常用温度控制法的对比.pdf

兵工自动化2 0 0 5 年第2 4 卷第6 期接撞mM e a s u r e m e n ta n dC o n t r o lT e c h n i q u eO I A u t o m a t i o n2 0 0 5，V b l 2 4，N o 6文章编号：1 0 0 6 一1 5 7 6(2 0 0 5)0 6 一0 0 8 6 0 3常用温度控制法的对比杨启伟，陈以(桂林电子工业学院计算机系，广西桂林5 4 1 0 0 4)摘要：常用温度控制包括常规P I D、模糊、神经网络、F u z z y P I D、神经网络P I D、模糊神经网络、遗传P I D 及广义预测等控制方法。常规P I D 控制易于建立线性温度控制系统被控对象模型。模糊控制基于规则库，并以绝对或增量形式给出控制决策。神经网络控制采用数理模型模拟生物神经细胞结构，并用简单处理单元连接成复杂网络；F u z z y P I D 为线性控制，且结合模糊与P I D 控制优点。并给出了各方法的控制特性、功能及主要应用场合。关键词：温度控制；P I D 控制；模糊控制；神经网络；遗传算法；预测控制中图分类号：T P 2 7 3文献标识码：AC o n t r a s tR e s e a r c ho fU n i v e r s a lT e m p e r a t u r eC o n t r o lM e t h o d sY A N GO i w e i，C H E NY i(D e p t o fC o m p u t e r，G u i l i nU n i v e f s i t yo f E l e c t r o n i cT e c h n o l o g y，G u i l i n5 4l0 0 4，C h i n a)A b s t r a c t：C o m m o nt e m p e r a t u r ec o n t r o lm e t h o d si n c l u d er o u t i n eP I D，f u z z V，n e u r a ln e t w o r k，F u z z y P I D，n e u r a ln e t w o r kP I D，f u z z vn e u r a ln e t w o r k。G e n e t i cP I D。G e n e r a l i z e dP r e d i c t i v ea n ds oo n R o u t i n eP I Dc o n t r o lw a se a s yt oe s t a b l i s hl i n e a rt e m p e r a t u r ec o n t r o l l e do b j e c tm o d e l F u z z yc o n t r o lw a sb a s e do nr u l e sb a s e，a n dg a v ec o n t r o ld e c i s i o n sw i t ha b s o I u t eo ri n c r e m e n tf o r m N e u r a ln e t w o r kc o n t r o lu s e dm a t h e m a t i c a lm o d e lt os i m u l a t eb i o l o 窟i c a ln e r v ec e l ls t r u c t u f e，a n di o i n e ds i m p l eu n i tt of o r mc o m p l e xn e t w o r k F u z z v P I Dc o n t r o lw a sl i n e a rc o n t r o la n dc o m b i n e dt h ea d v a n t a 2 e so ff u z z ya n dP I Dc O n t r 0 1 T h r o u g hc o n t r a s t i n ga n da n a l y z i n go ft h et y p i c a lt e m p e r a t u r ec o n t r o lm e t h o d s，t h ec o n t r o lc h a r a c t e r i s t i c s，f b n