《文献智能控制算法在温度控制中的应用研究》由会员分享，可在线阅读，更多相关《文献智能控制算法在温度控制中的应用研究（9页珍藏版）》请在金锄头文库上搜索。
1、辽宁工业大学文献综述 题目 智能能控制算法在温度控制中的应用研究 电气工程学院 （系） 自动化 专业 093 班学生姓名 王松 学 号 090302075 指 导 教 师 于洋 1智能控制算法在温度控制中的应用研究文 献 综 述1前言 智能控制是当今多学科交叉的前沿领域之一。以1987年召开的第一界智能控制国际会议为标志，智能控制已经开始成为一门新的学科。 纵观智能控制产生、发展的历史背景与现状，其研究中心始终是解决传统控制理论、方法(包括古典控制、现代控制、自适应控制、鲁棒控制、大系统方法等)所难以解决的不确定性问题.控制学科所面临的控制对象的复杂性、环境的复杂性、控制目标的复杂性愈益突出，
2、智能控制的研究正提供了解决这类问题的有效手段，集中表现在控制工程中运用智能方法解决复杂系统的控制已取得了相当多的成功；另一方面，智能控制的研究虽然取得了一些成果，但实质性进展甚微，理论方面尤为突出，应用则主要是解决技术问题，对象具体而单一。1992年美国国家科学基金会发出发展智能控制研究建议指出：智能控制研究工作的中心应放在系统问题描述和智能控制器设计等方面的新方法的研究上，而不是在下级拼凑诸如PID控制器之类的传统控制技术方法与监控级基于规则的控制器相连结所构成的松耦合系统。应当着重于基础控制工程方法的开发而不是技术演示。智能控制作为多学科交叉的产物，其研究现状与存在的问题固然与交叉学科的发
3、展密切相关，但传统的方法论也在一定程度上束缚了它的发展.事实上，在人们久已习惯的还原论思想及传统控制思路的引导下，智能控制面临的一些关键问题均难以突破，宏观上需要寻求新的思路。 2智能控制算法在温度控制中的发展历史和应用现状 温度控制技术发展经历了三个阶段：l、定值开关控制；2、PID控制；3、智能控制。定值开关控制方法的原理是若所测温度比设定温度低，则开启控制开关加热，反之则关断控制开关。其控温方法简单，没有考虑温度变化的滞后性、惯性，导致系统控制精度低、超调量大、震荡明显。PID控制温度的效果主要取决于P、I、D三个参数。PID控制对于确定的温度系统，控制效果良好，但对于控制大滞后、大惯性
4、、时变性温度系统，控制品质难以保证。智能控制是一类无需人的干预就能独立驱动智能机械而实现其目标的自动控制，随着科学技术和控制理论的发展，国外的温度测控系统发展迅速，实现对温度的智能控制。应用广泛的温度智能控制的方法有神经网络控制、模糊控制、模糊控制与PID 结合(Fuzzy PID) 、遗传算法、模糊控制、神经网络、遗传算法三者结合等，具有自适应、自学习、自协调等能力，保证了控制系统的控制精度、抗干扰能力、稳定性等性能。比较而言，国外温度控制系统的性能要明显优于国内，其根本原因就是控制算法的不同。自智能控制理论发展以来，智能控制技术开始逐渐应用于工业控制。1974年，Mamdani首次用模糊逻
5、辑和模糊推理实现了蒸汽机的控制，其标志着人们用模糊逻辑进行工业控制的开始，也宣告了模糊控制的问世。1976年，PJKing和Mamdani等人合作，用模糊控制对反应器进行温度控制，他们采用模糊模型的预估方案，从而成功解决了不稳定问题。这也是控制史上首次利用模糊控制来进行温度控制。在20世纪90年代，美国、英国相续发表智能控制专辑，同本、德国等国也连续发表多篇智能控制方面的论文，涉及到军事、工业、家用电器等众多领域，包括智能温度控制在各个领域的应用。如今Simens和Inform公司联合研制了性能优良的模糊控制开发软件工具及第三代模糊微处理器，可利用软件或硬件的方法实现对系统的模糊控制。在Zad
6、eh创立模糊集合论的同年，我国傅京孙教授首先提出了把人工智能中的直觉推理方法用于学习控制系统，奠定了国内智能控制发展的基础。模糊控制应用于核反应堆、城市交通等控制中。随后更多的学者开始关注智能控制技术，近年来我国也越来越重视智能控制理论和应用的研究，从1993到1995连续三年国内都召丌了与智能控制有关的学术会议。由于温度控制设计到冶金、化工、机械等众多领域，因而温度智能控制技术也是国内学者研究的重要内容，越来越多与智能温度控制有关的论文在科技刊物上发表。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4。（1）神经网络控制人工神经网络是当前主
7、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及对信息的一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及外界干扰因素复杂，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
8、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、被加热物体性质以及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
9、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：（a）将温控对象的偏差和偏差变化率以及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。（b）根据控制查询表，形成模糊算法。（c）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
10、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及性能指标。其特点是不须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
11、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(温度偏差及温度变化率)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44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5采用模糊自适应PID
12、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及种类繁多的干扰，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
13、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6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，通过在线学习，以调整网络权值，使目标函数最小。（5）遗传算法遗传算法(GencticAlgorithms 简称GA)是模拟达尔文的遗传选择和自然
14、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内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1 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
15、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7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，达到温度最佳控制的目的。神经网络应用广泛的即网络，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(GABP)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8引入VHDL 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及器件差异，不会因工艺及器件变化而变化。3总结智能控制算法在温度控制中的应用，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、干扰多、大时延、时变和热分布不均匀的特点。实现温控系统的参数自调整，将线控制与非线性相结合，使温度能满足用户的需要是温控系统的最终目的。在实际应用中，应该根据具体的应用场合、不
