基于模糊PID技术的复合结构温室系统设计
2023-10-17刘豫飞刘德军
刘豫飞, 刘德军
(1.河南省工业学校,郑州 450011;2.河南省遥感测绘院,郑州 450016)
0 引言
温室控制系统具有多样性,按照控制方式的不同,可将其分为简单开关量控制、常规PID控制、模糊控制以及自适应控制等方式[1]。开关量控制精度低,在非线性系统中具有滞后性;常规PID控制精度高,可不断缩小控制参数的偏差值和偏差变化率,进一步降低系统的滞后性;模糊控制不需要固定的数学模型,但控制过程中难以消除误差,控制精度低[2~4]。
笔者通过对模糊控制和PID控制原理进行分析,设计了一种模糊PID温室控制系统,采用统一的模糊推理原则,构建4种不同的模糊PID控制方案,并采用仿真试验的方式对模糊PID温室控制系统响应性能进行了验证。
1 PID控制理论基础
PID控制是一种常见的闭环控制方式,包含比例控制、积分控制以及微分控制,可对控制对象在过程中进行超前或滞后校正,常用于温度、压力以及液位等控制领域[5]。PID控制器输入参数为系统的输出值与设定值之间的偏差量,采用比例、积分以及微分的方式进行系统调节,消除系统的输出值与设定值之间的偏差量,提高控制系统精度[6]。
PID控制系统调节律数学方程可表示为
其中,u(t)为控制器输出值;Kp为比例增益;Ti为积分时间;Td为微分时间;e(t)为输出值与设定值之间的偏差量。
利用传统PID控制进行系统控制时,需要将控制对象进行离散化处理后,采用位置式PID和增量式PID两种算法进行系统控制。在计算过程中,位置式PID每次对输出值与设定值之间的偏差量进行累加[7]。增量式PID算法是一种加权处理后的控制算法,即
Δu(k)=Ae(k)+Be(k-1)+Ce(k-2)
其中,A=Kp+Ki+Kd,B=Kp+2Kd,C=Kd。
2 模糊PID系统
模糊控制是一种能够进行变论域、非线性对象以及大时滞系统控制的方法,在控制过程中能够模仿人的模糊推理和决策。本文将模糊控制的PID控制进行结合,构成一种模糊PID控制方法,保持模糊控制的多样性,同时具有PID控制的高精度[8]。
利用模糊PID技术构建温室系统时,先建立控制系统数学模型,并确定温室系统的PID控制参数,将PID参数初始值通过控制系统增益调节量进行调节[9]。模糊PID控制器包含模糊化、模糊推理以及清晰化3个不同的功能要素,模糊PID控制器的输入参数为偏差值和偏差变化率。在控制过程中,对输入参数进行模糊化处理,并使用模糊推力器进行推导,最后将增益调节量进行清晰化处理,并输出至模糊PID控制器[10]。图1为模糊PID控制器结构图。
图1 模糊PID控制器结构图Fig.1 Structure diagram of fuzzy PID controller
模糊子集越多,模糊控制器控制精度越高,随着模糊子集数量的增多,系统运算量也随之增加[11]。结合温室系统控制过程需求,设定控制器输入参数为7个模糊子集,对偏差进行模糊化后得出E,变化率进行模糊化后得出EC,即
在进行模糊PID控制时,采用4种不同的模糊化和清晰化方案。方案1的模糊子集输入和输出函数隶属度曲线如图2所示。其中,图2(a)为gauss 2 mf型隶属函数输入曲线,图2(b)为trimf型隶属函数输出曲线。方案2的模糊子集输入和输出函数隶属度曲线如图3所示。其中,图3(a)为trimf型隶属函数输入曲线,图3(b)为trimf型隶属函数输出曲线。方案3的模糊子集输入和输出函数隶属度曲线如图4所示。其中,图4(a)为等差间距型隶属函数输入曲线,图4(b)为gauss 2 mf型隶属函数输出曲线。方案4的模糊子集输入和输出函数隶属度曲线如图5所示。其中,图5(a)为多种隶属函数输入曲线,图5(b)为gauss 2 mf型隶属函数输出曲线。
图2 模糊子集输入、输出隶属度函数曲线(方案1)Fig.2 Input and output membership function curves of fuzzy subsets (scheme 1)
图3 模糊子集输入、输出隶属度函数曲线(方案2)Fig.3 Input and output membership function curves of fuzzy subsets (scheme 2)
模糊推理过程是根据以往经验归纳总结出的一种语言控制规则。在模糊PID控制过程中,当偏差量较大时,应降低系统比例增益的取值,同时保证积分增益和微分增益的取值适中;当偏差量较小时,应继续降低系统比例增益的取值,同时保证积分增益不变;当偏差量变化率较大时,系统比例增益的取值越小,积分增益的取值越大;当偏差量变化率较小时,系统比例增益的取值越大,积分增益的取值越小[12~14]。根据以上规律,归纳出模糊推理控制规则,如表1所示。
表1 模糊推理控制规则表Table 1 Fuzzy inference control rule table
3 温室系统仿真试验
温室系统是一种多变量的复杂系统,具有较大的时滞性,因此可将温室系统看成一种带有延时的一阶惯性环节,系统传递函数可表示为
图6 温室系统仿真模型框图Fig.6 Simulation model block diagram of greenhouse system
图7 模糊PID控制响应曲线对比数据Fig.7 Comparison data of fuzzy PID control response curve
由图7曲线数据可以计算得出温室系统仿真过程超调量与调节时间,模糊PID控制与常规PID控制系统超调量和调节时间对比数据,如表2所示。
表2 系统超调量和调节时间对比数据Table 2 Comparison data of system overshoot and regulation time
由表2可以看出:常规PID控制的超调量达到28%,控制过程调节时间约为125s;在模糊PID控制4种方案中超调量均小于20%,由于常规PID控制,方案2和方案4的控制过程调节时间比常规PID控制调节时间长。综上所述,在设计的模糊PID控制系统中,选用方案3可达到最优效果。
4 结论
不同的模糊化和清晰化方法对模糊PID控制效果会产生不同的影响。试验结果表明:与传统PID控制方法相比,模糊PID控制超调量小,响应速度快,运行过程中具有较高的稳定性,可广泛应用于温室系统控制环节。