热电偶是监测和控制过程温度的常用方法。在一个过程中安装热电偶后重新校准通常是不实际的。现场监测性能是可取的，可以使用基于熔化或冻结相变的内置参考标准来完成。具有单晶反应的二元合金通常在同一材料中在一系列成分中发生两个不变的熔化/冻结相变。这使得它们可能非常适合于现场温度校准工件，能够在不干扰热电偶的情况下校正热电偶漂移。构建了锌-铋固定点电池，并证明在名义上为255℃和415℃的两个定义明确的熔点平台下是稳定的。
确认传感器正常工作通常是不可能的，因为拆卸以检查校准和随后的更换可能会改变传感器的热环境。加热使用中的金属丝会导致扩散和晶粒生长，并在传感器上留下独特的不均匀分布。因此，移动传感器很容易改变其热电响应。因此，对校准的现场监测（“自我验证”）有很大的好处，这一事实早已得到承认。以前的自我验证方法使用小型坩埚固定点电池，该坩埚含有在适当温度下经历相变的材料。这些将与热电偶一起永久安装。每次炉子循环通过固定点的过渡温度时，温度计输出中都会出现一个与特定温度值相关的特征，这允许随时检查热电偶输出中的任何变化，以验证温度测量。到目前为止，所有这些定点装置都依赖于具有单一、明确且可重复的熔化或冻结转变的材料。
一个参考点将给出传感器已超出规格的指示，因此可以作为传感器在其极限范围内工作的验证。两个参考点将给出实际“自校准”的可能性：在规定范围内的热电偶输出可能被修正。在铜-锗合金和钨-碳合金的共晶/包晶转变中，报告了在共晶/共析相变化时单个铸锭内的双重特征。观察到铁碳共析体（730 C），并提出建议，这种固态转变可与1153 C左右的共晶相转变结合，在一个固定点电池中产生两个具有特定温度的固定点转变。
在一个固定点单元内获得两个跃迁的另一种可能方法是：单晶合金通常显示两个不变的跃迁，通常在大间距的温度下。
在传统的PID控制方案中，由于在各种不确定性下的自由度有限，合奏控制性能可能不理想。针对这一缺点，提出了一种继承了模糊PID控制和预测功能控制优点的新型PID控制方法，并进一步验证了该方法的可行性。在PFC框架下，首先利用当前的过程输入信号对未来的过程行为进行预测。然后，引入基于多步预测的模糊PID控制，得到最优控制律。最后，通过对某焦炉温度模型的实例研究，说明了模糊PID控制与常规PID控制和模糊自适应PID控制相比较的有效性。
对于工业生产来说，必须有效地控制关键工艺参数，才能进行生产，因为工业过程变量对保证安全生产和高质量至关重要。然而，由于大多数过程都具有较大的惯性和严重的不确定性，要得到一个理想的过程模型来获得可接受的过程性能是不容易的。
比例积分微分（PID）控制是目前流行的控制策略之一。自1942年以来，研究人员提出了各种PID控制方法。然而，由于工业过程的复杂性，选择合适的PID参数调节方法仍然是当前的研究热点。对于工业过程，可以根据过程模型的类型采用PID调节方法，例如一阶加死区时间模型（FOPDT）、积分器加死区时间模型（IPDT）等。一些方法可以同时应用于FOPDT和IPDT模型。下面是这些经典方法的简要总结。在整定方法中，采用内部模型控制（IMC）来调整PID参数。该方法具有很好的鲁棒性，但对大滞后过程的抗干扰能力较差，传统的PID控制虽然广泛应用于各种工业过程，但由于时变和非线性的影响，其性能往往不令人满意。
自1970年以来，模型预测控制（MPC）等先进控制技术得到了发展，并在制程工业中取得了成功，显示了其在复杂的张力优化控制问题上的巨大潜力。然而，由于成本、硬件等因素的限制，MPC控制器作为传统的PID控制器并没有得到广泛的应用。因此，找到一种简单的MPC控制器的使用方法或将PID控制器的结构与MPC算法相结合是非常重要的。将模糊理论和PID引入MPC框架，形成多变量预测模糊PID控制策略。基于广义预测控制（GPC），提出了一种新型的PID控制器。Wu等人提出了一种将动态矩阵控制（DMC）与传统PID控制相结合的新策略，并在工业焦炉上对其控制性能进行了测试。采用先进算法对PID控制器进行优化的研究成果很多。然而，MPC和其他复杂的高级控制性能通常依赖于过程模型的准确性，如果不确定是否建立精确的过程模型，这将影响控制性能和稳定性。
近年来，许多智能算法被提出并得到了广泛的应用。扎德奇教授首先提出模糊集理论，寻求一种不能用严格的数学方法准确描述的模型。模糊控制的优点是不需要精确的数学模型，只需利用反映过程特性先验知识的信息，就可以制定一定的控制规则。由于工业过程一般具有较强的非线性、不确定性和耦合性，因此需要用模糊系统来解决这类问题，传统的PID控制器在非线性和不确定性条件下可能无法获得令人满意的控制性能，这为引入模糊系统铺平了道路。由于模糊逻辑可以利用人们的操作经验来设计控制器，近年来，基于模糊理论的控制得到了广泛的研究。以非线性生物反应器、非等温线铝连续搅拌反应器、二元精馏塔等不确定模型为例，研究了一种2型模糊逻辑控制器（FLC）。关于模糊控制的研究成果很多，但在非线性、不确定性等情况下，模糊控制仍有改进的空间。
