基于模糊PID的烤炉控制器

马惠杰

（1.天津职业技术师范大学 天津市 300222 2.天津市武清区职业教育中心 天津市 301700）

1 前言

模糊神经网络是指由神经网络算法控制，将网络中一些偏差的变化不断进行优化和进行校正，提高实时控制的效果。神经网络是在神经学和数学、信息等学科基础上慢慢发展起来，最终成为了一种信息处理计算方法。首先，用数学模型构造神经网络，然后模拟活体神经细胞的通信和处理过程，将操作足够多的神经元时就可以在该系统上分析各种问题[1]。模糊神经网络有很大的优势就是具有很高的非线性映射和自组合、自学习和连续联想记忆能力。模糊神经网络一般用在非线性系统的建模和计算中，由于非线性问题计算量非常大，常规的分析方法无法进行大量运算，无法分析出结果。在温度控制算法中，网络输入是温度的影响因素，由于参数改变导致温度进行非线性变化，常规分析方法无法对其进行分析，所以需使用模糊神经网络算法对该问题进行建模研究[2]。

2 模糊神经网络PID控制算法设计

本次实验使用模糊算法、神经网络与PID算法相结合的方式进行研究。首先收集原始采样数据，将其进行整理作为控制器的输入值，将其输入创建好的模型中，最后确定网络权值，计算具有自学习功能的PID控制算法参数。模糊神经网络算法具有响应速度快、抗干能力强、算法简单、可由通用硬件和软件运行等特点。模糊算法与神经网络相结合的模式研究的较少，所以，基于模糊神经网络的PID控制研究非常有优势且非常迫切。模糊神经算法能够更好的发挥实时控制的作用，它可以将网络中的比例因子和偏差变化率进行实时的修正和优化，可以将系统的动态响应变得精度更高，响应更快，自适应能力逐步提高，鲁棒性也变得良好。

传统的PID控制算法只是将比例、积分和微分结合起来的一种计算方式，是一种最基础、最常见的算法。PID控制算法是将原始输入值r（T）与实际测量值y（T）进行比较，以获得系统的控制偏差e（T）。这样，偏差值的比例、积分和微分可以通过连续比较进行连续调整。其连续形式如下：

其中：u（t）——输出值

e（t）一一差信号的输入值

KP 一一比例常数

Ti 一一积分时间

Td 一一微分时间

在控制系统中设置差分环节的作用是为了提高系统的稳定性和动态响应速度可以将差分环节放置到控制系统中，这样可以预测即将到来的变化，给系统留出足够的调整时间。它具有偏差变化率与系统响应率成正比的特点，当变化率变得更大时，系统的响应时间变得更快。

2.1 单片机温度控制系统的组成

本次实验设计的温度控制系统是闭环系统，主要使用由宏晶体技术生产的IAP15系列单片微机当做主要的控制系统，使用 PT100 铂热敏电阻用于检测传感器的实际温度。然后，使用转换和放大装置将信号进行放大，将获得的模拟量转换为电压信号，然后通过1746NT4型号的A/D转换器转换为数字信号，并输入控制单元。操作系统使用五键结构设置目标温度，LCD1602 显示目标温度和烤炉中烘焙食品的当前实际温度。然后通过光耦合器控制双向晶闸管执行器电路的电源，从而改变电炉加热元件的功率。

电烤炉硬件系统的工作原理是使用PT100型温度传感器实时监控烤炉的温度，传感器将感觉到的温度使用放大电路转换成相应的电压信号，通过A/D转换器将电压信号再转换成数字信号，然后被芯片识别，最终可以在面板上显示出当时的温度。与此同时，单片机可以得到脉冲信号，它是通过电流温度值与设定值比较后得到的，与同步触发器发出的脉冲信号一起输入门电路，再通过光耦转换成相应的电流值信号。它需要通过放大电路输出到晶闸管，控制电路的通电和断电，从而改变加热单元的温度，改变功率大小控制电炉内的温度值。如果检测到的温度值大于目标设定值，系统将向报警机构发送命令，触发温度报警系统。电烤炉按照默认的加热程序开始工作，但加热时间和温度可以在确认烘焙食物之前通过设置按键来改变。

使用IAP15W413AS型号的单片机当做控制中心，用于连接复位电路、报警电路、加热模块、风扇模块、交流输出模块、键盘电路等。该系统采用频率为12Mhz的无源晶体振荡器，选择12Mhz频率主要考虑串行通信中设置波特速率的便利性。连接 PT100 温度传感器，通过计算放大电压信号， 这种单芯片计算机集成了一个A/D转换电路，因此无需选择另一个A/D转换芯片，4针FMQ连接到蜂鸣器，控制系统启动、复位，异常报警提醒。当系统比较目标温度和设定值时，由控制元件 BAT12 串联调整占空比，以调节加热功率。

温度传感器是一种常用的测温装置，它的工作原理是通过接触元件感应外界实际温度值，然后，温度值转换为模拟信号并输入控制系统。不同的材料和不同的类型需要不同的测量方法。同时，应考虑系统所需的实际测量温度范围和测量精度。因此，应根据系统的不同使用场合和不同的性能指标选择相应的温度传感器。PT100铂热敏电阻可在-200℃至850℃范围内工作。它是一种测量精度高的温度传感器。其质量、可靠性和价格都相对较低。最大的特点是其非常稳定的抗氧化性，高精度和出色的灵敏度。

本次设计的加热温度可在40℃-250℃范围内调节，每档的调节温度为上下5℃，时间上每次可以增加或减少5分钟。使用220V，50HZ的交流电作为电源，将功率调节到1500W，

