粒子群優化模糊控制在汽車空調溫控系統應用

王海群,孟令真

(華北理工大學 電氣工程學院，唐山 063009)

粒子群優化模糊控制在汽車空調溫控系統應用

王海群,孟令真

(華北理工大學 電氣工程學院，唐山 063009)

針對汽車空調這樣一個復雜的熱力系統，因其受到車內新風帶入熱量、太陽輻射、人體散熱、車身滲透熱等多方面熱源的影響產生熱負荷，所以利用各種傳感器檢測車內外溫度以及制冷循環部門的溫度等參數;運用模糊PID進行理論分析與仿真實驗，以此為基礎加入PSO算法來優化控制器的參數;通過Matlab仿真，說明了基于粒子群優化模糊PID控制的汽車空調溫控系統具備較高的控制精度，這種高精度、高穩定性的控制效果為乘客提供了一個舒適的環境，具有一定的實用價值。

汽車空調；熱力系統；模糊控制；粒子群

0 引言

汽車空調控制系統能夠改善車內空氣的溫度、濕度與空氣流速等參數，來提高人員在乘車空間中的舒適感。其中要精確控制車內的溫度是保障乘車環境舒適的核心問題。

汽車空調以自動控制和提高舒適度為研究方向，給乘客創建一個方便又舒適的乘車空間。綜合考慮到汽車空調控制系統自身的復雜性以及人體舒適感的模糊性，采用了模糊PID控制，被控對象不需要有具體的數學模型，就能夠模擬人的身體對于環境的舒適感,而且在參數產生變化的時候，仍具備很強的適應性。并加入PSO算法來優化模糊PID控制器的參數，更好地提高了控制系統的總體性能。

1 熱力學分析

汽車空調控制系統是一個變量較多、瞬態非線性的系統[1]，會受到車內新風帶入的熱量、人體散熱、太陽輻射、車身滲透熱等因素的影響而產生熱負荷變化。為了便于對該系統進行分析，汽車可以被看成一個定容定壓的換熱系統，氣體的勢能和動能可以被忽略，根據熱力學第一定律[2-3]得：

(1)

1)空調進出空氣之間的熱量差值:

(2)

2)太陽輻射得熱量:

(3)

3)新風帶入的熱量:

(4)

4)車身傳入的熱量:

(5)

5)人體散熱量:

Qe=0.278nqΔt

(6)

將式(2)～(6)代入式(1)中，整理計算得到:

dT1/dt=0.01V1(T2-T1)+0.0001(T3-T1)+

0.0012(T3-T1)+0.04J+0.05n

(7)

空調新風在進入與風口排出間的熱量差值：

Qa=Qm+Qn=ρcp(KmAmVmΔTm+KnAnVnΔTn)

(8)

設混合風門的開度為α，理想的情況下是流經蒸發器和加熱器冷暖空氣的體積之比：

(9)

(10)

將式(2)、(9)、(10)代入式(8)，可推導計算出風口的近似溫度為：

(11)

2 硬件設計

2.1 AD轉換電路

單片機系統在進行內部運算時全部使用數字量，所以當單片機在采集模擬信號時，前端應該加模/數轉換電路。本文選用ADC0804，它使用的是CMOS工藝20引腳集成芯片，具備8位的分辨率，0～5 V的輸入電壓范圍，轉換時間是100 μs。

圖1 AD轉換電路

2.2 溫度采集電路

在該汽車空調溫控系統中，車內、車外、發動機冷卻水以及蒸發器表面四處的溫度值作為最主要的檢測對象。在設計電路時采取了單總線的方式，即將四個溫度傳感器的I/O接口相連，單片機只要與溫度傳感器的數據線I/O口相連就能夠控制DS18B20。

圖2 溫度檢測電路

3 控制理論

3.1 PID控制原理

比例、積分、微分3種控制構成了PID控制，其特點如下：

1)比例控制：當產生系統誤差時，控制器立刻作用于被控對象，能讓它向著誤差變小的趨勢變化，控制作用的強弱是由比例系數Kp的大小來決定。隨著Kp的增大，靜差在變小，但過大又引起系統的超調增大，從而導致系統的動態性能降低。

