模糊控制在污水技術評估實驗室溫控系統中的應用

張偉，許春蓮* ，黃海明，馬愛君，武少偉

1.中國環境科學研究院，北京 100012

2.山東電子職業技術學院，山東 濟南 250200

為適應我國環境保護技術的快速發展，有效提升環境保護能力，開展了水污染防治生物技術實驗室驗證評估。通過對生物處理新技術全面客觀的驗證評估，可以有效地進行新技術推廣，推動環保技術的創新發展。在實驗室驗證評估過程中，為滿足微生物的生存需要，驗證評估用的原水需具有適當和穩定的溫度。按照工藝流程，來自居民樓的生活污水首先經格柵處理后與冷凍液進行熱交換，變為5℃的實驗用原水，然后通過加藥進行水質調整，使水質保持在穩定的范圍內，進入污水處理設備前需經過與65～80℃熱水進行熱交換使水溫達到13～20℃，以滿足驗證評估客觀性和科學性的要求。

由于溫度控制系統具有不確定、非線性、大滯后等特點，常規的PID控制難以滿足驗證評估所需原水溫度控制要求［1］。1964年美國的Zadeh教授創立了模糊集合理論，1974年英國的Mamdani研制出第一臺模糊控制器。模糊控制器不需要了解對象的精確數學模型，根據專家知識進行控制，用模糊控制器實現對溫度控制系統的控制，大大改進了原系統的控制效果，在一定程度上滿足了系統快速性的要求［2-6］。針對生物處理技術實驗室驗證評估過程中原水升溫控制系統，筆者設計了一種自適應模糊控制器，根據溫控系統中熱交換器后原水溫度的反饋，通過模糊規則推理和決策，在線整定控制參數，以實現對驗證評估用原水溫度的自適應控制。

1 原水溫度控制系統

水污染防治生物處理技術實驗室驗證評估過程中，進入生物技術處理流程的原水應具有合適、穩定的溫度。收集于生活區的原水經過低溫儲存、水質調整，與鍋爐提供的熱水通過熱交換器，水溫升至驗證所需的溫度后，直接進入生物技術處理流程，開始驗證評估工作。溫度控制系統主要是保證原水出水有恒定的預設溫度，控制元件是熱水調節三通閥，該閥門控制流經交換器熱水的流量，將預設定的原水溫度作為給定值，經熱交換后原水的溫度作為反饋值，閥門的開度作為輸出值，以保證流入生物技術處理單元的原水溫度的恒定。原水溫度控制系統原理如圖1所示。

圖1 溫度控制系統原理Fig.1 The principle diagram of temperature control system

2 模糊控制器設計

由于被控對象的復雜性(非線性)，難以建立精確的數學模型，因此，有關被控對象的知識主要來源于領域專家或操作人員的知識和經驗。針對驗證評估中的溫度控制系統，通過控制原理可以確定基本控制策略。因此設計一種自調整模糊控制器，可實現動態和穩態性能很好的控制。模糊控制器結構如圖 2 所示［7-9］。

圖2 模糊控制器結構Fig.2 The structure diagram of fuzzy controller

在運行中不斷地檢測偏差和偏差變化率，將其輸入模糊控制器進行模糊化，運用模糊推理，進行模糊運算，對輸出控制量在線修改并清晰化，作用于被控對象，使被控對象具有良好的靜態及動態性能。模糊控制器的設計分為清晰量的模糊化、模糊控制規則和模糊量的清晰化三部分。

2.1 清晰量的模糊化

在模糊控制系統運行中，控制器的輸入值、輸出值是有確定數值的清晰量，而在進行模糊控制時，模糊推理過程是通過模糊語言變量進行的，因此需將物理量的清晰值轉換成模糊語言變量。

該控制器中各語言變量的論域設定如下:

為計算機處理方便且不影響仿真結果，在該控制器中論域E、EC及U等語言變量的隸屬函數取三角函數(圖3)。

2.2 模糊控制規則

圖3 E、EC及U的隸屬函數Fig.3 The membership function of E，EC and U

模糊控制規則是基于手動控制策略建立的，而手動控制策略又是人們通過學習、實驗以及長期經驗積累而逐漸形成的［3］。從系統的穩定性、響應速度、超調量和穩態精度等各方面考慮，根據過程模糊模型生成控制規則。當偏差較大時，對偏差給予較大權重，以盡快消除誤差，提高響應速度;當偏差較小時，為避免系統超調，對偏差變化率的影響給予較大的權重，以盡快進入穩態［10-12］，據此生成模糊控制規則，如表1所示［2］。為表明論域E、EC及U之間的控制關系，根據模糊控制規則生成的模糊控制規則表面如圖4所示。

表1 模糊控制規則表Table 1 Regulations of fuzzy control

2.3 模糊量的清晰化

經過模糊推理決策，整定的輸出量要進行清晰化取得精確值以計算輸出控制量，即熱水調節電動閥的開度。常用的清晰化方法包括最大隸屬度法、重心法、中心平均法等。該控制器中采用中心平均法求取輸出量的精確值。

