智能控制在温度控制领域中的应用研究

来源:用户上传      作者:

　　摘要：温度控制具有大惯性、大滞后、时变性、非线性等特点，传统PID控制在温度控制领域不能达到理想效果。本文主要叙述在温度控制领域中应用的一些智能控制技术，并介绍一些融合技术，以便在此领域有所了解。
　　关键词：温度控制;智能控制;融合技术
　　中图分类号：TP273 文献标识码：A 文章编号：1007-9416（2020）02-0065-02
　　0 引言
　　由于传统PID控制原理通俗易懂、使用方便灵活、可适应性强，因此，广泛应用于各种工业控制领域。但是，确定传统PID最优控制参数需要反复调节，对于大惯性、大滞后、时变性、非线性的复杂控制系统，很难精准建立控制模型，传统PID控制未能达到理想的控制效果。温度控制广泛应用于大型工业和日常生活用品生产中，随着温度控制要求不断增加，智能控制应运而生。鉴于智能控制技术成功地对温度进行控制以及对今后控制领域的现实应用具有重大意义，本文针对智能控制在温度控制领域中的应用进行了系统的分析和综述。
　　1 智能控制的应用
　　近年来，神经网络、模糊控制、遗传算法等智能控制在温度控制领域取得了良好的应用效果，通过将研究目标由被控对象转为控制器本身，来解决不确定性的复杂控制问题。
　　神经网络具有自适应能力强，学习算法简单，实时性好等优点，通常采用软件编程来实现，可降低硬件成本，具有较强的抗干扰能力且便于调试，可自动调节神经元权值，具有良好的快速学习收敛能力。PID神经网络是由比例神经元、积分神经元和微分神经元组成的多层神经网络，兼顾神经网络和PID控制优点，对于多变量强耦合时变系统，PID神经网络可以通过在线学习，根据对象参数发生变化时对系统输出性能的影响来调整连接权值，改变网络中比例、积分、微分作用的强弱，使系统具备良好动态和静态性能，达到系统解耦和控制目的[1]。BP神经网络整定的PID控制系统，逼近精度高、适应性好。采用BP神经网络学习，在线调整加权系数，实现PID参数的自适应調整，整定的温度控制系统，稳态性能好，控制精度高，是一种稳定、有效而实用的控制方法[2]，采用智能控制算法改进型BP神经网络PID控制器，结构简单，可以自适应调整PID参数，提升系统鲁棒性[3]。但BP神经网络权值更新收敛速度慢、易陷入局部最优值，改进的人工免疫算法可有效优化神经网络的权值，全局搜索能力、全局收敛性、收敛速度得到明显改善，结合人工免疫算法的智能控制系统应用前景良好。
　　模糊控制表达能力通俗易懂，神经网络自适应学习能力强，模糊神经网络结合两者优势，神经网络的各层各节点均有效对应模糊系统，应用神经网络实现模糊控制的决策过程。
　　遗传算法（GA）是一种基于群智能的全局随机优化算法。针对简单遗传算法（SGA）收敛速度慢、易于早熟等缺点，采用改进的自适应交叉算子和自适应变异算子，结合兼顾性能指标和响应过程平衡的适配函数，以多种改进方式相结合的遗传算法寻优整定PID参数。改进遗传算法能够明显改善收敛速度扣寻优效果，当被控对象存在较大纯滞后、时间常数特性较大时，采用本方法优化PID控制器参数可获得比较满意的控制效果[4]。
　　2 结语
　　虽然神经网络控制、模糊控制、自适应控制、专家学习等诸多经典的控制方法非常成熟，在控制领域应用广泛，并得到了深入的研究，但随着工业过程控制技术的飞速发展，满足高要求的温度控制系统，仍需要两种乃至两种以上的技术进行优势互补，未来智能控制的发展方向将是各控制算法的融合的技术。
　　神经网络以非线性映射、自适应学习和联想记忆等优势，可以充分逼近任意复杂的非线性，其响应速度快，抗干扰能力强，算法简单，且易于用硬件和软件实现并行处理，容错性强。但学习速度较慢，对于较复杂的控制对象，较易陷入局部最优值。
　　模糊控制机理符合过程控制的逻辑思维和直观描述，无需建立数学模型，控制灵活，响应快，适应性强。但设计缺乏系统性，控制规则的选择多采用试凑法，有静态误差，稳态精度较差，动态精度欠佳。
　　模糊神经网络有效结合模糊控制和神经网络，模糊控制的决策过程通过神经网络记忆模糊规则实现，具有大容量并行处理、智能模糊分类和分布式存储等特点，自适应学习和内在的解析表达能力强，有助于提高整个系统的表达能力和学习能力。
　　神经PID稳态性能好，控制精度高，很强的自适应能力，较好的鲁棒性。
　　模糊PID（3种）动态性能好，稳态精度高，有较好的鲁棒性，自适应能力强。
　　遗传算法（GA）是一种基于群智能的全局随机优化算法。简单遗传算法（SGA）的优点是不需要任何初始信息并可以寻求全局最优解，缺点是收敛速度慢，易于早熟。
　　预测控制汲取现代控制理论先进、优化的思想，建立预测模型，制定滚动优化策略，利用反馈校正，实现实时调节和在线优化，从而使系统具有更强的跟踪性和鲁棒性，已发展为实际工业过程控制中的一种控制策略，结合模糊控制，调整时间短，跟踪快，超调小，动态性能佳，且不存在稳态误差。
　　模糊模型参考学习具有自学习能力，跟踪性好，克服基本模糊控制存在稳态偏差的缺点，抗干扰能力强。
　　通过图1可以看出：模糊控制在控制领域中有着举足轻重的地位。多种新技术都可以与之融合，形成优势互补。常规PID控制虽有些缺点，但仍被广泛的应用。这两种控制器作为控制的基础，融入新技术，形成更新、更好、更全面的技术具有重要的现实意义和发展前景。同时，从两种技术的融合已发展到三种技术的融合，因此，研究出更新更全面的技术，可提高生产效率，推动社会的发展。
　　参考文献
　　[1] 张宝树.基于神经网络PID温度控制的热变形与维卡软化温度测定仪[J].塑料科技，2009，37（8）：61-63.
　　[2] 张小明，瞿金平.基于自适应神经PID的压延机辊筒温度控制[J].塑料工业，2008，36（5）：36-38.
　　[3] 吴鹏飞，等.基于改进型神经网络PID算法的太阳翼α驱动控制技术[J].空天防御，2018，1（04）：8-17.
　　[4] 唐德翠.改进遗传算法PID参数整定及在漂白温度控制中的应用[J].计算技术与自动化，2009，28（4）：17-19.
　　The Application Research of  Intelligent Control in the Field of  Temperature Control
　　HUANG Kai， LV Bing-jun， FAN Hai-zhou
　　（Shanghai Electro-Mechanical Engineering Institute， Shanghai  201109）
　　Abstract：Temperature control has the characteristics of large inertia、large lag、time-varying、non-linear and so on. The traditional PID control can not achieve the ideal effect in the field of temperature control. This paper mainly describes some intelligent control technologies applied in the field of temperature control， and introduces some fusion technologies in order to understand in this field.
　　Key words：temperature control;intelligent control;fusion technologies
转载注明来源:https://www.xzbu.com/8/view-15192826.htm