基于智能算法的白酒发酵罐温度控制PID参数整定

张浩强，罗相巧，黄鸿滨，韦美良，蔡 柳，卢森幸

(河池学院，广西 宜州 546300)

0 引 言

中国传统白酒有着悠久的文化，在白酒酿制过程产生了独到的酿制工艺，但传统白酒酿制效率低，严重影响我国白酒销量。随着目前其它行业智能化、无人化技术发展，白酒行业智能控制是白酒发展的必经之路[1-2]。白酒酿制过程中，发酵罐温度控制极其重要，科研人员已经开展不少研究。刘中会[3]分析了白酒发酵复杂性，讨论了发酵控制特性，以具有滞后的2阶过程模型为例开展了研究；范晓云[4]基于智能视觉理论，从发酵温度、时间、数量、PH酸碱性方面实现了白酒发酵精度控制的试验验证；应静等[5]采用实验室模拟固态温控发酵方式，探讨了温度对白酒发酵的影响，研究发现高温发酵加快糟醅水分蒸发，酵母菌降低速率较快。

针对传统白酒发酵罐温度控制精度低下问题[6]，笔者通过构造白酒发酵罐温度控制系统传递函数，基于Simulink软件搭建了常规PID控制和模糊PID控制系统仿真模型，通过遗传算法和模糊算法进行了温控系统PID控制器参数整定，为白酒行业智能控制提供一定的理论指导。

1 白酒发酵罐温度控制传递函数

如图1所示为某白酒发酵罐示意图。

图1 白酒发酵罐示意图

白酒发酵罐外围分散布置冷却套，冷却套上安装冷却液进出口控制阀，上下部安装温度传感器和温度计。

在白酒勾兑过程，由于发酵物化学反应产生较多热量导致发酵罐温度逐步增加，而为提升发酵产品性能，需要严格控制和监控发酵罐温度。

忽略发酵物与罐璧的热传递，发酵罐内部热平衡满足：

(1)

式中：Q1为发酵物化学反应产出能量；Q2为发酵过程丢失的能量；m为发酵物比热容；T为发酵物实时温度。

由方程式(1)得出发酵物传递函数：

(2)

也即：

(3)

考虑发酵物温控延迟性，可将传递函数表示为：

(4)

鉴于实测数据，由切线法及阶跃响应下的延迟时间计算得：K=4，T=19，τ=-5，因此得出发酵物温控传递函数：

(5)

2 白酒发酵罐温度常规PID控制

发酵罐温度常规PID控制策略如图2所示，图中PID为比例积分微分控制器，G(s)为表示白酒发酵物不含延迟部分传递函数，ets表示白酒发酵物延迟部分。

图2 白酒发酵罐温度常规PID控制逻辑反馈图

基于Simulink得到白酒发酵罐温度常规PID控制仿真模型如图3所示。

图3 白酒发酵罐温度常规PID控制仿真模型

3 白酒发酵罐温度模糊PID控制

发酵罐温度模糊PID控制策略如图4所示，模糊控制器结构如图5所示。

图4 模糊PID控制器原理

图5 模糊控制器结构

输入变量定义白酒发酵罐温度偏差值e、偏差值变化率ec；输出变量定义PID参数增量ΔKp、ΔKT和ΔKd。

输入变量e和ec论域设定 [-0.05，0.05]、[-0.09，0.09]，输出变量ΔKp、ΔKT和ΔKd论域分别设定[-5，5]，[-5，5]，[-5，5]。

由白酒发酵罐温度偏差e、偏差率ec与ΔKp、ΔKT和ΔKd关系获得Kp、KT和Kd的调整量ΔKp、ΔKT和ΔKd的模糊控制规则表，如表1～3所列[12]。

表1 ΔKp模糊控制规则表

表2 ΔKT模糊控制规则表

表3 ΔKd模糊控制规则表

通过方程式(5)所示的重心法对ΔKp、ΔKT和ΔKd解模糊：

(5)

基于Simulink得到白酒发酵罐温度模糊PID控制仿真模型如图6所示。

图6 白酒发酵罐温度模糊PID控制仿真模型

4 白酒发酵罐温度PID参数整定

基于遗传算法(GA)和模糊算法(Fuzzy)进行白酒发酵物对PID进行参数整定[12]。PID控制器表达式如下：

(6)

首先采用遗传算法优化PID三参数[13]。图7所示为其优化流程。

图7 基于GA白酒发酵罐温度控制PID参数整定

Kp、Ki和Kd采用长度为10的二进制码编码，利用ITAE作为最优目标函数，如式(7)所示。

(7)

设置种群数量为50，交叉概率Pc=0.7，变异概率Pm=0.02，迭代次数N=300。

经过300次迭代进化，种群总体适应度提高，可获得PID控制三个参数整定结果，如表4所示。

表4 基于GA的PID参数整定结果

其次采用模糊算法优化PID三个参数[14]，得到基于Fuzzy的PID参数整定结果，如表5所列。

表5 基于Fuzzy的PID参数整定结果

5 白酒发酵罐PID控制系统仿真分析

由上述所得的PID参数代入基于GA/Fuzzy控制的白酒发酵罐温度控制系统仿真模型，所建立的滚筒位姿控制系统数学模型，采用ode45算法，对系统施加阶跃信号，幅值设置为1，仿真得到白酒发酵罐温度响应控制对比曲线，如图8所示。

图8 白酒发酵罐温度控制系统状态响应

基于GA和Fuzzy算法进行的白酒发酵罐温度PID控制器参数整定系统的超调量、调整时间和稳态误差总结如表6所列。

表6 基于GA和Fuzzy算法参数整定结果对比

对比可得：基于Fuzzy算法进行的PID参数整定，温度控制系统曲线超调量降低了41.056%，调整时间减小了36.193 %，稳态误差降低了67.597 %，显然，在白酒发酵罐温控PID参数整定中，模糊算法优于遗传算法。

6 结 论

为实现白酒发酵罐温度精确控制，设计了白酒发酵罐温度控制系统，考虑时间滞后部分并建立了发酵罐温度控制数学传递函数，搭建了基于Simulink软件的发酵罐温度PID控制仿真模型，分别采用GA和Fuzzy对发酵罐PID控制器参数进行了整定，仿真得出基于Fuzzy算法优化的温控系统超调量、响应时间和稳态误差均优于基于GA算法优化的温控系统，阶跃信号下，基于Fuzzy优化的发酵罐温度控制系统响应曲线超调量缩小了41%以上，调整时间下降了36%以上，稳态误差降低了67%以上。