圖4 模糊控制規則表面Fig.4 Rules surface of fuzzy control

中心平均法既避開了求取隸屬函數的積分運算，同時又考慮了各模糊集合對精確值的影響。該方法計算較簡單，清晰化的魯棒性較好，是模糊推理系統中常用的方法［7］。中心平均去模糊化方法公式:

3 模糊控制器應用

熱交換器系統模型可以用純滯后環節和一階慣性環節表示。對于水污染防治生物處理技術實驗室驗證評估過程中的熱交換系統，函數模型可表示如下:

式中，K為增益系數，取值5;T為時間常數，取值3500 s;τ為滯后時間，取值200 s;s為時間變量。

在Matlab7.0工作環境下，利用模糊推理系統編輯器建立一個fis文件，定義為flc.fis。在Simulink仿真環境下，根據圖2的模糊控制器結構利用工具箱編輯系統框圖，輸入為偏差論域E和偏差變化率論域EC，輸出為溫控系統模型輸出，并增加積分環節與模糊控制器輸出進行疊加，以消除靜態誤差，然后與被控對象溫控系統的模型相連接，輸出反饋到控制器輸入端，得到控制器與一階滯后被控對象組成的控制系統仿真框圖，如圖5所示。

圖5 模糊自調整控制系統仿真Fig.5 Simulation block diagram of fuzzy self-adjustment control system

4 仿真結果與分析

在單位階躍輸入下，通過調整量化因子(kE，kEC)和控制增量比例因子(kU)，可得到比較理想的模糊控制仿真結果。kE取值1.35，kEC取值0.98，kU取值1.05，kI取值0.0016。對積分環節采取限幅，該次仿真實驗中限幅為0.2。利用仿真參數對話框，設置相關的仿真參數，仿真時間設置為5000 s，采樣周期設置為1 s。對熱交換器分別采用常規PID控制器和模糊自調整控制器進行調節，其中PID控制器參數按臨界比例法［13］進行調整，兩種控制器系統的單位階躍響應如圖6所示。

圖6 兩種控制器系統的單位階躍響應Fig.6 Response of two control system on step signal

由圖6可知，利用模糊自調整控制器與比例積分環節控制量疊加后，可消除靜差，減小超調量，響應速度快，調節時間短。與常規PID控制器相比，模糊自調整控制器具有良好的快速性和魯棒性，提高了系統的動、靜態性能。

5 結語

針對大滯后的溫度控制系統，與常規PID控制器相比，采用模糊自調整控制器可以使系統的動態性能和穩態性能得到改善，具有良好的控制效果。但通過仿真結果可以看出，控制器缺乏較強的自適應能力，系統仍有一定的超調量。因此，在今后研究中考慮綜合神經網絡、遺傳算法的智能控制器，在線訓練模糊規則、調整量化因子等，以優化溫控系統的動態性能和魯棒性，實現控制目的。

［1］陶永華.新型PID控制及其應用［M］.北京:機械工業出版社，2002.

［2］孫增圻.智能控制理論與技術［M］.北京:清華大學出版社，2003.

［3］易繼鍇，侯媛彬.智能控制技術［M］.北京:北京工業大學出版社，2003.

［4］YANG X H，LIU T R，SUN J.Optimal PID control of heat exchanger temperature［J］.Advanced Materials Research，2011，204/205/206/207/208/209/210:21-24.

［5］PADHEE S，SINGH Y.A comparative analysis of various control strategies implemented on heat exchanger system:a case study［C］//Proceedings of the World Congress on Engineering:Ⅱ.London:International Association of Engineers，2010.

［6］MAIDI A，DIAF M，CORRIOU J.Optimal linear PI fuzzy controller design of a heat exchanger［J］.Chemical Engineering and Processing，2008，47(5):938-945.

［7］MAZINAN A H，SADATI N.Fuzzy predictive control based multiple models strategy for a tubular heatexchanger system［J］.Applied Intelligence，2010，33(3):247-263.

［8］ARTURO P，CLAUDIA R，KEVIN P，et al.On-line fuzzy-logicbased temperature control of a concentric-tube heat exchanger facility［J］.Heat Transfer Engineering，2009，30(14):1208-1215.

［9］ ?AHIN ?ENCAN A，KILI? B，KILI? U.Optimization of heat pump using fuzzy logic and genetic algorithm［J］.Heat and Mass Transfer，2011，47(12):1553-1560.

［10］MAZINAN A，SADATI N.Fuzzy multiple models predictive control of tubular heat exchanger［C］//2008IEEE World Congress on Computational Intelligence. Piscataway:IEEE Press，2008:1845-1852.

［11］HABBIA H，KIDOUCHEA M，KINNAERTB M，et al.Fuzzy model-based fault detection and diagnosis for a pilot heat exchanger［J］.International Journal of Systems Science，2011，42(4):587-599.

［12］TABATABAEE S，ROOSTA P，SADEGHI M S，et al.Fuzzy PID controller design for a heat exchanger system:the energy efficiency approach［C］//International Conference on Computer Applications and Industrial Electronics(ICCAIE). Los Alamitors:IEEE Computer Society Press，2010:511-515.

［13］李園，李平.填料塔熱交換系統的模糊模型PID優化控制［J］.工業儀表與自動化裝置，2006(5):50-53.○