模糊PID控制在工业过程控制中的应用

陈和洲

(重庆航天职业技术学院，重庆 400021)

0 引言

在科技和工业现代化发展的背景下，工业生产领域的控制精度、响应速度、系统稳定性和自适应能力要求不断提高。在工业过程控制中，控制对象具有非线性、时变性、滞后性、动力学特性，这就导致内部控制工作具有较强的不确定性，以及外部环境的扰动问题。传统的控制方法无法满足现阶段的工业过程控制需求。利用经典模糊PID控制理论可以在极大程度上提高工业过程控制的整体效果。模糊控制理论可以对过程控制中的不确定条件、参数干扰等进行综合检测分析，并利用模糊推理完成PID参数在线自整定作业。充分发挥传统PID控制原理简单、鲁棒性强的特点，其灵活性、实用性和精确性也会更加突出。

1 模糊控制与PID控制

1.1 模糊控制理论特点

模糊控制作为智能控制的重要内容之一，在实际应用中，需要将操作人员的经验与相关理论知识进行结合，转化为控制量，以专家知识为基础模仿人的思维过程，对模糊信息进行不确定推理。这种模糊控制算法可以对控制系统中的不确定性因素进行有效处理，能够解决多个复杂、无法建立精确数学模型系统的控制问题[1]。目前，模糊控制器在热交换过程、污水处理过程以及汽车速度控制等多种典型场合的应用中都发挥了突出作用。随着模糊芯片和模糊计算机不断发展与应用，可以进一步推动模糊控制的发展，也为模糊控制技术的进一步推广奠定了基础。近年来，模糊控制在经济、工业以及医学发展过程中都发挥了作用，很多模糊技术产品在工业和民用方面的应用越来越普遍。

模糊控制算法的主要特点表现在以下方面：

(1)在控制系统设计过程中，并不需要明确被控对象的数学模型，模糊控制仅参考现场操作人员或者专家的相关知识经验，通过系统模型对整个控制过程进行仿真分析。系统模型包含在模糊运算以及模糊规则中，其中，模糊规则主要是完成系统状态、变量的模糊处理，可以是模糊集，也可以将其与模糊控制器输出进行有效联系。在研究过程中，模糊控制被看作是完成模糊建模任务和系统控制需求的综合任务，可以防止在建模过程中出现复杂性问题，影响建模效率。

(2)模糊控制系统的鲁棒性比较强，对参数变化的灵敏度比较低。在模糊控制过程中，并非二值逻辑，是一种连续多值逻辑。因此，在系统参数出现变化时，可以确保控制系统的稳定性。

1.2 模糊PID控制算法

现阶段，在工业过程控制中对混合模糊控制理论的应用相对普遍。自矫正模糊控制器、模糊PID控制、模糊专家控制系统、模糊神经网络控制系统等都是以这一控制理论为基础发展而来的。因此，这一基础理论的发展比较成熟和完善。在工业过程控制中，控制算法的应用越来越多，但是PID控制算法凭借突出优势占据十分重要的地位，主要是因为PID控制器结构相对简单，控制效果良好，具有较强的稳定性和控制精度，理论分析体系也比较完整。目前，在冶金、石油、化工等领域的应用比较普遍[2]。但是在PID控制器应用过程中，整定参数是固定的，工业过程控制中的参数变化对时滞性强以及干扰强的控制对象而言，无法满足控制性能和控制精确度要求。在这一过程中需要加强模糊控制理论与PID控制之间的有效结合，对研究对象可以进行准确简明描述，不需要对控制对象建立精确数学模型就可以完成在线调整参数，确保柔性能够达到控制要求。因此，将模糊控制与传统PID控制进行有效结合是当前工业过程领域的重要研究内容。

