论文部分内容阅读
摘 要: 蛋类孵化对温度控制的要求较高,为了提高孵化机温控系统的控制效果,基于专家-模糊PID 算法理论,通过MATLAB仿真和实验,验证了文中所阐述的方法与常用的PID控制相比,能使 孵化机温控系统根据热负荷变化在线修改控制参数,并具有更好的控制效果和鲁棒性。
关键词:专家-模糊PID;孵化机;温度;MATLAB
中图分类号:TP391文献标识码:A文章编号:1672-1098(2010)02-0021-04
Application of Expert-Fuzzy- PID Algorithm in
Temperature Controller of Hatcher
LIU Tao,PING Qing-jie,HE Biao,ZHANG Liu-zhong
YAO Hong-liang,MENG Xiang-yuan,XU Ming-li
(1. Department of Information Technology, Anhui Vocational College ofElectron ics and Information Technology,Beng bu Anhui 233000, China; 2.Dongguan Entry-exit Inspection and Quarantine Burea u,Dongguan Guangdong 523072, China; 3.Institute NO.214, China Arms Industry Grou pCorporation, Suzhou Jiangsu 215163, China;4.School of Electronic Engineering a nd Optoelectronic Technology, Nanjing University of Science and Technology, Nanj ing Jiangsu 210094, China)
Abstract: For the purpose of improving the effect of the temperature controllerof hatcher, based on theory of expert-fuzzy PID, by MATLAB simulation and expe ri ment it validated that the method discussed in the paper has more robustness intemperature control compared with conventional PID control method and can adjustparameters adaptively on line for varying state of the system, access to the Sa tisfactory results.
Key words:expert-fuzzy- PID; hatcher; temperature; MATLAB
蛋类孵化是一个复杂的过程,其内部环境条件随着不同的孵化进程,发生较大的变化,种蛋在孵化前期呼吸微弱,要吸收热量。随着孵化过程的进行,种蛋呼吸强度逐渐增强,需要更多的氧气,呼出更多的二氧化碳,并且从初始的吸收热量变为放出热量,此外孵化机的环境温度也随季节不同有较大变化。因孵化机温度系统难以建立准确的数学模型,所以采用常规的PID控制很难保证控制精度。而有经验的孵化师,可以根据环境条件的变化和孵化进程进行很好地控制,避免出现温度波动的问题[1]。针对这一特点,采用专家-模糊PID对孵化机温度进行控制是较为理想的方式。
1 孵化机温控系统模型
由孵化机的热负荷Qs,来自光线辐射的热量Qt,机箱渗入热量Qb,周围空气热Ql,禽蛋散热Qp。因此做以下假设:
(1) 箱内内温度均匀,且温度滞后为一阶环节,滞后常数T;
(2) 制热量Qa在正常恒定工作时保持不变;
(3) 扰动量主要来自负荷变化,c为可变负荷系数,与孵化机新旧程度等因素有关;根据热平衡方程如式(1),可得传递函数如图1所示。
Qair=Qa-Qs=Qa-c(Qt+Qb+Qp+Ql)=
maircpdTindt(1)
式中:Qair为空气内能变化率;mair为箱内气体质量;cp为比 热容量;Tin为箱内温度。图1 传递函数
从模型可以看出,由于外界环境的不同,其散热量处于不断的变化中,且温度属于大惯性环节,具有一定的滞后,因此控制对象的精确模型无法求出。一般的PID控制很难达到要求,而专家-模糊控制不依赖于被控对象的数学模型,而是在总结操作经验的基础上实现自动控制,特别适用于此种数学模型不确定的、复杂的、非线性系统进行控制。
2 PID控制器的设计与仿真
2.1 控制系统结构
这里采用自适应模糊PID控制方案(见图2),它由一个标准的PID控制器和一个自适应模糊结构组成,自适应模糊结构根据输入信号即偏差e和偏差变化率ec的大 小,方向以及变化趋势等特征,通过FUZZY推理作出相应决策,在线调整PID参数Kp,Ki, Kd以期获得满意效果。由于该温度控制是个大惯性环节,所以Kd基 本保持不变就行。