c t i o n sa n dm a j o ra p p l i c a t i o no c c a s i o no ft h e s em e t h o d sw e r eg i v e n K e y w o r d s：T e m p e r a t u r eC o n t r 0 1；P I DC o n t r o l；F u z z yc o n t r 0 1；N e u r a ln e t w o r k；G e n e t i ca l g o r i t h m；P r e d i c t i v ec o n t r 0 11引言温度控制系统是变参数、有时滞和随机干扰的动态系统，为达到满意的控制效果，具有许多控制方法。故对几种常见的控制方法及其优缺点进行了分析与比较。2 常见温度控制方法2 1 常规P I D 控制P I D 控制即比例、积分、微分控制，其结构简单实用，常用于工业生产领域。原理如图1。图1P I D 控制系统的原理框图明显缺点是现场P I D 参数整定麻烦，易受外界干扰，对于滞后大的过程控制，调节时间过长。其控制算法需要预先建立模型，对系统动态特性的影响很难归并到模型中。2 2 模糊控制鬻I 控制H 量化吲变量k l 处理黼匦P o _ _ 崎P _ _ _ _ f Il 模糊l|l 模糊 I 非模i l 控制卜l 推理H 糊化陟同画l 规则础决策谵浏处理b 一图2 模糊控制系统的原理框图模糊控制(F u z z yC o n t r 0 1)是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的计算机控制。原理如图2。2 3 神经网络控制神经网络控制采用数理模型的方法模拟生物神经细胞结构，用简单处理单元连接形成各种复杂网络，并采用误差反向传播算法(B P)。原理如图3。图3神经网络控制系统的原理框图2 4F u z z y P I D 控带0币匪豇端罴卜匦囵十一l=l图4F u z z y P I D 混合控制结构框图模糊控制不需知道被控对象的精确模型，易于控制不确定对象和非线性对象。P I D 本质是线性控制。将模糊控制与P I D 结合，以F u z z y P I D 混合控制为例，据给定值与测量值之偏差e 选择智能控制器，根据e 的变化选择控制方法，当IeI e。i。或IeI e。时，采用P I D 控制；当e。i。IeI e。时，采用F u z z y 控制。其结构框图如图4。收稿日期：2 0 0 5 一0 5 2 5：修回日期：2 0 0 5 一0 7 2 2作者简介：杨启伟(1 9 8 0 一)，男，四川人，工程师，在读硕士，2 0 0 3 年毕业于桂林电子工业学院，从事智能控制、计算机控制研究。8 6 万方数据 b 砷化2 0 0 5 年第2 4 卷第6 期量控控mM e a s u r c m e 眦a n dC o n t r o lR c h i 口u eOIA u t o m a t i o n2 0 U 5 v o 2 4 N o 62 5 神经网络P I D 控制在P I D 控制的基础上，加入神经网络控制器，构成神经网络P I D 控制器，如图5。神经网络控制器N N C 是前馈控制器，通过对P I D 控制器的输出进行学习，在线调整自己，目标是使反馈误差e(t)或u l(t)趋近于零，使自己逐渐在控制中占据主导地位，以减弱或展终消除反馈控制器的作用。囝5 神经网络P I D 控制结构框图2 6 模糊神经网络控制图6 模糊神经网络控制结构框图将模糊逻辑与神经网络结合，采用神经网络模糊逻辑推理网络模型和快速的自学习算法，通过网络的离线训练和在线自学习使控制器具有自调整、自学习和自适应能力，达到模糊智能控制。如图6。2 7 遗传P I D 控制遗传P I D 控制足将控制器参数构成基因型，将性能指标构成相廊的适应度，利用遗传算法来整定控制器的最佳参数，1 i 要求系统是否为连续可调，能否以显式表示。基于遗传算法的自适应P I D 控制的原理框图如图7。遗传P I D 温控系统将测量值与给定值进行比较，用遗传算法来优化P I D 参数，然后将控制量输出，实现将P I D 参数串接构成完整染色体，从而构成遗传空间中的个体，通过繁殖交叉和变异遗传操作生成新一代群体，经过多次搜索获得最大适应度值的个体。图7 基于遗传算法的自适应P I D 控制结构图2 8，。