馬惠杰

（1.天津職業技術師范大學 天津市 300222 2.天津市武清區職業教育中心 天津市 301700）

1 前言

模糊神經網絡是指由神經網絡算法控制，將網絡中一些偏差的變化不斷進行優化和進行校正，提高實時控制的效果。神經網絡是在神經學和數學、信息等學科基礎上慢慢發展起來，最終成為了一種信息處理計算方法。首先，用數學模型構造神經網絡，然后模擬活體神經細胞的通信和處理過程，將操作足夠多的神經元時就可以在該系統上分析各種問題[1]。模糊神經網絡有很大的優勢就是具有很高的非線性映射和自組合、自學習和連續聯想記憶能力。模糊神經網絡一般用在非線性系統的建模和計算中，由于非線性問題計算量非常大，常規的分析方法無法進行大量運算，無法分析出結果。在溫度控制算法中，網絡輸入是溫度的影響因素，由于參數改變導致溫度進行非線性變化，常規分析方法無法對其進行分析，所以需使用模糊神經網絡算法對該問題進行建模研究[2]。

2 模糊神經網絡PID控制算法設計

本次實驗使用模糊算法、神經網絡與PID算法相結合的方式進行研究。首先收集原始采樣數據，將其進行整理作為控制器的輸入值，將其輸入創建好的模型中，最后確定網絡權值，計算具有自學習功能的PID控制算法參數。模糊神經網絡算法具有響應速度快、抗干能力強、算法簡單、可由通用硬件和軟件運行等特點。模糊算法與神經網絡相結合的模式研究的較少，所以，基于模糊神經網絡的PID控制研究非常有優勢且非常迫切。模糊神經算法能夠更好的發揮實時控制的作用，它可以將網絡中的比例因子和偏差變化率進行實時的修正和優化，可以將系統的動態響應變得精度更高，響應更快，自適應能力逐步提高，魯棒性也變得良好。

傳統的PID控制算法只是將比例、積分和微分結合起來的一種計算方式，是一種最基礎、最常見的算法。PID控制算法是將原始輸入值r（T）與實際測量值y（T）進行比較，以獲得系統的控制偏差e（T）。這樣，偏差值的比例、積分和微分可以通過連續比較進行連續調整。其連續形式如下：

其中：u（t）——輸出值

e（t）一一差信號的輸入值

KP 一一比例常數

Ti 一一積分時間

Td 一一微分時間

在控制系統中設置差分環節的作用是為了提高系統的穩定性和動態響應速度可以將差分環節放置到控制系統中，這樣可以預測即將到來的變化，給系統留出足夠的調整時間。它具有偏差變化率與系統響應率成正比的特點，當變化率變得更大時，系統的響應時間變得更快。

2.1 單片機溫度控制系統的組成

本次實驗設計的溫度控制系統是閉環系統，主要使用由宏晶體技術生產的IAP15系列單片微機當做主要的控制系統，使用 PT100 鉑熱敏電阻用于檢測傳感器的實際溫度。然后，使用轉換和放大裝置將信號進行放大，將獲得的模擬量轉換為電壓信號，然后通過1746NT4型號的A/D轉換器轉換為數字信號，并輸入控制單元。操作系統使用五鍵結構設置目標溫度，LCD1602 顯示目標溫度和烤爐中烘焙食品的當前實際溫度。然后通過光耦合器控制雙向晶閘管執行器電路的電源，從而改變電爐加熱元件的功率。

電烤爐硬件系統的工作原理是使用PT100型溫度傳感器實時監控烤爐的溫度，傳感器將感覺到的溫度使用放大電路轉換成相應的電壓信號，通過A/D轉換器將電壓信號再轉換成數字信號，然后被芯片識別，最終可以在面板上顯示出當時的溫度。與此同時，單片機可以得到脈沖信號，它是通過電流溫度值與設定值比較后得到的，與同步觸發器發出的脈沖信號一起輸入門電路，再通過光耦轉換成相應的電流值信號。它需要通過放大電路輸出到晶閘管，控制電路的通電和斷電，從而改變加熱單元的溫度，改變功率大小控制電爐內的溫度值。如果檢測到的溫度值大于目標設定值，系統將向報警機構發送命令，觸發溫度報警系統。電烤爐按照默認的加熱程序開始工作，但加熱時間和溫度可以在確認烘焙食物之前通過設置按鍵來改變。