图2 控制系统结构图2.2 隶属度设计
设计控制器的第一步是确定输入与输出变量的论域和隶属度函数[2](见图3)。
图3 e和ec隶属度函数
(1) 记输入语言变量e和ec的论域为X∈(-3,3),温差E和EC定义为7 个模糊 子集{负大,负中,负小,零,正小,正中,正大},表示符号{NB,NM,NS,Z0,PS,PM,P B}。既将X划分为7个等级。 需要控制器对温度的变化较灵敏, 因此采用三角形 隶属函数。 实际的温差和温差变化率乘以比例系数, 通过线性映射到论域中。
(2) 记输出语言变量Kp的论域为X∈(0,4),KP定义4个模糊子 集{最小 ,较小,中等,大},表示符号{Z0,PS,PM,PB};Ki的论域定义为X∈(0,1) ,Ki定义4个模糊子集(Z0,PS,PM,PB)。
2.3 控制规则设计
文献[3]归纳了系统在被控制过程中对于不同的|e|、|ec|、PID参数K p、Ki的整定原则:
(1) 当|e|较大时,为使系统具有较好的跟踪性能,应取较大的Kp和较小的K d,同时为避免系统响应出现较大的超调,应对积分作用加以限制,通常Ki=0;
(2) 当|e|处于中等大小时,为使系统响应具有较小的超调Kp应取得小些。在 这种情况下,Kd的取值对系统响应的影响较大,Ki的取值要适当;
(3) 当|e|较小时,为使系统具有较好的稳定性能,Kp与Ki均应取得大 些,同时为避免系统在设定值附近出现振荡,Kd值的选择根据|ec|值较大时 ,Kd取较小值,通常Kd为中等大小。
根据上述的PID参数整定原则及专家经验[4]可以列出输出变量Kp与Ki 的控制规则表(见表1～表2)。
表1 Kp规则表
NBNMNSZ0PSPMPBNBPBPBPBPSPSPSPBNMPBPBPMPSPSPSPBNSPMPMPMPSPSPMPBZ0PBPBPMZ0PSPSPBPSPBPBPMPSPSPMPBPMPMPMPSPSPMPMPBPBPMPMPSPMPMPMPB
表2 Ki规则表
NBNMNSZ0PSPMPBNBPSPBPMPBPMPSZ0NMPSPBPMPBPMPSZ0NSPSPMPSPMPSPSZ0Z0Z0PMPMPSPSPMPMPSZ0PMPMPMPMPMPMPMZ0PSPMPMPBPBPBPBZ0PSPMPMPBPBZ02.4 仿真
2.4.1 计算 根据建立的模型,在常见工况下进行计算:
(1) 环境条件包括空气温度、机外空气焓值、机内空气温度、湿度、比热、密度和空气焓值 以及空气流动情况;
(2) 硬件条件机器平均表面积、机内体积、禽蛋数量;
根据文献介绍的热负荷计算方法,可求出热负荷Qs约等于1.6 kW,温度每升高1 ℃需要6.4 kW,在制热量Qa=9 kW时 ,仿真如图4所示。
2.4.2 仿真分析 由于机器的新旧程度、箱门的开关、 密封的好坏等都会产生影响,考虑系统在不同 的负荷下:t=0s,Qs=0.25; t=1 000 s, Qs=0.3;
t=2 000s,Qs=0.35;并在仿真过程中根据仿真结果,对专家-模糊控制器的输入和输出比例系数进行调整,直到得到理想的控制效果。为了分析比较,与传统的PID响应曲线放在一起,得到仿真曲线如图5所示。
可以看出,专家-模糊PID控制曲线1在无扰动的时候较PID控制超调量小,响应速度快。在有扰动的情形下,能自适应地修改Kp,Ki两个参数,系统能很快恢复稳态。这说 明模糊PID能很好的适应环境突然变化的要求。
图4 系统仿真图t/s
1. 专家-模糊PID控制;2. 常规PID控制
图5 PID和专家-模糊PID响应曲线图3 实验分析
在孵化机系统实验平台上,微控制器采集密封箱内的温度,自适应修改Kp,Ki 两个参数。在不同的散热条件下(实验中箱门打开不同的开度),采用1 000 W热源,得到其在初始室温(10 ℃)的条件下运行曲线如图6所示(曲线1为专家-模糊PID控制,曲线2为常规PID控制)。可见模糊PID控制的控制效果明显优于一般常规的PID控制。
图6 运行曲线图 4 结论
通过对孵化机系统的仿真及实验,证明了专家-模糊PID控制能很好地对孵化机温度进行控制,并且与常规的PID控制相比,响应超调小,调节时间少,控制精度高,能很快的进入稳定状态;自适应能力和抗干扰能力也得到了一定的增强。
综上,专家-模糊PID控制器能够一定程度上克服常规的PID控制器的局限性,在孵化机温控中有广泛的应用价值。
参考文献:
[1] 马汝星,林.基于模糊控制的孵化机 温度控制器设计[J].金华职业技术学院学报,2007(6):1-3.
[2] 刘金琨.先进PID控制MATLAB仿真[M].2版.北京:电子工业出版社,2004:9.
[3] DAUBECHIES I.Orthonormal Bases of Compactly Supported Wavelet[J] .Common Pure and Appl Math.,1988,41:909-996.