义预测控制预测控制(P r e d i c t i v ec o 毗】)是基于模型的计算机控制算法。其预测模型有脉冲响出模型、阶跃响应模型、c A M R M A 模型和c A R I M A 模型。基于c A R I M A 模型的广义预测控制(G P c)是一种新型计算机控制算法。3常见温度控制方法的对比分析通过上述温度控制方法的原理分析，表l 给出各种温度控制特性与应用场台的情况。表1常见温度控制特性与应用场合情况对比表控制方式控制特性应。用场合堇常规P I D 拄制优点：鲒构简单、实用，性价比高。缺点：鲁棒性不强；适应性不快；协调牲不够好等易于建主的线性温度控制系统的被控对象模型。一纯滞后，参数时变或非线性的温度控制系统，如干燥控模糊控制与传统的P I D 控制相比，响应快，超调量小，鲁棒性强。机1 1、工业炉f。“等的温虚控制。制鲁棒性强，响应速度快，抗干扰能力强，算法简单，易多变量多参鞭、非线性与时变系统，如电阻炉的温神经鹤络控制于用硬件和软件实现度拄制1 圳等。与P I D 控制相比，响应快，超调量小，抗干扰能力更强：任何P I D 控制和模糊控制应用的场合。如各种工业炉F u z z v-P I D 控制与模糊控制相比，控制精度重高，鲁棒性更强，窑、某些化工过程和热电厂蒸汽温度2 1 1 控制等神经网络P I D具有很强的适应性，只要知道部分知识即可建立B P 算一些太纯滞后系妻屯中自动寻优P、I、D 参数，如管式控制法。加热圹的温度控制。模糊神经网络动态响应快，能达到高精度的快速控制，具有极强的鲁需要不断修正控制参数的温度控制系统。如热电偶校复控制棒性和适应能力，稳定性好。验仪刚等控温装置告遗传P I D 控制调试方便，控匍精度高，抗干扰性强，较高的稳定性能。寻求全局最优且不需任何初始信息的P、1、D 参教导控优温控系统中，如陀螺温控系兢【“垮。制自适应广义预测控制鲁棒性强，控制精度高。医用温度控制，如微波热疗中的温度控制等。模糊，神经网络模糊控制鲁棒性强。动态响应与上升时闯快，超调小具有较太的滞后性，非线性、时定性的温度控制系统和P T D 拄制P I D 控制嚣的动态跟踪品质好和穗态精度高。如高分子聚合物反应温度控制“1 等。模糊神经网络实现温度随外界干扰条件的乏化实时的调节网络和控制对升温速度和恒温过程的精度要求较高的控制系统，和遗传控静j规律的功能，具有良好的温度跟踪性能和抗干扼能力如淬此炉温度控制2 7 等。4 结论将线性与非线性控制相结合。使温度能满足用户的精度要求是温控系统的最终目的。在实际应用中，根据具体的应用场合、不同的加热对象、不同的控制要求和控制精度，选择不同的控制方式。参考文献：【1 王宪平，李圣怡超精密环境温度控制及温度测量技术研究【J】中国机械i 程，2 0 0 0，1 l(8)：8 6 98 7 2 2 1MO r z v l o w s k i TK a l u z n l a c k i ZR u d 0 1 fe t cP r e c i s eT e m p e r a t u r eC o n t r 0 1t o rM e a s u r e m e n tP u r D o s e sr J I E E ET r a n s 1 9 9 9 6 3 张吉礼，孙德兴，欧进萍等测试室温度模糊控制试验研究f J J 暖通空调2。0 2，3 2 3)：1 1 0l i 3 4 周茵，陆会明，闰伟永，等电阻炉温度控制系统【J】工 万方数据【8】2 1 a：G e r a d。S j s l i a“：曼竺1 1：i 絮a n!宅竺篡氅【2 3 l 王耀i 神经网络i 适应模糊控制在童爱控制系统中黑竺竺：慧，：2 品。：尘纛蒜”叭“hm，”磊差鬲赢1 蒿篙i 摹i 乏磊i 肖菇(葛：。：j；U n i v e r s i t v0 fN O t r e d a m e，2 0 0 0”。J 1”，耄豫黎。篡麓，烹黛堂。动控制领域中的口0 1：姜舞。i 曼。；监篙：裟淼墨孑。嬲：笛，譬里综当旦】。冀曼，兰掣：?竺：1 2。一+乏：嚣甚二i l s；揣。j 苗；：孑爵菇；五f。【1 6 l 余勇：乏譬堂：誓传苎妻妻璺警量控系统!堂哆，研究 3 1 ；=：；：篙二4：；=；。：。之五j；：釜F。i。J l 东南大学学报(自然科学版)，2 0 0 0，3 0(2)：7 5 7 8。蠢：茹o kc：磊茹a t：n 昌s i n gG e n e t i cA l g o r i t h m sf J P f：要竺：i?