PID温控系统的设计及仿真毕业论文.doc

PID温控系统的设计与仿真毕业论文目 录摘 要IABSTRACTII第一章绪论11.1 课题的提出与意义11.2 控制系统背景介绍11.3 当代温控系统与智能算法2第二章温控系统的设计52.1 温控系统的总体设计52.1.1 温控系统设计的基本原则52.1.2 温控系统的结构与设计62.2 温控系统的硬件设计72.2.1 前向通道设计72.2.2 后向通道设计102.2.3 人机通道设计11小 结15第三章系统控制方案163.1 PID 控制163.1.1 PID的概述163.1.2 PID 控制的基本理论与特点163.2 模糊控制183.2.1 模糊控制的概述183.2.2 模糊控制的基本原理与特点183.3 模糊 PID 控制19小 结21第四章仿真研究224.1 MATLAB与其模糊逻辑工具箱和仿真环境 simulink224.2 仿真和优选234.2.1 控制对象模型234.2.2 仿真和方案选择25小 结32第五章 总结与展望335.1 主要工作容335.2 工作小结335.3 存在的问题与未来的方向34完毕语35参考文献36 / 第一章 绪论1.1 课题的提出与意义温度是生产过程和科学实验中非常普遍而又十分重要的物理参数。

在工业生产过程中，为了高效地进行生产，必须对生产工艺过程中的主要参数，如温度、压力、流量、速度等进行有效的控制，其中温度控制在生产过程中占有相当大的比例准确地测量和有效地控制温度是优质、高产、低耗和安全生产的重要条件而且在我们的日常生活中也使用微波炉、电烤箱、电热水器、空调等家用电器，温度与我们息息相关另外在各高等院校的实验室中，无不将温度作为被控参数，构成微机测控系统，供学生作综合实验或课程设计可见温度控制电路广泛应用于社会生活的各个领域，所以对温度进行控制是非常有必要和有意义的可是由于温度自身的一些特点,如惯性大、滞后现象严重、难以建立精确的数学模型等,使控制系统性能不佳在关于温度控制的绝大部分文献资料中，控制结果都是有超调的，而且很多时候超调量较大，本论文是基于这一特点，研究一种控制方案，将其用于大部分温控场合，都能达到零超调，且调节时间快，稳态误差也非常小的理想效果另一方面也是基于控制实验室建设的需求，将其用于对实验电烤箱温度进行控制，达到调节时间短、超调量为零且稳态误差较小的技术要求1.2 控制系统背景介绍随着计算机科学和自动化水平的不断提高，在各种应用领域都大量采用计算机控制系统。

计算机控制系统的应用使得科学研究、工农业生产、工艺实践的效率大大提高，同时也大幅度提高了产品和成果的质量计算机控制系统从结构上讲都是类同的，它包括计算机组成的控制器和被控对象，并且对象的输出通过反馈回路反馈给控制器，形成一个闭环的控制系统也有部分计算机控制系统是开环系统，如线切割机等从采用的部件角度讲，计算机控制系统所用的计算机往往有较大区别：在大型管理控制系统中，采用大中型机；在一般控制系统中，采用微型机；而功能较专的控制系统采用单片机由于大量的控制系统的任务较专业化，并且执行的是直接数字控制任务，故基本采用单片机单片机是目前控制系统采用最多的器件和芯片，它在军事、航空、航天、交通、工业、农业等领域都有大量的应用[[] 余永权, 旺明慧, 黄英. 单片机在控制系统中的应用[M]. ：电子工业，2003. 10. 1-17]1.3 当代温控系统与智能算法智能控制算法广泛应用于各种温度控制器的设计之中，这里就最近几年快速发展的几种智能控制算法做一个综述[[] 丁辉, X莉莉编译. 国外模糊控制理论和技术的发展概况[R], 国外情况报道, 3-4]1．神经网络控制人工神经网络是当前主要的、也是重要的一种人工智能技术，它采用数学模型的方法模拟生物神经细胞结构与对信息的记忆和处理而构成的信息处理方法。