[4] HEKIMOGLU S.Robustitying conventional outlier detection pr ocedures[J].Sarveying Engineering,1999,125(2):69-86.
(责任编辑:李 丽)
关键词:专家-模糊PID;孵化机;温度;MATLAB
中图分类号:TP391文献标识码:A文章编号:1672-1098(2010)02-0021-04
Application of Expert-Fuzzy- PID Algorithm in
Temperature Controller of Hatcher
LIU Tao,PING Qing-jie,HE Biao,ZHANG Liu-zhong
YAO Hong-liang,MENG Xiang-yuan,XU Ming-li
(1. Department of Information Technology, Anhui Vocational College ofElectron ics and Information Technology,Beng bu Anhui 233000, China; 2.Dongguan Entry-exit Inspection and Quarantine Burea u,Dongguan Guangdong 523072, China; 3.Institute NO.214, China Arms Industry Grou pCorporation, Suzhou Jiangsu 215163, China;4.School of Electronic Engineering a nd Optoelectronic Technology, Nanjing University of Science and Technology, Nanj ing Jiangsu 210094, China)
Abstract: For the purpose of improving the effect of the temperature controllerof hatcher, based on theory of expert-fuzzy PID, by MATLAB simulation and expe ri ment it validated that the method discussed in the paper has more robustness intemperature control compared with conventional PID control method and can adjustparameters adaptively on line for varying state of the system, access to the Sa tisfactory results.
Key words:expert-fuzzy- PID; hatcher; temperature; MATLAB
蛋类孵化是一个复杂的过程,其内部环境条件随着不同的孵化进程,发生较大的变化,种蛋在孵化前期呼吸微弱,要吸收热量。随着孵化过程的进行,种蛋呼吸强度逐渐增强,需要更多的氧气,呼出更多的二氧化碳,并且从初始的吸收热量变为放出热量,此外孵化机的环境温度也随季节不同有较大变化。因孵化机温度系统难以建立准确的数学模型,所以采用常规的PID控制很难保证控制精度。而有经验的孵化师,可以根据环境条件的变化和孵化进程进行很好地控制,避免出现温度波动的问题[1]。针对这一特点,采用专家-模糊PID对孵化机温度进行控制是较为理想的方式。
1 孵化机温控系统模型
由孵化机的热负荷Qs,来自光线辐射的热量Qt,机箱渗入热量Qb,周围空气热Ql,禽蛋散热Qp。因此做以下假设:
(1) 箱内内温度均匀,且温度滞后为一阶环节,滞后常数T;
(2) 制热量Qa在正常恒定工作时保持不变;
(3) 扰动量主要来自负荷变化,c为可变负荷系数,与孵化机新旧程度等因素有关;根据热平衡方程如式(1),可得传递函数如图1所示。
Qair=Qa-Qs=Qa-c(Qt+Qb+Qp+Ql)=
maircpdTindt(1)
式中:Qair为空气内能变化率;mair为箱内气体质量;cp为比 热容量;Tin为箱内温度。图1 传递函数
从模型可以看出,由于外界环境的不同,其散热量处于不断的变化中,且温度属于大惯性环节,具有一定的滞后,因此控制对象的精确模型无法求出。一般的PID控制很难达到要求,而专家-模糊控制不依赖于被控对象的数学模型,而是在总结操作经验的基础上实现自动控制,特别适用于此种数学模型不确定的、复杂的、非线性系统进行控制。
2 PID控制器的设计与仿真
2.1 控制系统结构
这里采用自适应模糊PID控制方案(见图2),它由一个标准的PID控制器和一个自适应模糊结构组成,自适应模糊结构根据输入信号即偏差e和偏差变化率ec的大 小,方向以及变化趋势等特征,通过FUZZY推理作出相应决策,在线调整PID参数Kp,Ki, Kd以期获得满意效果。由于该温度控制是个大惯性环节,所以Kd基 本保持不变就行。
