禽舍温度模糊自适应PID控制与仿真研究

王新政，韩玉杰，张海玉

(1.东北林业大学机电工程学院，哈尔滨150040;2.黑龙江省气象服务中心，哈尔滨150001)

禽类生活环境对禽类的生长、发育、繁殖、健康及禽类产品生产量 (蛋、肉、毛)的影响非常大，理想的温度与湿度、空气质量和适当的光照是提高其存活率、产蛋率和增重速度等生产性能的必备因素［1］。其中，温度与禽类的产量关系最为密切，温度过低，大量的饲料能量消耗于维持体温，使用于生产的能量减少;温度过高，禽类机体为减少产热产生保护性反应导致产量下降。将环境温度控制在最适于畜禽生存和生长的范围之内是科研工作者和养禽企业亟待解决的问题［2］。

近年来，在解决禽舍环境温度的改善和控制方面已经取得了很多成果。黄伟锋研究了应用CAN总线技术建立一种分布式多变量环境监控系统［1］。工作时，监控中心实时收集、分析和处理各监控终端采集到的环境信息，根据用户输入的控制要求，结合实时数据，向各终端发送控制参数，实现对养殖场内多个禽舍的监控;王丽丽等针对大中型禽场环境集中监控的需求，设计了一种分布式环境监控系统，完成对禽场多个禽舍的集中监控［3］;戴春霞等利用模糊控制算法对畜禽舍环境温湿度状况进行实时监控［4］。王晓宇等建立了NH3和CO2在风机通风作用下的浓度预测模型，为加强鸡舍内环境调控，提高通风效率所作的智能化控制奠定基础［5］。

以上作者所研究的控制策略，一方面没有以一个实际的数学模型的建立为基础，另一方面模糊控制很难使得系统具有很好的控制精度和稳定性，在建立精确数学模型的基础上采取PID控制策略仍是首选方式。本文在前期工作的基础上，拟结合PID和模糊控制策略，实现禽舍环境的温度控制，并对建立的控制策略进行仿真研究。

1 禽舍环境温度数学模型的建立

禽舍环境是一个多变量、多耦合、非线性和大滞后的动态系统。整个系统主要包括温度传感器、湿度传感器、气敏传感器、运算放大器、数据采集板、变频器、风机等。它主要完成对畜禽舍的现场温度、湿度和有害气体含量的实时监测，进行采集信号的数字滤波，再根据温度偏差和湿度偏差，通过对风机和水帘泵的控制，使畜禽舍的环境达到最优。系统设计是通过传感器实现对禽舍内外环境参数以及家禽生长信息的采集，通过对数据进行分析处理，并根据相关控制逻辑判断，针对相应的外部控制设备进行控制，以实现对禽舍环境的自动调节，为家禽提供最佳的生长环境。

图1 禽舍温度采样点分布图Fig.1 Scatter of sampling points of poultry house temperature

禽舍环境温度测控系统温度监测点分布情况如图1所示。禽舍环境温度模型可借鉴相关结构的温度模型，如空调温度控制系统、大棚温度控制系统、手术室温度控制及其它模型。一般情况下，过程控制系统中温度模型可以假设为一种带有滞后环节的线性系统，而且，往往可以用一个或两个惯性环节表示纯滞后环节。因此，根据经典的温室温度模型分析，可以将禽舍环境内的温室的温度控制模型简化为一阶惯性加时滞环节，从而可以利用一些经典的PID控制器的参数的经验整定公式，以达到室内温度的稳定控制。本文采用模糊自适应方法实现PID控制器参数的整定，通过仿真结果来选择最佳的参数自整定算法。式中:k为系统静态增益;s为纯滞后时间常数;t为系统时间常数

2 模糊自适应PID控制器设计

对于线性系统来说，常规PID控制器由于其简单，成本低，效率高等优点，已广泛应用于工业。如果控制系统中包括高阶和时滞系统、非线性系统、复杂模糊系统等不确定性因素，导致很难建立精确的数学模型的情况下，常规PID控制器通常不是有效的。模糊PI和模糊PD控制器处理上述系统比传统方法好，模糊PD控制器无法消除稳态误差，模糊PI控制器在高阶过程的瞬态阶段表现不佳。为了使整体性能有所改善，模糊PID控制器是首选。

近年来，模糊逻辑控制器，特别是PID型模糊控制器被广泛应用于工业过程中［6］。这些过程往往伴随着线性和非线性性质特性的相互关联，对于实际应用中的多输入多输出系统，PD型、PI型或具有非线性增益的PID型模糊逻辑控制器，由于具有较好的线性控制增益，使得模糊控制器具有很大的潜能，以达到比传统的PID控制器更好的效果。另一方面，由于非线性的存在，它通常很难进行理论分析，所以模糊控制器可以实现更好的性能。因此，从理论和实际的观点出发，从本质上探索具有非线性控制特性模糊PID控制器，并找出适当的设计方法，这将有助于自动化工程师有效掌握和利用模糊PID控制器的非线性控制性能。