使用IAP15W413AS型號的單片機當做控制中心，用于連接復位電路、報警電路、加熱模塊、風扇模塊、交流輸出模塊、鍵盤電路等。該系統采用頻率為12Mhz的無源晶體振蕩器，選擇12Mhz頻率主要考慮串行通信中設置波特速率的便利性。連接 PT100 溫度傳感器，通過計算放大電壓信號， 這種單芯片計算機集成了一個A/D轉換電路，因此無需選擇另一個A/D轉換芯片，4針FMQ連接到蜂鳴器，控制系統啟動、復位，異常報警提醒。當系統比較目標溫度和設定值時，由控制元件 BAT12 串聯調整占空比，以調節加熱功率。

溫度傳感器是一種常用的測溫裝置，它的工作原理是通過接觸元件感應外界實際溫度值，然后，溫度值轉換為模擬信號并輸入控制系統。不同的材料和不同的類型需要不同的測量方法。同時，應考慮系統所需的實際測量溫度范圍和測量精度。因此，應根據系統的不同使用場合和不同的性能指標選擇相應的溫度傳感器。PT100鉑熱敏電阻可在-200℃至850℃范圍內工作。它是一種測量精度高的溫度傳感器。其質量、可靠性和價格都相對較低。最大的特點是其非常穩定的抗氧化性，高精度和出色的靈敏度。

本次設計的加熱溫度可在40℃-250℃范圍內調節，每檔的調節溫度為上下5℃，時間上每次可以增加或減少5分鐘。使用220V，50HZ的交流電作為電源，將功率調節到1500W，

2.2 模糊自整定PID控制器的結構及參數設計

以控制系統的誤差E和變化EC的誤差率作為系統的輸入是模糊控制算法的主要內容。與此同時，使用模糊規則對PID的控制參數KP、KI和KD進行設定，這樣可以將受控物體不斷變化的狀態進行適應，可以對其保證優異的動態性和靜態穩定性。綜合考慮電烤爐在使用過程中的升溫特點，在實驗前打開它的全部功率。在監測到溫度接近設定值時，該系統可以將當前溫度上升速率和溫差立刻計算出來，從而得到最優的加熱方式。

在進行實驗過程中，首先應根據設計受控對象的輸入和輸出值選擇語言變量。在基本理論域中，定義變量E表示誤差，EC表示誤差變化率，PID的三個參數調整變量由ZKP、ZKI和ZKD表示。其次，域必須由模糊語言變量來定義。選擇 E 和 E 之間的任何連續更改值（介于 - 6、 + 6 之間），離散化集中的所有值，并將它們組織成包含 13 個整數的離散集中。理論字段設置為如下：6、 - 5、 - 4 、 - 3、 - 2、 - 1，1、2、3、4、5、5 以同樣的方式將 PID 參數調整量字段設置為 [- 3， + 3]，然后將模糊語言變量劃分為 13 個級別。通過這種方式，ZKP、ZKI 和 ZKD 的字段可以如下：3、 - 2.5、 - 2、1.5、 - 1.0， - 0.5，1.0，1.0 5，2. 0，25，3，0，然后確定域中語言變量的值。在此系統中，變量 E、EC、ZKP、ZKI、ZKD 在它們自己的論證中采用 7 個級別，這些級別定義為（PS） 正小、（PB） （PM） 正中、正大、（Z0） 零、（NB）負大、（nm） 負中間、（NS）負小、。E 和 EC 的模糊集是：Nb、NS、Zo、PS、PM、PBH。PID 參數的模糊集是：Nb、nm、NS、Z0、PS、PM、Pb。

