幾種常見的控制方法及其優(yōu)缺點

概述

常用PID調(diào)節(jié)器/溫控儀控制算法包括常規(guī)PID、模糊控制、神經(jīng)網(wǎng)絡(luò)、Fuzzy-PID、神經(jīng)網(wǎng)絡(luò)PID、模糊神經(jīng)網(wǎng)絡(luò)、遺傳PID及廣義預(yù)測等算法。 常規(guī)PID控制易于建立線性溫度控制系統(tǒng)被控對象模型；模糊控制基于規(guī)則庫，并以絕對或增量形式給出控制決策；神經(jīng)網(wǎng)絡(luò)控制采用數(shù)理模型模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，并用簡單處理單元連接成復(fù)雜網(wǎng)絡(luò)；Puzzy-PID為線性控制，且結(jié)合模糊與PID控制優(yōu)點。 溫度控制系統(tǒng)是變參數(shù)、有時滯和隨機(jī)干擾的動態(tài)系統(tǒng)，為達(dá)到滿意的控制效果，具有許多控制方法。故對幾種常見的控制方法及其優(yōu)缺點進(jìn)行了分析與比較。

常見溫度控制方法

1.常規(guī)PID控制PID控制即比例、積分、微分控制，其結(jié)構(gòu)簡單實用，常用于工業(yè)生產(chǎn)領(lǐng)域。原理如圖1：

圖1 常見PID控制系統(tǒng)的原理框圖 明顯缺點是現(xiàn)場PID參數(shù)整定麻煩，易受外界干擾，對于滯后大的過程控制，調(diào)節(jié)時間過長。其控制算法需要預(yù)先建立模型，對系統(tǒng)動態(tài)特性的影響很難歸并到模型中。在我國大多數(shù)PID調(diào)節(jié)器廠家生產(chǎn)的調(diào)節(jié)器均為常規(guī)PID控制算法。 2.模糊控制模糊控制(Fuzzy Control)是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的計算機(jī)控制。原理如圖2。昌暉儀表YR-GFD系列傻瓜式PID調(diào)節(jié)器使用的就是模糊控制算法。

圖2 模糊控制系統(tǒng)原理框圖 3.神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)控制采用數(shù)理模型的方法模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，用簡單處理單元連接形成各種復(fù)雜網(wǎng)絡(luò)，并采用誤差反向傳播算法(BP)。原理如圖3：

圖3 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的原理框圖 4.Fuzzy-PID控制模糊控制不需知道被控對象的精確模型，易于控制不確定對象和非線性對象。PID本質(zhì)是線性控制。將模糊控制與PID結(jié)合多，以Fuzzy-PID混合控制為例，據(jù)給定值與測量值之偏差e選擇智能控制器，根據(jù)e的變化選擇控制方法，當(dāng)|e|≤emin或|e|≥emax時，采用PID控制；當(dāng)emin≤|e|≤emax時，采用Fuzzy控制。其結(jié)構(gòu)框圖如圖4。

圖4 Fuzzy-PID混合控制結(jié)構(gòu)框圖 5.神經(jīng)網(wǎng)絡(luò)PID控制在PID控制的基礎(chǔ)上，加入神經(jīng)網(wǎng)絡(luò)控制器，構(gòu)成神經(jīng)網(wǎng)絡(luò)PID控制器，如圖5。神經(jīng)網(wǎng)絡(luò)控制器NNC是前饋控制器，通過對PID控制器的輸出進(jìn)行學(xué)習(xí)，在線調(diào)整自己，目標(biāo)是使反饋誤差e(t) 或u(t)趨近于零，使自己逐漸在控制中占據(jù)主導(dǎo)地位，以減弱或最終消除反饋控制器的作用。暉儀表YR-GAD系列人工智能調(diào)節(jié)器/溫控儀使用的就是神經(jīng)網(wǎng)絡(luò)PID控制控制算法。

圖5 神經(jīng)網(wǎng)絡(luò)PID控制結(jié)構(gòu)框圖 6.模糊神經(jīng)網(wǎng)絡(luò)控制將模糊邏輯與神經(jīng)網(wǎng)絡(luò)結(jié)合，采用神經(jīng)網(wǎng)絡(luò)模糊邏輯推理網(wǎng)絡(luò)模型和快速的自學(xué)習(xí)算法，通過網(wǎng)絡(luò)的離線訓(xùn)練和在線自學(xué)習(xí)使控制器具有自調(diào)整、自學(xué)習(xí)和自適應(yīng)能力，達(dá)到模糊智能控制。如圖6。

圖6 模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)圖 7.遺傳PID控制遺傳PID控制是將控制器參數(shù)構(gòu)成基因型，將性能指標(biāo)構(gòu)成相應(yīng)的適應(yīng)度，利用遺傳算法來整定控制器的最佳參數(shù)，不要求系統(tǒng)是否為連續(xù)可調(diào)，能否以顯式表示?；谶z傳算法的自適應(yīng)PID控制的原理框圖如7。 遺傳PID溫控系統(tǒng)將測量值與給定值進(jìn)行比較，用遺傳算法來優(yōu)化PID參數(shù)，然后將控制量輸出，實現(xiàn)將PID參數(shù)串接構(gòu)成完整染色體，從而構(gòu)成遺傳空間中的個體，過通過繁殖交叉和變異遺傳操作生成新一代群體，經(jīng)過多次搜索獲得最大適應(yīng)度值的個體。

圖7 基于遺傳算法的自適應(yīng)PID控制結(jié)構(gòu)圖 8.廣義預(yù)測控制預(yù)測控制(Predictive Control)是基于模型的計算機(jī)控制算法。其預(yù)測模型有脈沖響應(yīng)模型、階躍響應(yīng)模型、CAMRMA模型和CARIMA模型?；贑ARIMA模型的廣義預(yù)測控制(GPC)是一種新型計算機(jī)控制算法。

常見溫度控制方法的對比分析

通過上述溫度控制方法的原理分析，下表給出各種溫度控制特性與應(yīng)用場合的情況。

將線性與非線性控制相結(jié)合。使溫度能滿足用戶的精度要求是溫控系統(tǒng)的最終目的。 在實際應(yīng)用中，根據(jù)具體的應(yīng)用場合、不同的加熱對象、不同的控制要求和控制精度，選擇不同的控制方式。