目前，由于模糊控制具有较强的适应性，不需要精确的过程模型，MPC具有良好的预测能力，引入模糊控制和MPC来克服传统控制器的缺点是一项有意义的工作。模糊控制、多变量控制和PID控制相结合，提高了控制性能。针对汽车悬架系统，提出了用多目标粒子群算法（PSO）增强自适应模糊PID控制器的进化算法，但存在稳态误差。Savran和Kahraman提出了一种基于自适应策略的模糊PID控制器。将模糊理论与MPC相结合，提出了一种控制方法，并应用于医疗设备中，成功地解决了麻醉注射量控制问题，保证了注射量在安全设定点。针对某电厂的温度控制问题，提出了一种稳定的模糊MPC算法。针对时滞系统提出了MPC与模糊控制相结合的控制原理，这是一种控制过程系统不确定性和复杂性的新方法。
利用模糊控制和预测控制对PID控制器进行优化的研究成果很多，本研究的目的是提出一种继承了模糊PID和预测功能控制（PFC）优点的新型PID控制。利用先验信息，建立了预测模型作为预测过程动力学的基本模型，并以输出测量与预测过程输出之间的误差作为不确定性预测的信息。通过模糊推理对PID进行在线整定，以满足不同工况下的要求。结果表明，该控制器具有良好的动态跟踪和抗干扰能力。
通常模糊控制器的输入输出变量的实际变化范围称为基本域。显然，准确的数量是在基本领域。为了进行模糊处理，必须将输入变量从基本域转换为相应的模糊集域。模糊控制算法给出的控制量在每次采样时都不能直接控制，必须转换为被控制对象的干管才能被接受。
近年来，预测功能控制已扩展到反应器、加热炉等工业过程中。对于动态矩阵控制算法，我们可以确定每个采样时间的最佳输入，但是输入没有明确的参数。pfc算法是不同的，因为它的输入将是多个基函数的线性组合。利用预测控制的思想，利用计算出的线性组合系数求解各时刻的最优输入。因为每次我们只需要确定少量的线性组合系数，使用pfc算法可以大大减少在线计算。
在这部分中，采用了PFC算法和模糊控制算法对所提出的PFPID参数进行了优化。这样，我们就可以得到PFC算法的控制性能，以及一个简单的PID控制器结构。为了设计PFPID，首先考虑了输出预测。然后由该控制部分完成，使预测输出尽可能接近目标值。
在实际工业生产过程中，环境中的各种干扰使实际过程之间的模型难以精确匹配，不可避免地导致预测值与实际预测值之间的偏差。如果我们不纠正这种偏差，将对实际生产过程产生严重影响。为了使输出跟随目标设定点C，利用该模型对K时间的输出值进行预测，并得到反馈校正，以预测KP时间的输出。输出与设定点C的差值为误差E，即K P时间瞬时的模型输出值，E（K）为修正后的预测误差。
PID控制器在实际过程中得到了广泛的应用。由于PID参数对控制性能影响很大，提出了多种PID参数整定方案。主要采用固定PID控制器。然而，对于时变系统，采用固定PID控制器难以获得良好的控制性能。因此，在线调节PID参数是非常重要的。此外，特别是在工艺系统中，干扰系统进行识别是比较困难的。提出了一种新的基于模糊PID和PFC的PID控制方法，首先给出了模糊规则和适当的隶属度函数。其次，引入一种自适应机制，利用PFC策略对PID参数进行整定，形成模糊PID控制器。最后，通过对焦炉的实例研究，验证了所提出的pfpid算法，并与传统的pid和模糊pid控制进行了比较，得到了改进后的控制性能。考虑不确定性的影响，分析了模型/设备失配以及干扰的影响，仿真结果表明，该方法具有较好的控制性能。
焦炉的主要功能是对油渣进行再过滤。进入焦化装置后，将渣油分成两个分支，送入对流室加热330°C，加热后，将渣油再次混合后送入分馏塔，在分馏塔中对渣油进行加热，与来自焦化塔的油气进行换热。换热完成后，剩余油的重部分通过泵分离成两个分支，进入炉辐射室加热到495°C，最后两个分支进入焦炭塔，除去焦炭，这里以回路TRC8105为例。考虑到实际工程运行情况，将焦化炉模型建模为。
PID控制器在许多过程工业中得到了广泛的应用。特别是在化工行业，PID控制器的实际应用率超过90%。PID控制低显示如右：。
u(t)表示输入信号，e(t)表示输出错误信号。此外，kp、ki和kd是PID增益。PID控制器由比例、积分和微分控制动作构成。PID控制器得到广泛应用的原因包括：（1）PID控制器结构简单；（2）控制动作的物理意义明确。然而，很难确定合适的PID增益集，PID对控制性能有很强的影响。有时系统输出过冲过大，稳定时间长。为此，提出了大量的PID增益整定方案。