竺!，：。竺2 譬：竺，鼍粤譬妻：竺!3 2】刘宝坤，等基于遗传算法的神经网络自适应控制器T r e a t r I l e n t so f c a n c e r A P r o c e e d i n g so f 山eA m e r i c a n1 4 一1i 篡：?：i“川1 1 赫i 瀛鬻层次分解法和决策处理法，把系统故障分解成子故障。直至不能再分的页故障。由设备各级故障对象实例设备对象，获取设备状态信息，验证设备故障，找出设备故障产生原因，故障排除方法，得出设备维修决策和设备状态性能意见。图6 面向对象诊断推理图5 结论基于w e b s e r v e r 技术的面向对象的层次分解故障诊断系统，在部队某装备的远程故障中得到了实际应用，取得了良好效果。但层次分解后对象耦台程度还较高，故障征兆信息提取还不是很有效，有8 R 待进一步研究。参考文献：【1J 刘宝赋，张科，廖志忠，等基于系统分层与故障树的故障诊断方法【J】火力与控制，2 0 0 2，(1 0)：6 3 6 5【2 李维D e J p h i5x 分布式多层应用电子商务篇【M】北京机械I 业出版社2 0 0 0 万方数据常用温度控制法的对比常用温度控制法的对比作者：杨启伟，陈以，YANG Qi-wei，CHEN Yi作者单位：桂林电子工业学院计算机系,广西,桂林,541004刊名：兵工自动化英文刊名：ORDNANCE INDUSTRY AUTOMATION年，卷(期)：2005,24(6)被引用次数：7次 参考文献(33条)参考文献(33条)1.Pedrycz W Genetic Algorithms for Learning in Fuzzy Relational Structures外文期刊 19992.Ishigami H;Fukuda T;Shibata T Structure Optimization of Fuzzy Neural Network by Genetic外文期刊19953.Patrick Sizrry;Francois Guely A Genetic Algorithm for Optimizing Takagi-Sugeno Fuzzy Rule Bases外文期刊 1998(1)4.赵锡龄;焦云婷 单神经元自适应控制PSD在再热汽温控制中的应用期刊论文-中国电机工程学报 2001(02)5.Lee C C Fuzzy Logic in Control System外文期刊 1990(02)6.M Orzylowski;T Kaluzniacki;Z Rudolf Precise Temperature Control for Measurement Purposes 19997.孙巍;何洪;周恩涛 基于MNN神经网络的液压系统油温的PWM自学习控制期刊论文-机械工程 1998(07)8.Diaz Gerado Cristian Simulation and Control of Heat Exchangers Using Artificial Neural Networks 20009.胡泽新;周金荣;黄道 多变量非线自整定PID.控制器 1996(04)10.Wray Michelle Lynn A Fuzzy Logic Controller for Temperature Control of a Six Zone Tube Furnace 200111.王文杰 模糊控制理论在温度控制中的应用 1995(06)12.周茵;陆会明;闫伟永 电阻炉温度控制系统期刊论文-工业加热 2001(05)13.张吉礼;孙德兴;欧进萍 测试室温度模糊控制试验研究期刊论文-暖通空调 2002(03)14.廖俊 遗传算法在T-S模糊模型辨识中的应用 1997(02)15.刘宝坤 基于遗传算法的神经网络自适应控制器的研究 1997(04)16.Steve A Billings;Guang L Z Radial Basis Function Netwok Configuration Using Genetic Algorithms外文期刊 1995(06)17.胡燕瑜;桂卫华;唐朝晖 基于模糊神经网络的淬火炉温度控制期刊论文-计算技术与自动化 2003(03)18.李英顺;伦淑娴;皮红梅 基于模糊神经网络的温度控制系统期刊论文-鞍山钢铁学院学报 2002(06)19.李志勇;隋修武;向婉成 自适应广义预测控制在微波热疗机中的应用 1997(05)20.