它用大量简单的处理单元广泛连接形成各种复杂网络，拓扑结构算法各异，其中误差反向传播算法(即 BP 算法)应用最为广泛温度控制系统由于负载的变化以与外界干扰因素复杂，而传统的 PID 控制对于外界环境的变化只能做近似的估算，因此系统控制精度不高人工神经网络以其高度的非线性映射、自组织、自学习和联想记忆等功能，可对复杂的非线性系统建模该方法抗干扰能力强，且易于用软件实现训练方法实际是网络的自学习过程，即根据事先定义好的学习规则，按照提供的学习实例，调节网络系统各节点之间相互连接的权值大小，从而达到记忆、联想、归纳等目的在温控系统中，将对温度影响的因素如气温、外加电压、被加热物体性质以与被加热物体温度等作为网络的输入，将其输出作为PID控制器的参数，以实验数据作为样本，在微机上反复迭代，自我完善与修正，直至系统收敛，得到网络权值，达到自整定 PID 控制器参数的目的 MNN (Memory neuron network)在每个网络节点增加了记忆神经元，在学习动态非线性系统时，不需知道实际系统太多的结构知识，当系统滞后比较大时也不会造成网络庞大难以训练2．模糊控制模糊控制是基于模糊逻辑描述的一个过程控制算法，主要嵌入操作人员的经验和直觉知识。

它适用于控制不易取得精确数学模型和数学模型不确定或经常变化的对象温度控制系统的模型通常是不完善的，即使模型已知，也存在参数变化的问题 PID 控制虽然简单、方便，但难以解决非线性和参数变化等问题模糊控制不需要对象的精确模型，仅依赖于操作人员的经验和直观判断，非常容易应用模糊控制对温度控制的实现一般分如下几步：(1) 将温控对象的偏差和偏差变化率以与输出量划分为不同的模糊值，建立规则，例如，IF温度太高 OR 温度正在上升， THEN 减少控制量．将这些模糊规则写成模糊条件语句，形成模糊模型2) 根据控制查询表，形成模糊算法3) 对温度误差采样的精确量模糊化，经过数学处理输入计算机中，计算机根据模糊规则推理做出模糊决策，求出相应的控制量，变成精确量去驱动执行机构，达到调节温度，使之稳定的目的同传统的 PID 控制比较，模糊控制响应快、超调量小、对参数变化不敏感3．模糊控制与 PID 结合(Fuzzy PID)模糊模型使用模糊语言和规则描述一个系统的动态特性与性能指标其特点是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，对被控对象参数变化有强鲁棒性，对控制系统干扰有较强抑制能力。

然而，模糊控制的局限性在于模糊规则库的建立缺乏完整性，没有明确的控制结构，存在较大稳态误差等 PID 控制器结构简单、明确，能满足大量工业过程的控制要求但 PID 本质是线性控制，而模糊控制具有智能性，属于非线性领域，因此，将模糊控制与 PID 结合将具备两者的优点即用过程的运行状态(温度偏差与温度变化率)确定 PID 控制器参数，用PID控制算法确定控制作用主要的问题是合理地获得 PID 参数的模糊校正规则，其实质是一种以模糊规则调节 PID 参数的自适应控制，即在一般 PID 控制系统基础上，加上一个模糊控制规则环节文献[[] 梁学敏. ABB变频器的传动控制与与S7-400的通讯微计算机信息. 2004, 20(3)-P68-70 ]给出了不同实时状态下对 PID 参数的推理结果，当温差较大时采用 Fuzzy 控制，响应速度快，动态性能好：当温差较小时采用 PID 控制，使其静态性能好，满足系统精度要求因此 Fuzzy PID 复合控制，比单一的模糊控制或 PID 调节器有更好的控制性能文献[[]胡社教, 徐晓冰, 杨柳. 温度控制仪表的模糊PID控制[J]. XX工业大学报, 1998, (10)]采用模糊自适应 PID 设计方法，根据人们要求的温度曲线，由计算机系统进行监控，根据模糊推理判断，实现对任何一种模型参数的系统都能自动调节其 PID 参数，使系统的实际温度与要求的温度曲线趋于一致，实现快速响应特性与超调量小的统一。