2 工业过程控制特点

2.1 工业过程控制简介

工业过程控制主要是指在建材、冶金、石油、化工等不同行业生产过程中，对生产过程的自动控制。在常规过程控制系统中主要是完成生产工艺流程动态以及静态特性分析工作，根据具体的生产需求应用相关的控制理论，并根据生产工艺完成检测、变化、显示等各项功能。与此同时，在过程控制中需要与执行器、控制阀形成开环与闭环控制系统，保证整体控制系统的有效性[3]。但是需要注意在生产系统中，动力特性内部具有较强的不确定性，外部环境也会产生一些干扰，导致工业过程控制问题的复杂度和难度增加。在技术水平不断提升的背景下，生产工艺复杂度越来越高，人们对工艺过程的总体性能要求在不断提升。尤其是对控制精度、系统稳定性、响应精度等的要求在不断提高，意味着人们从系统对象获取的知识量在不断减少，对控制性能的要求在不断提高。这种情况下，必须加强工业过程控制管理工作才能够准确掌握系统的具体情况。在系统复杂性不断增加的情况下，只有确保其精确化能力降低，达到一定阈值才能够确保其满足工业过程控制的质量要求。在对复杂对象和系统物理现象运动状态进行精确描述时，以对象精确模型为基础的控制方法已经无法满足闭环优化控制需求。因此，需要提高过程控制的整体质量。

2.2 工业过程控制特点

在对工业过程控制特点进行研究时，其复杂性和控制过程中的难度主要体现在以下方面：

(1)过程本身具有不确定性。在传统的控制过程中，相关理论并不完善，过程控制系统的设计、调节器参数整定等都是以被控对象的数学模型为基础，建模方法需要由机理建模和实验建模完成。因为过程控制理论并不完善，在工业生产过程中存在很多干扰，很多比较复杂的物理和化学变化导致人们无法从机理上揭示其内在规律。除此之外，在工业生产中还存在一些不可预知的情况会对系统输出产生直接影响，且在重复实验中无法重复激励，这意味着过程控制具有较强的不稳定性，很多对象的建模难度比较大。

(2)过程具有较强的非线性。所有的工业过程都存在非线性，非线性的程度会存在一定差异。如果系统的非线性并不严重，可以利用线性系统进行近似建模，这在工业生产过程中是可以被接受的。但是，对于一些存在严重非线性环节的系统，如果利用线性化处理方法，会产生极大偏差甚至获取完全相反的结论。因此，线性系统的分析设计并不完全适合应用在工业过程控制系统的分析过程中。线性系统的分析理论比较完善，非线性系统的研究虽然已经取得了一定成果，但是研究理论并不完善和成熟，在使用过程中仍然存在很多问题。

(3)工业控制过程的强耦合以及多变量特性。在所有的工业过程控制中都有很多过程变量，这些变量是以不同形式相互联系的，任何一个变量的变化都会导致其他变量的变化，提高系统控制难度[3]。现阶段，很多单变量控制系统之所以能够有效运行，主要是因为在一些应用条件下，变量耦合度相对较低，如果变量之间的联系相对密切，需要综合考虑整体变量；如果只是单纯分析某一个变量，则无法获取系统的整体控制效果。需要将系统整体看作统一变量进行设计，才能够保证控制效果和控制过程的稳定性。

现阶段，在工业过程控制中还包含过程约束多样性、间歇性、缓慢性等各项特点，在过程控制比较复杂的情况下，需要对控制方法进行科学合理的深入分析，以便解决工业过程控制中存在的问题，提高工业过程控制质量。

3 模糊PID控制在工业过程控制中的应用经验

在工业过程控制中对模糊PID控制器进行应用，需要设计不同类型的PID控制器，了解不同类型PID控制器的具体应用特点。以此为基础了解工业过程控制中模糊PID控制的具体应用流程。

3.1 不同类型的PID控制器的应用

在具体的研究过程中，主要从单个神经元控制器(SNPC)、多层前向网控制器(NNPC)和多层前向往近似PID控制器(LPNC)3种神经网络PID控制器出发，研究其性能和应用场合。在对3种神经网络PID控制器的超调量和适应能力进行分析时，其整体性能比传统PID控制器更优，但是在抗干扰和稳态精度方面存在一些问题。在工业过程控制中，存在一些强非线性、大时滞和模型不确定的控制对象，使用传统PID控制器并不能保证系统的控制效果[4]。神经网络PID控制器的复杂度比较高，在生产工艺复杂度不断增加的情况下，工业过程控制的总体性能要求也在不断提高，这意味着神经网络PID控制器具有更加广阔的应用前景。神经网络PID控制器也在工业应用中越来越普遍。神经网络PID控制器中最具特点的就是SNPC，NNPC，LNPC。这3种神经网络PID控制器适用场合和性能都有一定差别。