王世杰;隋修武 微波热疗机中的测温与控温技术研究 1997(04)21.王耀南 神经网络自适应模糊控制在温度控制系统中的应用学位论文 199622.李春香;钟碧良;毛宗源 基于神经网络实现的PID控制器期刊论文-石油化工高等学校学报 1999(02)23.宋明刚;樊尚春 一种高精度温度控制的复台方法及其应用期刊论文-北京航空航天大学学报 2001(05)24.阮大伟;陈晓燕 关于神经网络系统在电阻炉温度控制中的应用期刊论文-东北电力学院学报 2001(01)25.邹恩 基于模糊理论的电阻炉温度控制期刊论文-仪表技术与传感器 2000(10)26.王昌世 模糊控制及其在纸管干燥机温度控制中的应用 1997(05)27.Dhiraj Aroral;Mikhail Skliar;Robert B.Roemer Model Predictive Control of Ultrasound HyperthermiaTreatments of Cancer 200228.余勇;万德钧 遗传算法在陀螺温控系统中的应用研究期刊论文-东南大学学报(自然科学版)2000(02)29.杨智民;王旭;庄显义 遗传算法在自动控制领域中的应用综述期刊论文-信息与控制 2000(04)30.王耀南 基于模糊神经网络的温度控制器研制期刊论文-电子测量与仪器学报 1997(01)31.付华 基于模糊神经网络融合的温度控制方法研究期刊论文-辽宁工程技术大学学报(自然科学版)2003(10)32.钟碧良;谢小球;毛宗源 基于神经元网络参数自调整的PID控制器 1999(06)33.王宪平;李圣怡 超精密环境温度控制及温度测量技术研究期刊论文-中国机械工程 2000(08)本文读者也读过(10条)本文读者也读过(10条)1.樊军庆.张宝珍.FAN Jun-qing.ZHANG Bao-zhen 温度控制理论的发展概况期刊论文-工业炉2008,30(6)2.张永立.ZHANG Yong-li 预测模糊自整定PID集成控制系统在温度控制中的应用研究期刊论文-河北科技大学学报2006,27(3)3.叶青.熊茂华.Ye,Qing.Xiong,Maohua 预测-PID串级控制在发酵过程中的应用期刊论文-微计算机信息2006,22(22)4.尹志宇.于富强.李青茹.郭晴.YIN Zhi-yu.YU Fu-qiang.LI Qing-ru.Guo Qing 基于神经网络的模糊控制器对温度控制的实现期刊论文-工业加热2006,35(3)5.林海平.胡守贵.陈静.邹洁.LIN Hai-ping.HU Shou-gui.CHEN Jing.ZHOU Jie 基于预测控制的人造水晶温度控制系统期刊论文-机电工程2006,23(5)6.孙久.SUN Jiu 基于BP神经网络的生化分析仪的温度控制期刊论文-盐城工学院学报（自然科学版）2009,22(4)7.周奕辛.于艳春.ZHOU Yi-xin.YU Yan-chun 模糊控制在温度控制系统中的研究和应用期刊论文-仪器仪表用户2007,14(2)8.陈平.王俏.CHEN Ping.WANG Qiao 基于混沌RBF的PID控制在窑炉中的应用期刊论文-微计算机信息2008,24(19)9.李英春.王孟效.LI YINGCHUN.WANG MENGXIAO 基于BP神经网络PID的漂白温度控制算法的研究期刊论文-微计算机信息2006,22(34)10.张彦军.韩帮华.张晶.ZHANG Yan-jun.HAN Bang-hua.ZHANG Jing 基于BP神经网络整定的PID温度控制期刊论文-吉林化工学院学报2008,25(3)引证文献(7条)引证文献(7条)1.陈伯芳.尹平林.马龙 基于模糊神经网络的温度控制系统研究期刊论文-计算机与数字工程 2010(7)2.张英平.张朝阳 孵化场温度控制器的Proteus仿真设计期刊论文-吉林师范大学学报（自然科学版）2010(4)3.余建军 电热水器出水温度控制器期刊论文-科技信息 2010(21)4.曾明.廖力清 真空烧结炉炉温控制系统关键技术研究期刊论文-现代商贸工业 2009(8)5.张晓军.高美凤 基于MCGS的轨道板蒸汽养护监控系统期刊论文-科学技术与工程 2008(11)6.赵长占 基于GANN的不完全微分PID在集中供热换热站温度控制中的应用研究学位论文硕士 20077.辛胜 烘干炉温度控制系统的设计和研究学位论文硕士 2006 本文链接：http:/