2)積分控制：系統的靜差可以通過積分作用對誤差記憶和積分的方式得到消除。缺點是由于積分作用帶有滯后性，如果積分作用過強，被控對象的動態品質將受到影響甚至變壞，最終造成閉環系統的不穩定。

3)微分控制：對誤差能夠進行微分，可以看出其變化的趨勢。隨著微分作用的增強，系統響應在變快，系統的超調也在變小。缺點是對干擾十分敏感，使系統對干擾的抑制能力降低。

3.2 模糊控制原理

在進行模糊控制器設計的時候，不要求構建被控對象的數學模型，只要熟練運用人類的控制經驗即可。由于該模糊控制系統具有較強的魯棒性，在非線性、時變、時滯系統的控制中應用廣泛。但是仍存在一些缺陷，比如不具有積分環節，穩態精度不高；總結控制規則有時比較困難，而且控制規則一旦確定，不能在線調整。

3.3 模糊PID控制理論

對于汽車空調這類多干擾的非線性控制系統，僅使用PID控制或模糊控制無法取得較好的控制效果，所以把PID和模糊控制結合構成Fuzzy-PID控制[4-5]，響應速度快、穩態誤差小，提高了該空調溫控系統的總體性能。

圖3 模糊PID控制器的結構圖

模糊PID控制選取誤差e與誤差變化率ec作為控制器的輸入，PID控制器的三個參數作為輸出，通過模糊控制規則不斷地監測e及ec，可以實時地調節kp、ki和kd，改善控制對象的控制效果。

4 粒子群理論

4.1 基本粒子群算法

粒子群(Particle Swarm Optimization, PSO)是1995年由美國學者J.Kennedy和R.C.Eberhart受鳥類覓食行為的啟發而提出的。假定有一個種群，包含M個粒子，當它以一定的速度飛行在D維的搜索空間里。粒子在i在t時刻的狀態屬性設置如下：

其中:1≤d≤D,1≤i≤M。

則粒子在t+1時刻的位置經下式更新得出：

(12)

(13)

式中的r1,r2是隨機數，均勻分布在(0，1)區間；c1,c2成為學習因子，通常取c1=c2=2。

式(12)主要由三部分構成[6]：第一部分是繼承粒子先前的速度，代表粒子相信當下自身的運動狀態；第二部分是“認知”部分，全面考慮到自身以前的經歷并完成對下一步行為決策，反映了加強學習過程；第三部分是“社會”部分，粒子之間不僅要進行信息的分享，還需要彼此的合作。

基本PSO算法[7]的流程如圖4所示。

1)初始化；

2)評價每一個粒子；

3)粒子的狀態更新；

4)檢驗是否符合結束條件。

圖4 PSO流程圖

4.2 標準粒子群算法

為了優化基本PSO的全局及局部尋優能力，引入了慣性權重ω，位置方程無需改變，只需修改基本PSO的速度方程為式(14)所示。

(14)

粒子對當前速度繼承的多少取決于ω的大小，當慣性權重的取值較大時對全局尋優的展開有幫助，局部尋優卻依賴于較小的慣性權重取值。所以進行迭代計算的時候，如果能夠使慣性權重呈線性遞減，那么在初期PSO算法就會具備較好的全局搜索性能，靠近全局最優點的區域就可以被快速定位。后期的時候又具備較好的局部搜索性能，就可以精準地取得全局最優解[8]。線性遞減公式如下：

(15)

式中，tmax是最大迭代次數，t是當前迭代次數，ωstart，ωend分別是初始慣性權重和終止慣性權重。

4.3 粒子群優化模糊PID控制器參數

粒子群主要優化模糊PID控制的5個參數[9-10]：Ke、Kec、Kp、Ki、Kd，其結構如圖5所示。

圖5 粒子群優化模糊PID的結構圖

5 仿真實驗

5.1 模糊PID仿真設計

首先確定輸入變量為e和ec，輸出變量為kp、ki、kd的兩輸入三輸出的模糊控制器結構，其次要對各控制變量的隸屬度函數進行設置，最終通過模糊控制規則輸出kp、ki、kd的三維規則圖，僅以kp的輸出曲面為例。

