模糊PID控制在工業過程控制中的應用

陳和洲

(重慶航天職業技術學院，重慶 400021)

0 引言

在科技和工業現代化發展的背景下，工業生產領域的控制精度、響應速度、系統穩定性和自適應能力要求不斷提高。在工業過程控制中，控制對象具有非線性、時變性、滯后性、動力學特性，這就導致內部控制工作具有較強的不確定性，以及外部環境的擾動問題。傳統的控制方法無法滿足現階段的工業過程控制需求。利用經典模糊PID控制理論可以在極大程度上提高工業過程控制的整體效果。模糊控制理論可以對過程控制中的不確定條件、參數干擾等進行綜合檢測分析，并利用模糊推理完成PID參數在線自整定作業。充分發揮傳統PID控制原理簡單、魯棒性強的特點，其靈活性、實用性和精確性也會更加突出。

1 模糊控制與PID控制

1.1 模糊控制理論特點

模糊控制作為智能控制的重要內容之一，在實際應用中，需要將操作人員的經驗與相關理論知識進行結合，轉化為控制量，以專家知識為基礎模仿人的思維過程，對模糊信息進行不確定推理。這種模糊控制算法可以對控制系統中的不確定性因素進行有效處理，能夠解決多個復雜、無法建立精確數學模型系統的控制問題[1]。目前，模糊控制器在熱交換過程、污水處理過程以及汽車速度控制等多種典型場合的應用中都發揮了突出作用。隨著模糊芯片和模糊計算機不斷發展與應用，可以進一步推動模糊控制的發展，也為模糊控制技術的進一步推廣奠定了基礎。近年來，模糊控制在經濟、工業以及醫學發展過程中都發揮了作用，很多模糊技術產品在工業和民用方面的應用越來越普遍。

模糊控制算法的主要特點表現在以下方面：

(1)在控制系統設計過程中，并不需要明確被控對象的數學模型，模糊控制僅參考現場操作人員或者專家的相關知識經驗，通過系統模型對整個控制過程進行仿真分析。系統模型包含在模糊運算以及模糊規則中，其中，模糊規則主要是完成系統狀態、變量的模糊處理，可以是模糊集，也可以將其與模糊控制器輸出進行有效聯系。在研究過程中，模糊控制被看作是完成模糊建模任務和系統控制需求的綜合任務，可以防止在建模過程中出現復雜性問題，影響建模效率。

(2)模糊控制系統的魯棒性比較強，對參數變化的靈敏度比較低。在模糊控制過程中，并非二值邏輯，是一種連續多值邏輯。因此，在系統參數出現變化時，可以確保控制系統的穩定性。

1.2 模糊PID控制算法

現階段，在工業過程控制中對混合模糊控制理論的應用相對普遍。自矯正模糊控制器、模糊PID控制、模糊專家控制系統、模糊神經網絡控制系統等都是以這一控制理論為基礎發展而來的。因此，這一基礎理論的發展比較成熟和完善。在工業過程控制中，控制算法的應用越來越多，但是PID控制算法憑借突出優勢占據十分重要的地位，主要是因為PID控制器結構相對簡單，控制效果良好，具有較強的穩定性和控制精度，理論分析體系也比較完整。目前，在冶金、石油、化工等領域的應用比較普遍[2]。但是在PID控制器應用過程中，整定參數是固定的，工業過程控制中的參數變化對時滯性強以及干擾強的控制對象而言，無法滿足控制性能和控制精確度要求。在這一過程中需要加強模糊控制理論與PID控制之間的有效結合，對研究對象可以進行準確簡明描述，不需要對控制對象建立精確數學模型就可以完成在線調整參數，確保柔性能夠達到控制要求。因此，將模糊控制與傳統PID控制進行有效結合是當前工業過程領域的重要研究內容。