(1)SNPC网络结构比较简单，控制算法消耗的计算机资源也比较少，实现难度比较小。SNPC网络结构比较简单，控制算法消耗的计算机资源也比较少，实现难度比较小。但是在控制过程中，抗干扰性能和适应能力比较差，适合应用在随机干扰不频繁，干扰幅度比较小，参数变化范围小的控制对象中。如果利用SNPC和常规PID控制器进行切换控制，可以改善控制器的抗干扰性能[5]。

(2)NNPC控制器是网络结构比较复杂的神经网络控制器，应用过程中控制算法会消耗更多的计算机资源，因此，其实现难度也比较大，但是NNPC的综合性能相对良好，尤其是具有良好的抗干扰性、适应性以及稳定时间的特点。除此之外，还可以利用在线辨识器对控制性能进行改进。但是，因为该控制器使用过程中仍然存在一定难度，如果无法确定网络隐层和以节点个数的具体规则，需要利用试凑或者经验解决问题，可能会出现算法收敛速度相对较慢的情况。因此，会导致NNPC在工业过程控制中的应用受到一定限制。

(3)LNPC控制器。这一控制器具有超调小、稳定时间比较短的特点。除此之外，该控制器还具有良好的适应性和抗干扰性。在对控制器进行应用时，整体结构比较简单。设计过程并不复杂，但是LPNC在应用中的温度精度比较低，在过程对象发生变化时，稳态误差量会不断积累。因此，在对LPNC控制器进行应用时，其适合适应性要求相对较高、数学模型并不精确或者对精确度要求不高的控制系统。

3.2 模糊PID控制在工业过程控制中的应用

在开展工业过程控制时，对自动控制算法的应用比较普遍，以传统理论为基础的PID控制算法，以现代控制理论为基础的自适应控制、神经网络控制和模糊控制等都属于自动智能化控制方法。但是，现阶段工业过程控制现场是以模糊PID控制算法为主，这一控制算法比较简单且精度都比较高，能够在极大程度上提高工业过程控制的整体性能。

对模糊控制算法与传统PID的结合形式和参数整定方法差异进行分析时，其在工业过程控制现场使用的模糊PID算法主要包括以下两种：

(1)模糊自整定PID控制算法。这一种算法是以对PID参数模糊推导后开展在线自整定为基础发展出来的，可以根据实际的工业控制结果和控制要求对控制参数进行自动调节，也可以在最大程度上确保控制精度达到预期。在具体的使用过程中需要获取PID的3个参数与误差以及误差变化率之间的模糊关系。在控制时需要对误差和误差变化率大小、变化方向等进行动态实时检测，并根据模糊控制理论对PID的3个参数进行在线修正。掌握在不同状态控制过程中，工业过程控制对PID参数的具体要求，确保被控对象获取良好的动、静态控制性能。

(2)Fuzzy—PI型模糊PID算法。这一种算法是混合型PID控制器，在实际应用中主要由常规积分控制器和误差与误差变化率输入的普通二维模糊控制器并联组成。在实际应用中，利用并联结构可以有效结合控制特性，确保控制对象达到最佳控制效果。在这一控制器使用过程中，除了对规则离散性引起的余差有较好的消除作用之外，还可以有效消除输入输出量导致的零点附近极限振荡现象，确保系统成为误差模糊控制系统，控制性能比较良好。温度本身具有非线性实质性的特点，因此，在工业过程控制中主要利用模糊PID控制器完成温度调节控制工作[6]。

4 结语

在工业过程控制中对模糊PID控制器进行应用，可以充分发挥其对非线性、时滞性、多变性控制对象的控制性能。经过分析，可以确定模糊PID控制器能够满足工业过程控制的不同控制场合，并且能够在极大程度上确保控制精度，符合工业过程控制需求。在社会经济不断发展和工业自动化技术成熟的背景下，模糊PID控制器在工业控制领域中的应用会越来越普遍。