英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

---

第36届中国控制会议论文集

2017年7月26-28日，中国大连

对加热炉温度模型模糊PID控制的预测

王玉忠1, 邹红波1, 陶吉利2, 张日东3

1. 浙江杭州电子科技大学信息与控制研究所信息与控制研究所重点实验室，杭州电子科技大学，杭州310018。

邮箱:wangyz_hdu@163.com, zouhb@hdu.edu.cn

2.宁波理工学院，浙江大学，宁波315100，中国

邮箱:tjl810@126.com

3.香港科技大学化学及生物分子工程系

邮箱 :kerzhang@ust.hk

文摘: 在常规PID方案中，由于自由度有限，集成控制性能可能不理想。在此基础上，提出了一种基于模糊PID控制和预测功能控制(PFC)的新型PID控制方法，并在加热炉的温度模型上进行了测试。在PFC框架的基础上，引入模糊PID控制来获得最优控制律，得到了一种改进的PID控制策略。最后，通过对加热炉温度模型的研究，验证了所提出的PID控制方案与常规PID控制和模糊自适应PID控制的有效性。

关键字: 预测功能控制，模糊控制，PID控制，温度调节。

介绍

传统的PID控制由于结构简单、适应性强，在各种工业过程中得到了广泛的应用，但由于时变和非线性的影响，其性能可能并不理想。由于很难获得精确的过程模型，所以使用传统的PID控制很难进一步得到改进的控制效果[1-2]。对PID控制的研究自从提出以来从未停止过，而且有许多经典的调优方法[3-6]。Zhang等人提出了一种新的PID控制器，将预测功能控制(PFC)与常规PID控制相结合，并在工业分式塔上进行了性能测试[7]。工业加热炉温度具有非线性、时滞和时变特性，控制不容易。有许多非线性控制方法，如模糊控制、时滞控制(TDC)[8-9]、滑模控制(SMC)[10]和神经元模型[11]。模糊控制被广泛应用于非线性控制中，它基于模糊集、模糊逻辑和复杂系统的模糊推理[12]。采用模糊控制算法的自适应系统不仅能使控制系统更加可靠，而且能获得良好的控制性能[13]。模糊控制具有很强的适应性，不需要精确的控制过程模型。为了克服传统PID控制的缺点，可以将模糊控制和PID控制器结合起来。

模型/植物不匹配的缺陷可以通过预测控制中出现的预测误差来补偿[14-15]。基于非线性系统的输出误差预测，时变预测PID控制器在系统约束的情况下可以解决一般预测PID控制器的设计[16]。通过模糊控制和预测控制相结合，通过模糊推理对预测误差进行补偿[17-19]。

将模糊控制技术与自适应控制和滑模控制方法相结合，应用于车辆悬架系统，获得较好的控制效果，但控制参数是通过经验选择的，并没有实现控制规则的优化[20-22]。

本文的目的是开发一种新型PID控制,继承了模糊PID控制的优点和曼宁基于先验信息,建立了预测模型为基本模型来预测过程动力学,和测量值之间的误差预测值作为信息预测的不确定性。采用模糊推理的方法对PID参数进行在线修正，使其能够满足不同条件下的要求。结果表明，该控制器能够实现良好的动态集点跟踪和干扰抑制。

本文组织如下。在第二节中，给出了预测模型。然后给出了模糊PID控制器的设计。在第3节中，对加热炉过程进行了模拟。结论是在第4节中得出的。

预测模糊PID控制

预测模糊PID控制系统主要由预测和控制两部分组成。预测部分主要预测了下一阶段炉的温度。控制部分由模糊PID完成，使预测输出尽可能接近目标值。预测模糊PID控制系统的结构如图1所示。

这项工作的部分支持由中国国家自然科学国家重点项目资助 61333009ˈ61374005.

这里,

yp 是修正预测值, ym (k i, k) 是模型输出值为

k 1时间瞬间，yr为参考轨迹, c 是位置点,

因子和  exp(Ts / Tr ) , 0    1 , TS 是样本时间, Tr

是期望的闭环响应时间, y(k )是实际的瞬时过程输出 k.

