粒子群优化模糊控制在汽车空调温控系统应用

王海群,孟令真

(华北理工大学 电气工程学院，唐山 063009)

粒子群优化模糊控制在汽车空调温控系统应用

王海群,孟令真

(华北理工大学 电气工程学院，唐山 063009)

针对汽车空调这样一个复杂的热力系统，因其受到车内新风带入热量、太阳辐射、人体散热、车身渗透热等多方面热源的影响产生热负荷，所以利用各种传感器检测车内外温度以及制冷循环部门的温度等参数;运用模糊PID进行理论分析与仿真实验，以此为基础加入PSO算法来优化控制器的参数;通过Matlab仿真，说明了基于粒子群优化模糊PID控制的汽车空调温控系统具备较高的控制精度，这种高精度、高稳定性的控制效果为乘客提供了一个舒适的环境，具有一定的实用价值。

汽车空调；热力系统；模糊控制；粒子群

0 引言

汽车空调控制系统能够改善车内空气的温度、湿度与空气流速等参数，来提高人员在乘车空间中的舒适感。其中要精确控制车内的温度是保障乘车环境舒适的核心问题。

汽车空调以自动控制和提高舒适度为研究方向，给乘客创建一个方便又舒适的乘车空间。综合考虑到汽车空调控制系统自身的复杂性以及人体舒适感的模糊性，采用了模糊PID控制，被控对象不需要有具体的数学模型，就能够模拟人的身体对于环境的舒适感,而且在参数产生变化的时候，仍具备很强的适应性。并加入PSO算法来优化模糊PID控制器的参数，更好地提高了控制系统的总体性能。

1 热力学分析

汽车空调控制系统是一个变量较多、瞬态非线性的系统[1]，会受到车内新风带入的热量、人体散热、太阳辐射、车身渗透热等因素的影响而产生热负荷变化。为了便于对该系统进行分析，汽车可以被看成一个定容定压的换热系统，气体的势能和动能可以被忽略，根据热力学第一定律[2-3]得：

(1)

1)空调进出空气之间的热量差值:

(2)

2)太阳辐射得热量:

(3)

3)新风带入的热量:

(4)

4)车身传入的热量:

(5)

5)人体散热量:

Qe=0.278nqΔt

(6)

将式(2)～(6)代入式(1)中，整理计算得到:

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

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

(7)

空调新风在进入与风口排出间的热量差值：

Qa=Qm+Qn=ρcp(KmAmVmΔTm+KnAnVnΔTn)

(8)

设混合风门的开度为α，理想的情况下是流经蒸发器和加热器冷暖空气的体积之比：

(9)

(10)

将式(2)、(9)、(10)代入式(8)，可推导计算出风口的近似温度为：

(11)

2 硬件设计

2.1 AD转换电路

单片机系统在进行内部运算时全部使用数字量，所以当单片机在采集模拟信号时，前端应该加模/数转换电路。本文选用ADC0804，它使用的是CMOS工艺20引脚集成芯片，具备8位的分辨率，0～5 V的输入电压范围，转换时间是100 μs。

图1 AD转换电路

2.2 温度采集电路

在该汽车空调温控系统中，车内、车外、发动机冷却水以及蒸发器表面四处的温度值作为最主要的检测对象。在设计电路时采取了单总线的方式，即将四个温度传感器的I/O接口相连，单片机只要与温度传感器的数据线I/O口相连就能够控制DS18B20。

图2 温度检测电路

3 控制理论

3.1 PID控制原理

比例、积分、微分3种控制构成了PID控制，其特点如下：

1)比例控制：当产生系统误差时，控制器立刻作用于被控对象，能让它向着误差变小的趋势变化，控制作用的强弱是由比例系数Kp的大小来决定。随着Kp的增大，静差在变小，但过大又引起系统的超调增大，从而导致系统的动态性能降低。

2)积分控制：系统的静差可以通过积分作用对误差记忆和积分的方式得到消除。缺点是由于积分作用带有滞后性，如果积分作用过强，被控对象的动态品质将受到影响甚至变坏，最终造成闭环系统的不稳定。

3)微分控制：对误差能够进行微分，可以看出其变化的趋势。随着微分作用的增强，系统响应在变快，系统的超调也在变小。缺点是对干扰十分敏感，使系统对干扰的抑制能力降低。

3.2 模糊控制原理

在进行模糊控制器设计的时候，不要求构建被控对象的数学模型，只要熟练运用人类的控制经验即可。由于该模糊控制系统具有较强的鲁棒性，在非线性、时变、时滞系统的控制中应用广泛。但是仍存在一些缺陷，比如不具有积分环节，稳态精度不高；总结控制规则有时比较困难，而且控制规则一旦确定，不能在线调整。

3.3 模糊PID控制理论

对于汽车空调这类多干扰的非线性控制系统，仅使用PID控制或模糊控制无法取得较好的控制效果，所以把PID和模糊控制结合构成Fuzzy-PID控制[4-5]，响应速度快、稳态误差小，提高了该空调温控系统的总体性能。

图3 模糊PID控制器的结构图

模糊PID控制选取误差e与误差变化率ec作为控制器的输入，PID控制器的三个参数作为输出，通过模糊控制规则不断地监测e及ec，可以实时地调节kp、ki和kd，改善控制对象的控制效果。