圖6 隸屬度曲線

圖7 Kp三維規則圖

5.2 粒子群優化仿真設計

在Simulink的仿真條件下，創建了如圖8的PSO優化模糊PID控制的仿真系統。圖9是模糊控制器及其封裝仿真模型。圖10是PID控制器及其封裝仿真模型，kp0,ki0,kd0是PID初始值。將PID控制器與模糊控制器一起封裝，形成Fuzzy-PID復合控制器，如圖11所示。

圖9 模糊控制器及其封裝

圖10 PID控制器及封裝

圖11 模糊PID控制器及封裝

5.3 仿真結果與分析

對比圖12、13，預設的溫度是20°C，可以看出經過PSO優化后的模糊PID控制的輸出曲線沒有超調、調節時間短、穩態誤差小，具有更好的控制效果。

圖12 PSO優化前模糊PID的輸出曲線

圖13 PSO優化后模糊PID的輸出曲線

6 結論

在Matlab/simulink的仿真條件下，構建了汽車空調的模糊PID控制系統模型。在此基礎上，引入了PSO算法來優化模糊PID器控制的參數。仿真實驗說明基于粒子群優化模糊控制的汽車空調溫控系統，其控制效果及性能得到了顯著地改善與提高。這種高精度、高穩定性的控制效果為乘客提供了一個舒適的環境，具有一定的實用價值。

[1] 林火生,陽明霞. 微型汽車空調自動控制系統開發[J]. 柳州職業技術學院學報, 2012, 12(2):57-59.

[2] 張忠于,林 玲. 轎車空調熱負荷的計算和分析[J]. 裝備制造技術, 2008(11):64-65.

[3] 王世平. 汽車空調熱負荷的分析和計算[J]. 制冷與空調, 2000(2):47-51.

[4] 姚 松,蔣念平. 基于模糊控制理論的PID控制器的仿真研究[J]. 計算機系統應用, 2011, 20(10):125-128.

[5] 王麗珍. 模糊PID控制器在過熱汽溫控制中的應用[J]. 機械工程與自動化, 2009(1):129-131.

[6] 焦嵩鳴,譚雨林, 桑士杰. 基于改進粒子群算法的主汽溫控制系統PID參數優化[J]. 電力科學與工程, 2012, 28(12):9-13.

[7] 方 圓,陳水利,陳國龍. 自適應粒子群算法的整定模糊PID控制器的參數優化[J]. 集美大學學報:自然科學版, 2012, 17(2):147-152.

[8] 汪陽華. 基于粒子群算法的鍋爐主蒸汽壓力模糊PID控制[J]. 湖南工業大學學報, 2012, 26(5):62-66.

[9] 唐 鑫. 中央空調冷凍水系統一種智能控制方式的研究[D]. 重慶：重慶大學, 2009.

[10] 竇艷艷,錢 蕾,馮金龍. 基于Matlab的模糊PID控制系統設計及仿真[J]. 電子科技, 2015, 28(2):119-122.

Application of Particle Swarm Optimization Fuzzy Control in Temperature Control System of Automobile Air Conditimer

Wang Haiqun, Meng Lingzhen

(Graduate School of Electrical Engineering, North China University of Science and Technology, Tangshan 063009, China)

For automotive air conditioning such a complex thermal system,when it is subject to the new wind into the heat, solar radiation, human body heat, body heat and other factors,it will generate heat load.So a variety of sensors are used to detect the temperature of the car inside and outside, as well as the temperature parameters of the refrigeration cycle. In this paper, the theoretical analysis and simulation experiments are carried out by using fuzzy PID, and the particle swarm optimization algorithm is introduced to optimize the fuzzy control system.Through the Matlab simulation, it shows that the fuzzy control of the particle swarm optimization fuzzy control system with high control accuracy. This high precision,high stability of the control effect provides a comfortable environment for the passengers,which has a certain practical value.

automotive air conditioning; thermodynamic system;fuzzy-control; PSO

2016-09-12；

2016-10-08。

王海群(1968-),女,河北唐山人,副教授，主要從事檢測技術及智能裝置的研究。

1671-4598(2017)02-0091-04

10.16526/j.cnki.11-4762/tp.2017.02.025

TP23

A