当 L  0 并且基于史密斯预测器, PFC使用模型 L  0 , 但是系统输出需要变成修改如下:

ypav (k)  yp (k)  ym (k )  ym (k  L)

(8)

图. 1 模糊PID控制系统的结构

这里, ypav (k) 修改后的流程输出值是多少

预测模型

在每一次瞬时k, P步进输出预测应该尽可能接近给定的目标，即理想曲线。在整个控制器设计中，PFC的思想只起到预测的作用，不参与系统控制。

PFC的预测模型是一阶模型。

模糊控制不依赖于被控制的模型，使用语言变量来描述系统特性，而不是使用数值变量。基于系统动态信息和模糊规则

(1)

但是，要获得适当的控制，控制。精度并不理想。在此基础上，实现了模糊控制的良好动态跟踪能力和PID的

良好稳定性结合。

这里, ı m 是时间延迟然后 Tm , Km 是时间

过程模型的常数和增益。采用零阶保持器离散后，模型的差分方程为:

以误差E和变化率EC为输入的双输入三输出模糊控制器设计如下:

ym (k 1)  amy(k)  Km (1 am )u(k  L)

(2)

在这, a_m  e

组成部分。

(T_s /T_m )

, TS 是样品时间， L 是 ım / Ts

(10)

与预测控制不同，PFC要求控制性能与控制输入的结构有关。在PFC中，新的控制函数用线性表示一些

这里, Kp , Ki , Kd 是模糊PID参数,

已知基函数的组合，以及基本函数可以是阶跃函数，

K  , K  , K 修正了模糊PID参数,

斜率函数等等。在本文选取一个阶跃函数作为基函数。

p i d

根据阶跃函数可以得到[23]: 是要确定的参数。控制结构如图1所示.

u(k  i)  u(k), i  1, 2,

(3)

模糊PID控制器的设计

根据PFC，根据当前信息和未来的控制作用，导出了时域过程的预测输出值。因此,让 L  0 然后我们可以预测未来P步骤模型的输出值如下:

1. 域和语言变量设置采用双输入三输出模糊控制器对PID参数进行调整。输入模糊变量误差E、EC的误差变化率和输出模糊变量

被选择作为 [-3 3], [-3 3], [-0.3 0.3],

[-0.06 0.06], [-3 3], 模糊语言集是 [NB NM NS

这里, 这是模型的自由响应,K (1  aP )u(k )

ZO PS PM PB].

为模型的强迫响应。消除干扰和模型/植物的影响。

m m

不匹配，我们可以用反馈校正(4)得到的预测值如下:

1. 隶属函数设置

不同形状的隶属函数会对控制性能产生不同的影响。在选择当误差较大时，采用模糊变量隶属函数、低分辨

率模糊集高分辨率模糊集的误差接近于零。在这里，输

e(k)  yr (k)  yp (k)

y (k)  y (k  P)  y(k)  y (k)

p m m

y (k  i)  c(k  i)  ⁱ[c(k )  y(k )]

r

(5)

(6)

(7)

入语言变量和输出语言变量采用三角隶属函数和sigmoid隶属函数。它的隶属函数输入 E, EC 然后输出

被使用如下

(a)

(b)

(e)

图2 隶属度函数

(c) 控制规则集

模糊控制是对工程设计的技术知识和实践经验进行总结，然后建立适当的模糊规则表。为设计双输入三输出模糊PID控制器，控制规则如表1所示 [24].

表 1 模糊规则表

ec kp e	NB	NM	NS	ZO	PS	PM	PB
NB	PB	PB	PM	PM	PS	ZO	ZO
NM	PB	PB	PM	PS	PS	ZO	NS
NS	PM	PM	PM	PS	ZO	NS	NS
ZO	PM	PM	<e 全文共6239字，剩余内容已隐藏，支付完成后下载完整资料</e 资料编号：[10388]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 基于物联网的远程控制系统智能电子锁外文翻译资料
• 基于STM32的运动控制系统设计外文翻译资料
• 一篇关于高校管理体制的研究论文外文翻译资料
• 用于语义分割的全卷积网络外文翻译资料
• 基于STM 32的现代电网微自动气象站设计外文翻译资料
• 户外结合立体视觉RFID和BLE的人体识别外文翻译资料
• 基于模糊控制的自平衡两轮车外文翻译资料
• 组稀疏回归模型在气象数据关联性分析中的运用外文翻译资料
• 基于神经网络的空调箱故障诊断外文翻译资料
• 基于.NET的教务数据与财务数据综合系统的设计与开发外文翻译资料