4 粒子群理论

4.1 基本粒子群算法

粒子群(Particle Swarm Optimization, PSO)是1995年由美国学者J.Kennedy和R.C.Eberhart受鸟类觅食行为的启发而提出的。假定有一个种群，包含M个粒子，当它以一定的速度飞行在D维的搜索空间里。粒子在i在t时刻的状态属性设置如下：

其中:1≤d≤D,1≤i≤M。

则粒子在t+1时刻的位置经下式更新得出：

(12)

(13)

式中的r1,r2是随机数，均匀分布在(0，1)区间；c1,c2成为学习因子，通常取c1=c2=2。

式(12)主要由三部分构成[6]：第一部分是继承粒子先前的速度，代表粒子相信当下自身的运动状态；第二部分是“认知”部分，全面考虑到自身以前的经历并完成对下一步行为决策，反映了加强学习过程；第三部分是“社会”部分，粒子之间不仅要进行信息的分享，还需要彼此的合作。

基本PSO算法[7]的流程如图4所示。

1)初始化；

2)评价每一个粒子；

3)粒子的状态更新；

4)检验是否符合结束条件。

图4 PSO流程图

4.2 标准粒子群算法

为了优化基本PSO的全局及局部寻优能力，引入了惯性权重ω，位置方程无需改变，只需修改基本PSO的速度方程为式(14)所示。

(14)

粒子对当前速度继承的多少取决于ω的大小，当惯性权重的取值较大时对全局寻优的展开有帮助，局部寻优却依赖于较小的惯性权重取值。所以进行迭代计算的时候，如果能够使惯性权重呈线性递减，那么在初期PSO算法就会具备较好的全局搜索性能，靠近全局最优点的区域就可以被快速定位。后期的时候又具备较好的局部搜索性能，就可以精准地取得全局最优解[8]。线性递减公式如下：

(15)

式中，tmax是最大迭代次数，t是当前迭代次数，ωstart，ωend分别是初始惯性权重和终止惯性权重。

4.3 粒子群优化模糊PID控制器参数

粒子群主要优化模糊PID控制的5个参数[9-10]：Ke、Kec、Kp、Ki、Kd，其结构如图5所示。

图5 粒子群优化模糊PID的结构图

5 仿真实验

5.1 模糊PID仿真设计

首先确定输入变量为e和ec，输出变量为kp、ki、kd的两输入三输出的模糊控制器结构，其次要对各控制变量的隶属度函数进行设置，最终通过模糊控制规则输出kp、ki、kd的三维规则图，仅以kp的输出曲面为例。

图6 隶属度曲线

图7 Kp三维规则图

5.2 粒子群优化仿真设计

在Simulink的仿真条件下，创建了如图8的PSO优化模糊PID控制的仿真系统。图9是模糊控制器及其封装仿真模型。图10是PID控制器及其封装仿真模型，kp0,ki0,kd0是PID初始值。将PID控制器与模糊控制器一起封装，形成Fuzzy-PID复合控制器，如图11所示。

图9 模糊控制器及其封装

图10 PID控制器及封装

图11 模糊PID控制器及封装

5.3 仿真结果与分析

对比图12、13，预设的温度是20°C，可以看出经过PSO优化后的模糊PID控制的输出曲线没有超调、调节时间短、稳态误差小，具有更好的控制效果。

图12 PSO优化前模糊PID的输出曲线

图13 PSO优化后模糊PID的输出曲线

6 结论

在Matlab/simulink的仿真条件下，构建了汽车空调的模糊PID控制系统模型。在此基础上，引入了PSO算法来优化模糊PID器控制的参数。仿真实验说明基于粒子群优化模糊控制的汽车空调温控系统，其控制效果及性能得到了显著地改善与提高。这种高精度、高稳定性的控制效果为乘客提供了一个舒适的环境，具有一定的实用价值。

[1] 林火生,阳明霞. 微型汽车空调自动控制系统开发[J]. 柳州职业技术学院学报, 2012, 12(2):57-59.

[2] 张忠于,林 玲. 轿车空调热负荷的计算和分析[J]. 装备制造技术, 2008(11):64-65.

[3] 王世平. 汽车空调热负荷的分析和计算[J]. 制冷与空调, 2000(2):47-51.

[4] 姚 松,蒋念平. 基于模糊控制理论的PID控制器的仿真研究[J]. 计算机系统应用, 2011, 20(10):125-128.

[5] 王丽珍. 模糊PID控制器在过热汽温控制中的应用[J]. 机械工程与自动化, 2009(1):129-131.

[6] 焦嵩鸣,谭雨林, 桑士杰. 基于改进粒子群算法的主汽温控制系统PID参数优化[J]. 电力科学与工程, 2012, 28(12):9-13.

[7] 方 圆,陈水利,陈国龙. 自适应粒子群算法的整定模糊PID控制器的参数优化[J]. 集美大学学报:自然科学版, 2012, 17(2):147-152.

[8] 汪阳华. 基于粒子群算法的锅炉主蒸汽压力模糊PID控制[J]. 湖南工业大学学报, 2012, 26(5):62-66.

[9] 唐 鑫. 中央空调冷冻水系统一种智能控制方式的研究[D]. 重庆：重庆大学, 2009.

[10] 窦艳艳,钱 蕾,冯金龙. 基于Matlab的模糊PID控制系统设计及仿真[J]. 电子科技, 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，主要从事检测技术及智能装置的研究。

1671-4598(2017)02-0091-04

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

TP23

A