智能控制在溫度控制領域中的應用研究

黃楷 呂炳均 范海洲

摘要：溫度控制具有大慣性、大滯后、時變性、非線性等特點，傳統PID控制在溫度控制領域不能達到理想效果。本文主要敘述在溫度控制領域中應用的一些智能控制技術，并介紹一些融合技術，以便在此領域有所了解。

關鍵詞：溫度控制;智能控制;融合技術

中圖分類號：TP273 文獻標識碼：A 文章編號：1007-9416（2020）02-0065-02

0 引言

由于傳統PID控制原理通俗易懂、使用方便靈活、可適應性強，因此，廣泛應用于各種工業控制領域。但是，確定傳統PID最優控制參數需要反復調節，對于大慣性、大滯后、時變性、非線性的復雜控制系統，很難精準建立控制模型，傳統PID控制未能達到理想的控制效果。溫度控制廣泛應用于大型工業和日常生活用品生產中，隨著溫度控制要求不斷增加，智能控制應運而生。鑒于智能控制技術成功地對溫度進行控制以及對今后控制領域的現實應用具有重大意義，本文針對智能控制在溫度控制領域中的應用進行了系統的分析和綜述。

1 智能控制的應用

近年來，神經網絡、模糊控制、遺傳算法等智能控制在溫度控制領域取得了良好的應用效果，通過將研究目標由被控對象轉為控制器本身，來解決不確定性的復雜控制問題。

神經網絡具有自適應能力強，學習算法簡單，實時性好等優點，通常采用軟件編程來實現，可降低硬件成本，具有較強的抗干擾能力且便于調試，可自動調節神經元權值，具有良好的快速學習收斂能力。PID神經網絡是由比例神經元、積分神經元和微分神經元組成的多層神經網絡，兼顧神經網絡和PID控制優點，對于多變量強耦合時變系統，PID神經網絡可以通過在線學習，根據對象參數發生變化時對系統輸出性能的影響來調整連接權值，改變網絡中比例、積分、微分作用的強弱，使系統具備良好動態和靜態性能，達到系統解耦和控制目的[1]。BP神經網絡整定的PID控制系統，逼近精度高、適應性好。采用BP神經網絡學習，在線調整加權系數，實現PID參數的自適應調整，整定的溫度控制系統，穩態性能好，控制精度高，是一種穩定、有效而實用的控制方法[2]，采用智能控制算法改進型BP神經網絡PID控制器，結構簡單，可以自適應調整PID參數，提升系統魯棒性[3]。但BP神經網絡權值更新收斂速度慢、易陷入局部最優值，改進的人工免疫算法可有效優化神經網絡的權值，全局搜索能力、全局收斂性、收斂速度得到明顯改善，結合人工免疫算法的智能控制系統應用前景良好。

模糊控制表達能力通俗易懂，神經網絡自適應學習能力強，模糊神經網絡結合兩者優勢，神經網絡的各層各節點均有效對應模糊系統，應用神經網絡實現模糊控制的決策過程。

遺傳算法（GA）是一種基于群智能的全局隨機優化算法。針對簡單遺傳算法（SGA）收斂速度慢、易于早熟等缺點，采用改進的自適應交叉算子和自適應變異算子，結合兼顧性能指標和響應過程平衡的適配函數，以多種改進方式相結合的遺傳算法尋優整定PID參數。改進遺傳算法能夠明顯改善收斂速度扣尋優效果，當被控對象存在較大純滯后、時間常數特性較大時，采用本方法優化PID控制器參數可獲得比較滿意的控制效果[4]。

2 結語

雖然神經網絡控制、模糊控制、自適應控制、專家學習等諸多經典的控制方法非常成熟，在控制領域應用廣泛，并得到了深入的研究，但隨著工業過程控制技術的飛速發展，滿足高要求的溫度控制系統，仍需要兩種乃至兩種以上的技術進行優勢互補，未來智能控制的發展方向將是各控制算法的融合的技術。

神經網絡以非線性映射、自適應學習和聯想記憶等優勢，可以充分逼近任意復雜的非線性，其響應速度快，抗干擾能力強，算法簡單，且易于用硬件和軟件實現并行處理，容錯性強。但學習速度較慢，對于較復雜的控制對象，較易陷入局部最優值。

模糊控制機理符合過程控制的邏輯思維和直觀描述，無需建立數學模型，控制靈活，響應快，適應性強。但設計缺乏系統性，控制規則的選擇多采用試湊法，有靜態誤差，穩態精度較差，動態精度欠佳。

模糊神經網絡有效結合模糊控制和神經網絡，模糊控制的決策過程通過神經網絡記憶模糊規則實現，具有大容量并行處理、智能模糊分類和分布式存儲等特點，自適應學習和內在的解析表達能力強，有助于提高整個系統的表達能力和學習能力。

神經PID穩態性能好，控制精度高，很強的自適應能力，較好的魯棒性。

模糊PID（3種）動態性能好，穩態精度高，有較好的魯棒性，自適應能力強。

遺傳算法（GA）是一種基于群智能的全局隨機優化算法。簡單遺傳算法（SGA）的優點是不需要任何初始信息并可以尋求全局最優解，缺點是收斂速度慢，易于早熟。

預測控制汲取現代控制理論先進、優化的思想，建立預測模型，制定滾動優化策略，利用反饋校正，實現實時調節和在線優化，從而使系統具有更強的跟蹤性和魯棒性，已發展為實際工業過程控制中的一種控制策略，結合模糊控制，調整時間短，跟蹤快，超調小，動態性能佳，且不存在穩態誤差。

模糊模型參考學習具有自學習能力，跟蹤性好，克服基本模糊控制存在穩態偏差的缺點，抗干擾能力強。

通過圖1可以看出：模糊控制在控制領域中有著舉足輕重的地位。多種新技術都可以與之融合，形成優勢互補。常規PID控制雖有些缺點，但仍被廣泛的應用。這兩種控制器作為控制的基礎，融入新技術，形成更新、更好、更全面的技術具有重要的現實意義和發展前景。同時，從兩種技術的融合已發展到三種技術的融合，因此，研究出更新更全面的技術，可提高生產效率，推動社會的發展。

參考文獻

[1] 張寶樹.基于神經網絡PID溫度控制的熱變形與維卡軟化溫度測定儀[J].塑料科技，2009，37（8）：61-63.

[2] 張小明，瞿金平.基于自適應神經PID的壓延機輥筒溫度控制[J].塑料工業，2008，36（5）：36-38.

[3] 吳鵬飛，等.基于改進型神經網絡PID算法的太陽翼α驅動控制技術[J].空天防御，2018，1（04）：8-17.

[4] 唐德翠.改進遺傳算法PID參數整定及在漂白溫度控制中的應用[J].計算技術與自動化，2009，28（4）：17-19.

The Application Research of? Intelligent Control in the Field of? Temperature Control

HUANG Kai， LV Bing-jun， FAN Hai-zhou

（Shanghai Electro-Mechanical Engineering Institute， Shanghai? 201109）

Abstract：Temperature control has the characteristics of large inertia、large lag、time-varying、non-linear and so on. The traditional PID control can not achieve the ideal effect in the field of temperature control. This paper mainly describes some intelligent control technologies applied in the field of temperature control， and introduces some fusion technologies in order to understand in this field.

Key words：temperature control;intelligent control;fusion technologies