调谐方案可分为两种类型。一种是基于模型的方案，基于系统模型计算PID增益。在面向数据的方案中，由于不需要系统识别的时间，可以减少时间成本和货币成本。此外，干扰实际系统识别也很困难，特别是在过程系统中。因此，需要直接从闭环运行数据中计算PID增益。然而，对于时变系统，固定PID控制器不能获得期望的性能。在某些情况下，如果对时变系统一直采用初始PID增益，不仅不能获得期望的控制性能，而且系统也会变得不稳定。在实际系统中，由于环境条件和运行条件的变化，特性往往会发生变化。针对这一问题，提出了自校正控制等多种控制方案。
温度控制是测量、检测和调整温度以达到所需值的过程。广泛应用于食品加工、运输、集中供热、化工等行业，温度控制是典型的时滞问题。众所周知，时间延迟对受控系统的稳定性和性能都有不利影响，而且通常很难控制，除非对延迟进行补偿。到目前为止，两种方法都被认为是处理时间延迟的可行方法。一种是基于模型的控制，如PID控制器、Smith预测器、鲁棒控制；另一种是无模型自适应控制，如Smith模糊控制器、智能控制。对于不同场合的温度控制，采用不同的控制方法来消除延时现象。针对集中供热系统的温度控制问题，提出了一种PD PI控制器对环境温度和加热室温度进行反馈，提出了一种带输入延时的冷却温度控制系统闭环辨识与内模控制的联合设计方法。提出了一种暖通空调系统湿度和温度控制专家系统，该系统采用ANFIS算法，采用模糊建模方法进行优化。
PID控制器具有结构简单、操作方便等优点，广泛应用于工业生产中。模糊PID控制器将常规PID和模糊规则相结合，识别出PID控制器参数与系统误差、误差变化率的模糊关系，然后用模糊规则对PID控制器参数进行整定。1957年O.J.M.Smith提出的Smith预测控制，解决了系统延时大的问题，并将补偿环节与原控制器并联，以补偿纯滞后过程。改进后的史密斯预测器通过向史密斯捕食者添加一个一阶滤波器来改善结构。S.Uma和A.Seshagiri Rao提出了一种改进的Smith预估器，该预估器由一个设定点跟踪控制器和一个干扰抑制控制器组成，用于增强对非最小相位不稳定二阶时滞过程（有/无零）的控制。基于二自由度控制结构，Yin提出了一类具有时滞的不稳定过程的修正Smith预测方法。杨等人提出了本文中使用的改进型史密斯预估器，在原有的史密斯控制回路中增加了一阶滤波器，克服了模型不准确造成的干扰，进一步提高了控制系统的鲁棒性。
在模型匹配和不匹配的情况下，得到了四个控制器及其相应的阶跃响应曲线。通过对上升时间、稳定时间、稳态误差和最大超调量四个指标的分析比较，证明改进后的史密斯模糊PID控制器具有最佳的控制效果。此外，通过PIC16F877A单片机，将这四种控制方法应用于加油装置的实际温度控制系统中。温度随时间变化的实验数据也证实了改进的史密斯模糊PID控制器能够满足温度控制过程的挑战。
采用PIC16F877A单片机，对补水系统中的水暖过程进行智能控制。采用两台电加热器对水进行加热，其加热功率作为系统输入信号。通过控制加热功率，单片机控制水的加热速度，避免加热不均匀。所选的JCJ100ZB螺旋固定温度传感器位于真空罐的不同位置。测量的温度被平均并转换成模拟信号并反馈给控制系统。
考虑到测量值可能受到外部干扰，对温度进行了测量和采集，并取其平均值。
在加热过程中，PID控制器具有最大的稳定时间和超调量，这表明只有一个PID控制器效果较差。模糊PID和史密斯模糊的指标变化不大，说明在模型失配的情况下，史密斯预测器的补偿效果不明显。另一方面，改进后的史密斯模糊PID具有最小超调量0.3%和最短时间1845秒，以达到稳定，证明一阶滤波器最小可以减少误差干扰，有利于系统的稳定。实验结果表明，改进的史密斯模糊PID控制器对该补水装置的供热系统具有最佳的控制效果。
针对某加油装置，采用一阶近似法建立了其油加热系统的数学模型。通过比较PID控制器、模糊PID控制器、史密斯模糊PID控制器和改进的史密斯模糊PID控制器这四种控制方法，对模型匹配和不匹配情况下的油加热过程进行了仿真。结果表明，在这两种情况下，改进的Smith模糊PID控制器的阶跃响应曲线均能在最短时间内达到预期值，且四条曲线的超调量最小，表明其具有最佳的稳定性和精度。因此，可以安全地得出结论：改进的史密斯模糊PID控制器下的控制系统具有最佳的鲁棒性。
此外，A.S
全文共5989字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[2802]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