最后，可以對相應模糊子集的隸件函數進行確定。模糊接口有非常鮮明的特征，每個模糊集的成員級可以通過域中定義，然后輸入變量的精確值，最終轉換為模糊變量。

2.3 模糊控制規則

根據系統的綜合考慮，可以從動態、靜態、超調量和穩定狀態幾個方向當做突破點，計算衡量整個控制器的控制質量，這需要設計控制器中的KP、KI和KD三個參數，最后得到據PID參數自整定原則：

（1）在e不斷增大時，偏差大小會發生變化，需增加系統的響應速度，于此同時又要控制e過快增加，導致積分飽和及超調量快速變大，需要增加KP同時將KD值下調。所以，靜止偏差的消除且有助于避免大的過沖是積分的作用。

（2）當e的值為中等時，需要將KP降低，這樣可以將系統響應過沖降低，KP和KD的值采取中等大小，這樣不會影響系統的響應速度。

（3）當e不斷變小時，可以將值適當的增大，將穩定性放在第一位，系統容易在設定值附近出現震蕩，所以需要增加系統的抗干擾能力。當e略小時，取較大的KD值，當e略大時，取較小的KD值。

參數分析后，應當根據PID控制的參數自調整規則，結合電烤爐溫度上升變化的特點，可以計算得出對應的三個參數ZKP、ZKI、ZKD各自的模糊規則排列表。

3 實驗仿真與分析

電烤爐的工作溫度在40-250℃之間，設計溫度控制系統是為了有效的控制在改變參數的時候較小幅度的調整溫度變化，最好能將誤差控制在很小的范圍。最佳理想狀態是實現較短的調節時間、小的超調量和小范圍的穩定誤差。由于在溫度測量系統中各個部件的響應時間不同，且烤爐在實際使用過程中有固有的升溫特性，所以要給實驗留出時間滯后環節。電烤爐溫度控制系統中輸入 R 是設定溫度，輸出 y 是實際溫度，e 是誤差，u是控制信號。

使用MATLAB軟件對實驗數據進行建模仿真[4]。MATALAB軟件是具有強大計算能力的數據分析和運算軟件，具有處理復雜數據和圖形顯示的功能。在PID控制中首先設置參數值，設定30S的延遲時間，將KP=3，KI=0.02，KD=0設定完畢，然后將時間設定為150.通過軟件的計算可以得出PID系統最終的結果為Ts=200秒，誤差為1%。

將通過實驗得出的數據輸入到建成的模型中，得到最終的仿真結果。在實驗過程中記錄出現的信號，在規定時間內不斷記錄當時的溫度并進行統計。使用Simulink軟件進行仿真，它可以比較高精度的模仿PID控制系統。最終的仿真結果證明在溫度控制中可以使用該控制器進行應用，最終檢測相應的物理電路，發現電壓和電流都符合一開始的設計原則。在實驗過程中，首先調節到220V電壓，當溫度接近設定值時，檢測到電壓從 220V 降至 142V，然后降至 107V，在看到溫度馬上達到設定溫度時，淡雅變成了78V。當超過設定溫度的界限時，電壓變成了24V，隨即穩定在了這一數值。但是從中也發現了一些缺點，就是實際溫度偏差值介于 + 3℃ 和 - 4℃ 之間。這是因為在實驗過程中沒有達到理想的實驗環境，由于沒有密封的加熱和絕緣盒導致對實驗造成了干擾。

4 結論

本文采用模糊自整定PID控制方法，將模糊算法、神經網絡算法和PID算法整合在一起并應用于控制考慮溫度中，最終使用MATLABE軟件對得出的實驗結果進行仿真，最終證明本次基于模糊神經網絡和PID結合的方式對爐溫的控制誤差較小，抗干擾能力強，最終的穩定性明顯比常規的控制方式要穩定和優異，所以使用模糊神經網絡的研究方式對非線性問題研究有一定的意義。