算機(jī)控制。原理如圖2。
圖2 模糊控制系統(tǒng)原理框圖
2.3 神經(jīng)網(wǎng)絡(luò)控制
神經(jīng)網(wǎng)絡(luò)控制采用數(shù)理模型的方法模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，用簡單處理單元連接形成各種復(fù)雜網(wǎng)絡(luò)，并采用誤差反向傳播算法(bp)。原理如圖3：
圖3 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的原理框圖
2.4 fuzzy-pid控制
模糊控制不需知道被控對象的精確模型，易于控制不確定對象和非線性對象。pid本質(zhì)是線性控制。將模糊控制與pid結(jié)合多，以fuzzy-pid混合控制為例，據(jù)給定值與測量值之偏差e選擇智能控制器，根據(jù)e的變化選擇控制方法，當(dāng)|e|≤emin或|e|≥emax時(shí)，采用pid控制；當(dāng)emin≤|e|≤emax時(shí)，采用fuzzy控制。其結(jié)構(gòu)框圖如圖4。
圖4 fuzzy-pid混合控制結(jié)構(gòu)框圖
2.5 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，如圖5。神經(jīng)網(wǎng)絡(luò)控制器nnc是前饋控制器，通過對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u(t)趨近于零，使自己逐漸在控制中占據(jù)主導(dǎo)地位，以減弱或最終消除反饋控制器的作用。
圖5 神經(jīng)網(wǎng)絡(luò)pid控制結(jié)構(gòu)框圖
2.6 模糊神經(jīng)網(wǎng)絡(luò)控制
將模糊邏輯與神經(jīng)網(wǎng)絡(luò)結(jié)合，采用神經(jīng)網(wǎng)絡(luò)模糊邏輯推理網(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)使控制器具有自調(diào)整、自學(xué)習(xí)和自適應(yīng)能力，達(dá)到模糊智能控制。如圖6。
圖6 模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)圖
2.7 遺傳pid控制
遺傳pid控制是將控制器參數(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控制器的最佳參數(shù)，不要求系統(tǒng)是否為連續(xù)可調(diào)，能否以顯式表示。基于遺傳算法的自適應(yīng)pid控制的原理框圖如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)，然后將控制量輸出，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(gè)體，過通過繁殖交叉和變異遺傳操作生成新一代群體，經(jīng)過多次搜索獲得最大適應(yīng)度值的個(gè)體。
圖7 基于遺傳算法的自適應(yīng)pid控制結(jié)構(gòu)圖
2.8 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?；赾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。
3、常見溫度控制方法的對比分析
通過上述溫度控制方法的原理分析，表1給出各種溫度控制特性與應(yīng)用場合的情況。
溫控儀控制算法
控制算法的控制特性
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)簡單、實(shí)用，性價(jià)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控制系統(tǒng)的被控對
象模型
模糊控制
與傳統(tǒng)的pid控制相比，響應(yīng)快，超
調(diào)量小，魯棒性強(qiáng)
純滯后，參數(shù)時(shí)變或非線性的溫度控制
系統(tǒng)，如干燥機(jī)、工業(yè)爐等的溫度控制
神經(jīng)網(wǎng)絡(luò)控制
魯棒性強(qiáng)，響應(yīng)速度快，抗干擾能力
強(qiáng)，算法簡單，易于用硬件和軟件實(shí)現(xiàn)
多變量、多參數(shù)、非線性與時(shí)變系統(tǒng)
如：電阻爐的溫度控制等
復(fù)
合控
制
fuzzy-pid控制
具有很強(qiáng)的適應(yīng)性，只要知道部分知識(shí)
即可建立bp算法
一些大滯后系統(tǒng)中自動(dòng)尋優(yōu)p、i、d參
數(shù)，如管式加熱爐的溫度控制
模糊神經(jīng)網(wǎng)絡(luò)控制
動(dòng)態(tài)響應(yīng)快，能達(dá)到高精度的快速控制，
具有極強(qiáng)的魯棒性和適應(yīng)能力，穩(wěn)定性好
需要不斷修正控制參數(shù)的溫度控制系統(tǒng)。
如熱電偶校驗(yàn)儀等控溫裝置
遺傳pid控制
調(diào)試方便，控制精度高，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)廣義預(yù)測
及控制
魯棒性強(qiáng)，控制精度高
醫(yī)用溫度控制，如微波熱療中的 溫度
控制
模糊、神經(jīng)網(wǎng)絡(luò)
模糊控制魯棒性強(qiáng)。動(dòng)態(tài)響應(yīng)與上升時(shí)
間快，超調(diào)小，pid控制器的動(dòng)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(shí)定性的
溫度控制系統(tǒng)，如高分子聚合 物反應(yīng)
溫度控制等
模糊、神經(jīng)網(wǎng)絡(luò)
和遺傳控制
實(shí)現(xiàn)溫度隨外界干擾條件的乏化,實(shí)時(shí)的
調(diào)節(jié)網(wǎng)絡(luò)和控制規(guī)律的功能，具有良好
的溫度跟蹤性能和抗干擾能力
對升溫速度和恒溫過程的精度要求較高
的控制系統(tǒng)，如淬此爐溫度控制等
將線性與非線性控制相結(jié)合。使溫度能滿足用戶的精度要求是溫控系統(tǒng)的最終目的。在實(shí)際應(yīng)用中，根據(jù)具體的應(yīng)用場合、不同的加熱對象、不同的控制要求和控制精度，選擇不同的控制方式。