基于模糊PID参数自整定的温度控制系统的研究

摘要：工业温度控制系统具有非线性、时变性和滞后性等特性，严重影响温度控制的快速性和准确性，为了解决常规PID参数调节在温度控制中适应性差，调节效果不理想的问题，这里采用了模糊PID参数自整定控制方法，用模糊控制规则对PID参数进行修改，利用Matlab的Simulink仿真工具箱做了常规PID与模糊PID的仿真对比试验。仿真结果表明，模糊PID参数自整定控制效果在超调量和调节时间上都小于常规PID，提高系统快速性和准确性，改善了温度系统动态性能。
关键词：温度控制；Matlab仿真；模糊规则；PID

在工业生产过程中温度是重要的控制参数之一，对温度的有效控制对于保证生产质量具有重大的现实意义和理论价值。工业温度控制系统具有非线性、时变性和滞后性等特性，而常规PID控制器参数往往整定不良，性能欠佳，对运行的工作情况适应性差，导致常规PID控制不能使温度控制达到理想效果。为了改善常规PID控制效果，增强系统的适应性，实现PID参数自整定，本文设计出一种PID参数自整定的模糊控制器。利用模糊逻辑对PID控制器参数进行调整实现控制效果最优，将温度作为控制对象，并利用Matlab的Simulink工具箱实现仿真对比分析常规PID与模糊PID的曲线，最后应用到实际的温度控制系统中，对比分析常规PID与模糊PID的控制效果。

1 PID控制算法的相关介绍
1．1 PID控制算法
PID控制器因为结构简单、容易实现，并且具有较强的鲁棒性，因而被广泛应用于各种工业过程控制中。在传统PID控制中，PID参数在线整定一直是人们研究的问题之一，最早提出PID参数工程整定方法的是Z-N整定公式，至今仍然在工业控制中应用。而常规PID整定参数的选择取决于多种因素，比如被控对象的动态性能、控制目标以及操作人员对系统的理解等，因此肯定造成整定效果不理想。人们发现单纯靠常规PID控制算法是无法完成各种复杂控制的。在这种背景下，专家首次提出了基于继电器反馈的自适应PID控制系统应用于工业控制领域中。近年来国外对于Fuzzy-PID的研究已经由先前的基于专家经验的模糊控制技术实现PID参数调整的研究，逐渐转向基于人工智能神经网络、遗传理论的模糊复合控制技术与常规PID结合的复杂控制，比如基于遗传算法的PID控制、基于蚁群算法的PID控制等。近20年来，在理论研究基础上，具有模糊推理的自整定PID控制器也相继问世。此外，各种智能控制算法相互结合，如模糊神经网络、模糊免疫算法等，也不断为智能PID技术的发展增加新的活力。
1．2 PID参数整定
一般的PID参数整定方法大多通过一些简单的实验获取系统模型或性能参数，再用代数规则给出适当的PID整定值，或者根据多年的经验，给出参数值，这些方法简单，便于工程应用，但参数的整定效果不理想。在实际的应用中，许多被控过程机理复杂，具有高度非线性、时变不确定性和纯滞后等特点。过程参数甚至可能会随着时间和工作环境的变化而变化。这就要求在PID控制中，不仅参数的整定不依赖系统的数学模型，并且能够在线调整，以满足实时控制的要求。
模糊PID控制不仅具有智能控制的自学习、自适应、自组织的能力，能够自动辨识被控过程参数、适应被控过程参数的变化，而且又具有常规PID控制器结构简单、鲁棒性强、可靠性高的特点。因此模糊PID控制成为控制领域中较为理想的一种控制方法。模糊控制与PID控制的结合形式很多，本文采用的是模糊PID参数自整定的方法。

2 温度控制的数学模型
2．1 温度控制系统组成
考虑图1所示的温度控制系统。该温度控制系统主要构成部分是储水箱、智能仪表、锅炉、换热器以及闸阀、传感器等，智能仪表作为控制器，0～380 V加热丝作为执行机构，锅炉中水的温度作为控制对象，温度传感器作为反馈环节，常规PID与模糊PID的控制参数输入智能控制器，然后输出4～20 mA模拟信号调节0～380 V电压控制加热丝加热的程度。