常用温度控制法的对比VIP免费

兵工自动化2005年第24卷第6期■接撞mMeasurementandControlTechniqueO．I．Automation2005，Vbl．24，No．6文章编号：1006一1576(2005)06一0086—03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541004)摘要：常用温度控制包括常规PID、模糊、神经网络、Fuzzy．PID、神经网络PID、模糊神经网络、遗传PID及广义预测等控制方法。常规PID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；Fuzzy．PID为线性控制，且结合模糊与PID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；PID控制；模糊控制；神经网络；遗传算法；预测控制中图分类号：TP273文献标识码：AContrastResearchofUniversalTemperatureControlMethodsYANGOi—wei，CHENYi(Dept．ofComputer，GuilinUnivefsityofElectronicTechnology，Guilin54l004，China)Abstract：CommontemperaturecontrolmethodsincluderoutinePID，fuzzV，neuralnetwork，Fuzzy．PID，neuralnetworkPID，fuzzvneuralnetwork。GeneticPID。GeneralizedPredictiveandsoon．RoutinePIDcontrolwaseasytoestablishlineartemperaturecontrolledobjectmodel．Fuzzycontrolwasbasedonrulesbase，andgavecontroldecisionswithabsoIuteorincrementform．Neuralnetworkcontrolusedmathematicalmodeltosimulatebiolo窟icalnervecellstructufe，andioinedsimpleunittoformcomplexnetwork．Fuzzv．PIDcontrolwaslinearcontrolandcombinedtheadvanta2esoffuzzyandPIDcOntr01．Throughcontrastingandanalyzingofthetypicaltemperaturecontrolmethods，thecontrolcharacteristics，fbnctionsandmajorapplicationoccasionofthesemethodsweregiven．Keywords：TemperatureContr01；PIDControl；Fuzzycontr01；Neuralnetwork；Geneticalgorithm；Predictivecontr011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PID控制PID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1PID控制系统的原理框图明显缺点是现场PID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kl处理黼匦Po__‘崎P—_■_⋯’‘≯‘__‘fIl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(FuzzyContr01)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(BP)。原理如图3。图3神经网络控制系统的原理框图2．4Fuzzy—PID控带0币匪豇端罴￡卜匦囵十一l====l图4Fuzzy—PID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。PID本质是线性控制。将模糊控制与PID结合，以Fuzzy—PID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PID控制；当e。i。≤IeI≤e。。。时，采用Fuzzy控制。其结构框图如图4。收稿日期：2005一05—25：修回日期：2005一07—22作者简介：杨启伟(1980一)，男，四川人，工程师，在读硕士，2003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。·86·万方数据^^b砷化2005年第24卷第6期量控控mMeasurcme眦andControlRchⅡi口ueOIAutomation20U5．vo}24．No．62．5神经网络PID控制在PID控制的基础上，加入神经网络控制器，构成神经网络PID控制器，如图5。神经网络控制器NNC是前馈控制器，通过对PID控制器的输出进行学习，在线调整自己，目标是使反馈误差...