参数自适应模糊PID控制是一种复合型模糊控制，为了满足PID的参数自调整的要求，根据不同的误差E和不同的变化率的错误EC，通过模糊控制规则，在线修改PID参数。将传统的PID控制的准确性和智能模糊控制相结合，可以改善控制对象的动态特性和静态的特性。模糊自适应PID控制参数调整的基本思想是［6－7］:首先，找到PID和误差E，错误EC的变化率三者之间的模糊关系，通过不断的优化改变参数E和EC，然后根据模糊控制规则在线修改参数，以满足控制系统理想的要求。由于其计算方法简单，很容易实现，模糊自适应PID的结构原理如图2所示。

图2 模糊自适应PID结构图Fig.2 Structure of fuzzy adaptive control PID

在模糊自适应PID控制的参数调节过程中，KP，KI和 KD的整定可按照以下定义［8－9］。

(1)如果E的绝对值较大，增大KP，减小KD，同时令KI=0，避免较大的超调量，消除积分的影响。

(2)如果E的绝对值中等，则为了保证系统的超调量保持较小，应减小KP，同时选择恰当的KI和KD，尤其是KD，它的变化将对系统的性能指标有较大的影响。

(3)如果E的绝对值偏小，则为了保证系统有较好的静态特性，应增大KP，KI，为了避免系统在平衡点附近有震荡，KD也应该选择合适的值。

3 仿真分析

根据禽舍环境控制的要求，温度控制是至关重要的，但湿度，空气质量也影响着禽类的生存条件和繁殖能力。本文设计的禽舍结构，是通过风机送风来改善禽舍环境的，这将导致禽舍内温度模型发生变化。因此，在实验仿真过程中，通过增加10%的脉冲干扰来代替风机的变化。分别采用数字PID控制器和模糊自适应PID控制进行控制指标性能分析，为保证系统在多种环境干扰下仍能保证良好的控制指标，分别采用阶跃和方波两种激励方式。

在阶跃激励和方波激励情况下，系统的响应输出如图3和图5所示，可以看出数字PID在系统启动初有较大复的震荡，且幅值较大，约在20个采样点后达到稳定，在100个点进行干扰的情况下，系统的响应输出出现波动，稳定时间约在10个采样时间之后，系统的抗干扰能力下降。图4和图6为模糊自适应PID控制器的响应输出，系统的输出超调量较小，抗干扰能力较强，在干扰的2～3个采样时间后就能稳定，具有较好的控制效果。

图3 数字PID控制器响应输出 (阶跃信号输入)Fig.3 Response output of digital PID control(step signal input)

图4 模糊自适应PID响应输出 (阶跃信号输入)Fig.4 Response output of fuzzy adaptive PID control(step signal input)

图5 数字PID控制器响应输出 (方波信号输入)Fig.5 Response output of digital PID control(square-wave signal input)

图6 模糊自适应PID响应输出 (方波信号输入)Fig.6 Response output of fuzzy adaptive PID control(square-wave signal input)

4 结论

禽舍内温度是禽舍环境监控中最重要的参数，与禽类的生长、发育、繁殖、健康及禽类产品生产量息息相关。温度控制的好坏及其温度变化规律的研究，一直是科研工作者和养禽企业关注的重要科学问题。随着禽类饲养密集化及工业化的发展，对禽舍内温度控制的精度要求越来越高，传统的上下限控制和PID控制已经不能满足现代化禽舍的需求。

本文分析了万只鸡舍条件下禽舍内温度控制模型，提出了基于模糊自适应PID的控制策略，通过模糊规则调整PID参数，与传统的PID控制进行仿真比较，仿真结果表明，模糊自适应PID控制器的性能比常规PID控制器有明显的改善，其响应速度快，超调量小，稳态精度高，系统的动、静态性能都有很大的提高，且具有更强的自适应能力，可满足禽舍环境温度的控制要求。

［1］黄伟锋.CAN总线在禽舍环境监控领域的应用研究［J］.微型机与应用，2010，29(14):89 －91.

［2］钱东平，王建新，隋美丽，等.畜禽舍环境温度监控系统模糊控制算法的实现［J］.农业机械学报，2005，36(12):95 －98.

［3］王丽丽，朱瑞祥，随顺涛，等.基于PC机和单片机的分布式禽舍环境监控系统［J］.农机化研究，2009(2):74 －77.

［4］戴春霞，赵德安.基于模糊控制的畜禽舍环境温湿度监控系统.农机化研究［J］.2008(2):169－171.

［5］王晓宁，王世鹏，王新忠.风机通风作用下鸡舍内NH3浓度变化数学模型研究［J］.安徽农业科学，2008，36(14):5696 －5746.

［6］李文华，范 赢.模糊自适应PID在变喷嘴涡轮增压器中的应用［J］.客车技术与研究，2008(6):4－6.

［7］M Saad，G.M Khoury，H Y Kanaan，et al.Fuzzy PID Control of a Five DOF Robot Arm［J］.Journal of Intelligent and Robotic Systems，2004，40(3):299 －320.

［8］赵 强，冯海生.基于磁流变阻尼器的座椅悬架专家PID控制研究［J］.森林工程，2010，26(1):41 －44.

［9］Ali Volkan，Akkaya Saban Cetin.Simulation and hybrid fuzzy-PID control for positioning of a hydraulic system［J］.Nonlinear Dyn，2010(61):465－476.