2 工業過程控制特點

2.1 工業過程控制簡介

工業過程控制主要是指在建材、冶金、石油、化工等不同行業生產過程中，對生產過程的自動控制。在常規過程控制系統中主要是完成生產工藝流程動態以及靜態特性分析工作，根據具體的生產需求應用相關的控制理論，并根據生產工藝完成檢測、變化、顯示等各項功能。與此同時，在過程控制中需要與執行器、控制閥形成開環與閉環控制系統，保證整體控制系統的有效性[3]。但是需要注意在生產系統中，動力特性內部具有較強的不確定性，外部環境也會產生一些干擾，導致工業過程控制問題的復雜度和難度增加。在技術水平不斷提升的背景下，生產工藝復雜度越來越高，人們對工藝過程的總體性能要求在不斷提升。尤其是對控制精度、系統穩定性、響應精度等的要求在不斷提高，意味著人們從系統對象獲取的知識量在不斷減少，對控制性能的要求在不斷提高。這種情況下，必須加強工業過程控制管理工作才能夠準確掌握系統的具體情況。在系統復雜性不斷增加的情況下，只有確保其精確化能力降低，達到一定閾值才能夠確保其滿足工業過程控制的質量要求。在對復雜對象和系統物理現象運動狀態進行精確描述時，以對象精確模型為基礎的控制方法已經無法滿足閉環優化控制需求。因此，需要提高過程控制的整體質量。

2.2 工業過程控制特點

在對工業過程控制特點進行研究時，其復雜性和控制過程中的難度主要體現在以下方面：

(1)過程本身具有不確定性。在傳統的控制過程中，相關理論并不完善，過程控制系統的設計、調節器參數整定等都是以被控對象的數學模型為基礎，建模方法需要由機理建模和實驗建模完成。因為過程控制理論并不完善，在工業生產過程中存在很多干擾，很多比較復雜的物理和化學變化導致人們無法從機理上揭示其內在規律。除此之外，在工業生產中還存在一些不可預知的情況會對系統輸出產生直接影響，且在重復實驗中無法重復激勵，這意味著過程控制具有較強的不穩定性，很多對象的建模難度比較大。

(2)過程具有較強的非線性。所有的工業過程都存在非線性，非線性的程度會存在一定差異。如果系統的非線性并不嚴重，可以利用線性系統進行近似建模，這在工業生產過程中是可以被接受的。但是，對于一些存在嚴重非線性環節的系統，如果利用線性化處理方法，會產生極大偏差甚至獲取完全相反的結論。因此，線性系統的分析設計并不完全適合應用在工業過程控制系統的分析過程中。線性系統的分析理論比較完善，非線性系統的研究雖然已經取得了一定成果，但是研究理論并不完善和成熟，在使用過程中仍然存在很多問題。

(3)工業控制過程的強耦合以及多變量特性。在所有的工業過程控制中都有很多過程變量，這些變量是以不同形式相互聯系的，任何一個變量的變化都會導致其他變量的變化，提高系統控制難度[3]。現階段，很多單變量控制系統之所以能夠有效運行，主要是因為在一些應用條件下，變量耦合度相對較低，如果變量之間的聯系相對密切，需要綜合考慮整體變量；如果只是單純分析某一個變量，則無法獲取系統的整體控制效果。需要將系統整體看作統一變量進行設計，才能夠保證控制效果和控制過程的穩定性。

現階段，在工業過程控制中還包含過程約束多樣性、間歇性、緩慢性等各項特點，在過程控制比較復雜的情況下，需要對控制方法進行科學合理的深入分析，以便解決工業過程控制中存在的問題，提高工業過程控制質量。

3 模糊PID控制在工業過程控制中的應用經驗

在工業過程控制中對模糊PID控制器進行應用，需要設計不同類型的PID控制器，了解不同類型PID控制器的具體應用特點。以此為基礎了解工業過程控制中模糊PID控制的具體應用流程。

3.1 不同類型的PID控制器的應用

在具體的研究過程中，主要從單個神經元控制器(SNPC)、多層前向網控制器(NNPC)和多層前向往近似PID控制器(LPNC)3種神經網絡PID控制器出發，研究其性能和應用場合。在對3種神經網絡PID控制器的超調量和適應能力進行分析時，其整體性能比傳統PID控制器更優，但是在抗干擾和穩態精度方面存在一些問題。在工業過程控制中，存在一些強非線性、大時滯和模型不確定的控制對象，使用傳統PID控制器并不能保證系統的控制效果[4]。神經網絡PID控制器的復雜度比較高，在生產工藝復雜度不斷增加的情況下，工業過程控制的總體性能要求也在不斷提高，這意味著神經網絡PID控制器具有更加廣闊的應用前景。神經網絡PID控制器也在工業應用中越來越普遍。神經網絡PID控制器中最具特點的就是SNPC，NNPC，LNPC。這3種神經網絡PID控制器適用場合和性能都有一定差別。