2.2 模糊自整定PID控制器的结构及参数设计

以控制系统的误差E和变化EC的误差率作为系统的输入是模糊控制算法的主要内容。与此同时，使用模糊规则对PID的控制参数KP、KI和KD进行设定，这样可以将受控物体不断变化的状态进行适应，可以对其保证优异的动态性和静态稳定性。综合考虑电烤炉在使用过程中的升温特点，在实验前打开它的全部功率。在监测到温度接近设定值时，该系统可以将当前温度上升速率和温差立刻计算出来，从而得到最优的加热方式。

在进行实验过程中，首先应根据设计受控对象的输入和输出值选择语言变量。在基本理论域中，定义变量E表示误差，EC表示误差变化率，PID的三个参数调整变量由ZKP、ZKI和ZKD表示。其次，域必须由模糊语言变量来定义。选择 E 和 E 之间的任何连续更改值（介于 - 6、 + 6 之间），离散化集中的所有值，并将它们组织成包含 13 个整数的离散集中。理论字段设置为如下：6、 - 5、 - 4 、 - 3、 - 2、 - 1，1、2、3、4、5、5 以同样的方式将 PID 参数调整量字段设置为 [- 3， + 3]，然后将模糊语言变量划分为 13 个级别。通过这种方式，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，然后确定域中语言变量的值。在此系统中，变量 E、EC、ZKP、ZKI、ZKD 在它们自己的论证中采用 7 个级别，这些级别定义为（PS） 正小、（PB） （PM） 正中、正大、（Z0） 零、（NB）负大、（nm） 负中间、（NS）负小、。E 和 EC 的模糊集是：Nb、NS、Zo、PS、PM、PBH。PID 参数的模糊集是：Nb、nm、NS、Z0、PS、PM、Pb。

最后，可以对相应模糊子集的隶件函数进行确定。模糊接口有非常鲜明的特征，每个模糊集的成员级可以通过域中定义，然后输入变量的精确值，最终转换为模糊变量。

2.3 模糊控制规则

根据系统的综合考虑，可以从动态、静态、超调量和稳定状态几个方向当做突破点，计算衡量整个控制器的控制质量，这需要设计控制器中的KP、KI和KD三个参数，最后得到据PID参数自整定原则：

（1）在e不断增大时，偏差大小会发生变化，需增加系统的响应速度，于此同时又要控制e过快增加，导致积分饱和及超调量快速变大，需要增加KP同时将KD值下调。所以，静止偏差的消除且有助于避免大的过冲是积分的作用。

（2）当e的值为中等时，需要将KP降低，这样可以将系统响应过冲降低，KP和KD的值采取中等大小，这样不会影响系统的响应速度。

（3）当e不断变小时，可以将值适当的增大，将稳定性放在第一位，系统容易在设定值附近出现震荡，所以需要增加系统的抗干扰能力。当e略小时，取较大的KD值，当e略大时，取较小的KD值。

参数分析后，应当根据PID控制的参数自调整规则，结合电烤炉温度上升变化的特点，可以计算得出对应的三个参数ZKP、ZKI、ZKD各自的模糊规则排列表。

3 实验仿真与分析

电烤炉的工作温度在40-250℃之间，设计温度控制系统是为了有效的控制在改变参数的时候较小幅度的调整温度变化，最好能将误差控制在很小的范围。最佳理想状态是实现较短的调节时间、小的超调量和小范围的稳定误差。由于在温度测量系统中各个部件的响应时间不同，且烤炉在实际使用过程中有固有的升温特性，所以要给实验留出时间滞后环节。电烤炉温度控制系统中输入 R 是设定温度，输出 y 是实际温度，e 是误差，u是控制信号。

使用MATLAB软件对实验数据进行建模仿真[4]。MATALAB软件是具有强大计算能力的数据分析和运算软件，具有处理复杂数据和图形显示的功能。在PID控制中首先设置参数值，设定30S的延迟时间，将KP=3，KI=0.02，KD=0设定完毕，然后将时间设定为150.通过软件的计算可以得出PID系统最终的结果为Ts=200秒，误差为1%。

将通过实验得出的数据输入到建成的模型中，得到最终的仿真结果。在实验过程中记录出现的信号，在规定时间内不断记录当时的温度并进行统计。使用Simulink软件进行仿真，它可以比较高精度的模仿PID控制系统。最终的仿真结果证明在温度控制中可以使用该控制器进行应用，最终检测相应的物理电路，发现电压和电流都符合一开始的设计原则。在实验过程中，首先调节到220V电压，当温度接近设定值时，检测到电压从 220V 降至 142V，然后降至 107V，在看到温度马上达到设定温度时，淡雅变成了78V。当超过设定温度的界限时，电压变成了24V，随即稳定在了这一数值。但是从中也发现了一些缺点，就是实际温度偏差值介于 + 3℃ 和 - 4℃ 之间。这是因为在实验过程中没有达到理想的实验环境，由于没有密封的加热和绝缘盒导致对实验造成了干扰。

4 结论

本文采用模糊自整定PID控制方法，将模糊算法、神经网络算法和PID算法整合在一起并应用于控制考虑温度中，最终使用MATLABE软件对得出的实验结果进行仿真，最终证明本次基于模糊神经网络和PID结合的方式对炉温的控制误差较小，抗干扰能力强，最终的稳定性明显比常规的控制方式要稳定和优异，所以使用模糊神经网络的研究方式对非线性问题研究有一定的意义。