4．模糊控制与神经网络结合温控系统由于被控过程常常具有严重的非线性时变性以与种类繁多的干扰，使得基于精确数学模型的传统控制方案很难获得满意的动静态控制效果近些年来模糊逻辑控制取得了巨大成功，但是，模糊控制所基于的专家经验不易获得，一成不变的控制规则也很难适应被控制系统的非线性、时变性等问题，严重影响控制效果，因此应使模糊控制向着自适应方向发展，使模糊控制规则隶属函数模糊量化在控制过程自动地调整和完善自适应模糊控制提供了一种新的有效途径，利用神经网络的学习能力来修正偏差和偏差变化的比例系数，达到优化模糊控制器作用，从而进一步改进实时控制效果，以便应用于温度过程控制中，其优点动态响应快，能达到高精度的快速控制，具有极强的鲁棒性和适应能力文献[[] 向文圆, 蔡宁生. 基于BP神经网络的蒸汽温度控制[J]. 自动化仪表, 2000, (12)：4]提出三层前向模糊BP神经网络，选择温度采样误差值、误差积分和变化值作为网络输入，用模糊控制理论赋予隐层含义，确定神经元个数，用高斯核函数作为节点激励函数，忽略远离中心的神经元输出，计算隐层输出，通过学习，以调整网络权值，使目标函数最小5．遗传算法遗传算法(Genetic Algorithms简称 GA )是模拟达尔文的遗传选择和自然淘汰的生物进化过程的全局优化搜索算法。

它将生物进化过程中适者生存规则与群体部染色体的随机信息交换机制相结合，通过正确的编码机制和适应度函数的选择来操作称为染色体的二进制串l或0引入了如繁殖交叉和变异等方法在所求解的问题空间上进行全局的并行的随机的搜索优化，朝全局最优方向收敛基于遗传算法温控系统的设计就是将传感器得到的温度信号放大，数字化后送入计算机，计算机将其与给定温度进行比较，用遗传算法来优化3个 PID 参数，然后将控制量输出具体实现：将3个 PID 参数串接在一起构成一个完整的染色体，从而构成遗传空间中的个体，通过繁殖交叉和变异遗传操作生成新一代群体，经过多次搜索获得最大适应度值的个体即所求在硬件上可采用单片机控制，具有调试方便，温控精度高，抗干扰性强等优点；在软件上可采用遗传算法对 PID 参数进行优化控制，具有很高的稳定度，温控精度高6．模糊控制、神经网络、遗传算法三者结合文献[[] X明方. 管式裂解炉温度神经网络优化控制[J]. XX石油化工学院学报, 1999, (10)：40]提出基于神经网络的方法，将模式辨识、预测最优控制与神经网络结合，由神经元网络模型预估器辨识系统模型，并实时为控制器提供参考输入，由最优控制器对数据进行处理、决策，选定最优的控制量，达到温度最正确控制的目的。

神经网络应用广泛的BP网络，由于其收敛慢和存在局部最小点，因此将遗传算法和BP算法结合得到的遗传 BP (GA BP)算法作为网络预估器的学习算法该系统能使温度随外界干扰条件的变化，实时的调节网络和控制规律，具有良好的温度跟踪性能和抗干扰能力近些年来，硬件电路设计的软件化也应用于温控系统中，文献[[] 黄耀军, 周云, 严国平. VHDL与其在温度系统中的应用[J]. 电子与自动化, 1999．(3)：6]引入 YHDL 语言采用自顶向下的设计方法对系统逐步细化，优点是可提高系统的效率，达到资源共享由于其屏蔽了具体工艺与器件差异，不会因工艺与器件变化而变化综上所述，无论是神经网络、模糊控制还是遗传算法，都属于人工智能领域同 PID 结合以调节 PID 参数，适应温控系统非线性、干扰。