(1)SNPC網絡結構比較簡單，控制算法消耗的計算機資源也比較少，實現難度比較小。SNPC網絡結構比較簡單，控制算法消耗的計算機資源也比較少，實現難度比較小。但是在控制過程中，抗干擾性能和適應能力比較差，適合應用在隨機干擾不頻繁，干擾幅度比較小，參數變化范圍小的控制對象中。如果利用SNPC和常規PID控制器進行切換控制，可以改善控制器的抗干擾性能[5]。

(2)NNPC控制器是網絡結構比較復雜的神經網絡控制器，應用過程中控制算法會消耗更多的計算機資源，因此，其實現難度也比較大，但是NNPC的綜合性能相對良好，尤其是具有良好的抗干擾性、適應性以及穩定時間的特點。除此之外，還可以利用在線辨識器對控制性能進行改進。但是，因為該控制器使用過程中仍然存在一定難度，如果無法確定網絡隱層和以節點個數的具體規則，需要利用試湊或者經驗解決問題，可能會出現算法收斂速度相對較慢的情況。因此，會導致NNPC在工業過程控制中的應用受到一定限制。

(3)LNPC控制器。這一控制器具有超調小、穩定時間比較短的特點。除此之外，該控制器還具有良好的適應性和抗干擾性。在對控制器進行應用時，整體結構比較簡單。設計過程并不復雜，但是LPNC在應用中的溫度精度比較低，在過程對象發生變化時，穩態誤差量會不斷積累。因此，在對LPNC控制器進行應用時，其適合適應性要求相對較高、數學模型并不精確或者對精確度要求不高的控制系統。

3.2 模糊PID控制在工業過程控制中的應用

在開展工業過程控制時，對自動控制算法的應用比較普遍，以傳統理論為基礎的PID控制算法，以現代控制理論為基礎的自適應控制、神經網絡控制和模糊控制等都屬于自動智能化控制方法。但是，現階段工業過程控制現場是以模糊PID控制算法為主，這一控制算法比較簡單且精度都比較高，能夠在極大程度上提高工業過程控制的整體性能。

對模糊控制算法與傳統PID的結合形式和參數整定方法差異進行分析時，其在工業過程控制現場使用的模糊PID算法主要包括以下兩種：

(1)模糊自整定PID控制算法。這一種算法是以對PID參數模糊推導后開展在線自整定為基礎發展出來的，可以根據實際的工業控制結果和控制要求對控制參數進行自動調節，也可以在最大程度上確保控制精度達到預期。在具體的使用過程中需要獲取PID的3個參數與誤差以及誤差變化率之間的模糊關系。在控制時需要對誤差和誤差變化率大小、變化方向等進行動態實時檢測，并根據模糊控制理論對PID的3個參數進行在線修正。掌握在不同狀態控制過程中，工業過程控制對PID參數的具體要求，確保被控對象獲取良好的動、靜態控制性能。

(2)Fuzzy—PI型模糊PID算法。這一種算法是混合型PID控制器，在實際應用中主要由常規積分控制器和誤差與誤差變化率輸入的普通二維模糊控制器并聯組成。在實際應用中，利用并聯結構可以有效結合控制特性，確保控制對象達到最佳控制效果。在這一控制器使用過程中，除了對規則離散性引起的余差有較好的消除作用之外，還可以有效消除輸入輸出量導致的零點附近極限振蕩現象，確保系統成為誤差模糊控制系統，控制性能比較良好。溫度本身具有非線性實質性的特點，因此，在工業過程控制中主要利用模糊PID控制器完成溫度調節控制工作[6]。

4 結語

在工業過程控制中對模糊PID控制器進行應用，可以充分發揮其對非線性、時滯性、多變性控制對象的控制性能。經過分析，可以確定模糊PID控制器能夠滿足工業過程控制的不同控制場合，并且能夠在極大程度上確保控制精度，符合工業過程控制需求。在社會經濟不斷發展和工業自動化技術成熟的背景下，模糊PID控制器在工業控制領域中的應用會越來越普遍。