图2 控制系统结构图2.2 隶属度设计
设计控制器的第一步是确定输入与输出变量的论域和隶属度函数[2](见图3)。
图3 e和ec隶属度函数
(1) 记输入语言变量e和ec的论域为X∈(-3,3),温差E和EC定义为7 个模糊 子集{负大,负中,负小,零,正小,正中,正大},表示符号{NB,NM,NS,Z0,PS,PM,P B}。既将X划分为7个等级。 需要控制器对温度的变化较灵敏, 因此采用三角形 隶属函数。 实际的温差和温差变化率乘以比例系数, 通过线性映射到论域中。
(2) 记输出语言变量Kp的论域为X∈(0,4),KP定义4个模糊子 集{最小 ,较小,中等,大},表示符号{Z0,PS,PM,PB};Ki的论域定义为X∈(0,1) ,Ki定义4个模糊子集(Z0,PS,PM,PB)。
2.3 控制规则设计
文献[3]归纳了系统在被控制过程中对于不同的|e|、|ec|、PID参数K p、Ki的整定原则:
(1) 当|e|较大时,为使系统具有较好的跟踪性能,应取较大的Kp和较小的K d,同时为避免系统响应出现较大的超调,应对积分作用加以限制,通常Ki=0;
(2) 当|e|处于中等大小时,为使系统响应具有较小的超调Kp应取得小些。在 这种情况下,Kd的取值对系统响应的影响较大,Ki的取值要适当;
(3) 当|e|较小时,为使系统具有较好的稳定性能,Kp与Ki均应取得大 些,同时为避免系统在设定值附近出现振荡,Kd值的选择根据|ec|值较大时 ,Kd取较小值,通常Kd为中等大小。
根据上述的PID参数整定原则及专家经验[4]可以列出输出变量Kp与Ki 的控制规则表(见表1～表2)。
表1 Kp规则表
NBNMNSZ0PSPMPBNBPBPBPBPSPSPSPBNMPBPBPMPSPSPSPBNSPMPMPMPSPSPMPBZ0PBPBPMZ0PSPSPBPSPBPBPMPSPSPMPBPMPMPMPSPSPMPMPBPBPMPMPSPMPMPMPB
表2 Ki规则表
NBNMNSZ0PSPMPBNBPSPBPMPBPMPSZ0NMPSPBPMPBPMPSZ0NSPSPMPSPMPSPSZ0Z0Z0PMPMPSPSPMPMPSZ0PMPMPMPMPMPMPMZ0PSPMPMPBPBPBPBZ0PSPMPMPBPBZ02.4 仿真
2.4.1 计算 根据建立的模型,在常见工况下进行计算:
(1) 环境条件包括空气温度、机外空气焓值、机内空气温度、湿度、比热、密度和空气焓值 以及空气流动情况;
(2) 硬件条件机器平均表面积、机内体积、禽蛋数量;
根据文献介绍的热负荷计算方法,可求出热负荷Qs约等于1.6 kW,温度每升高1 ℃需要6.4 kW,在制热量Qa=9 kW时 ,仿真如图4所示。
2.4.2 仿真分析 由于机器的新旧程度、箱门的开关、 密封的好坏等都会产生影响,考虑系统在不同 的负荷下:t=0s,Qs=0.25; t=1 000 s, Qs=0.3;
t=2 000s,Qs=0.35;并在仿真过程中根据仿真结果,对专家-模糊控制器的输入和输出比例系数进行调整,直到得到理想的控制效果。为了分析比较,与传统的PID响应曲线放在一起,得到仿真曲线如图5所示。
可以看出,专家-模糊PID控制曲线1在无扰动的时候较PID控制超调量小,响应速度快。在有扰动的情形下,能自适应地修改Kp,Ki两个参数,系统能很快恢复稳态。这说 明模糊PID能很好的适应环境突然变化的要求。
图4 系统仿真图t/s
1. 专家-模糊PID控制;2. 常规PID控制
图5 PID和专家-模糊PID响应曲线图3 实验分析
在孵化机系统实验平台上,微控制器采集密封箱内的温度,自适应修改Kp,Ki 两个参数。在不同的散热条件下(实验中箱门打开不同的开度),采用1 000 W热源,得到其在初始室温(10 ℃)的条件下运行曲线如图6所示(曲线1为专家-模糊PID控制,曲线2为常规PID控制)。可见模糊PID控制的控制效果明显优于一般常规的PID控制。
图6 运行曲线图 4 结论
通过对孵化机系统的仿真及实验,证明了专家-模糊PID控制能很好地对孵化机温度进行控制,并且与常规的PID控制相比,响应超调小,调节时间少,控制精度高,能很快的进入稳定状态;自适应能力和抗干扰能力也得到了一定的增强。
综上,专家-模糊PID控制器能够一定程度上克服常规的PID控制器的局限性,在孵化机温控中有广泛的应用价值。
参考文献:
[1] 马汝星,林.基于模糊控制的孵化机 温度控制器设计[J].金华职业技术学院学报,2007(6):1-3.
[2] 刘金琨.先进PID控制MATLAB仿真[M].2版.北京:电子工业出版社,2004:9.
[3] DAUBECHIES I.Orthonormal Bases of Compactly Supported Wavelet[J] .Common Pure and Appl Math.,1988,41:909-996.
[4] HEKIMOGLU S.Robustitying conventional outlier detection pr ocedures[J].Sarveying Engineering,1999,125(2):69-86.
(责任编辑:李 丽)