智能PWM控制的机车制动控制单元的设计

近年来，智能控制无论是理论上还是技术应用上均得到了长足的发展，随之不断涌现将智能控制方法和常规PID控制方法融合在一起的新方法，形成了许多智能PID控制器。这些智能控制器不仅具备自学习、自适应、自组织的能力，而且还有常规PID控制器结构简单、鲁棒性强、可靠性高、为现场工程设计人员所熟悉等特点。目前主要有4种智能PID控制：基于专家智能PID控制、基于模糊推理的PID控制、基于神经网络的PID控制、基于遗传算法的PID控制。

在本系统中，采用基于模糊推理的PID控制来实现对机车制动气缸压力的精确控制。基于模糊推理的PID控制就是运用Fuzzy Sets理论和方法将操作人员或者专家的整定经验和技术知识总结成为Fuzzy规则模型，形成微机的查询表格及解析式，根据系统的实际响应情况，运用模糊推理来实现PID控制。在PID控制算法基础上增加求采样时刻的偏差E和偏差变化率Ec，参数的Fuzzy自校正思想是根据被控对象的响应在采样时刻的E和Ec来确定kP，k1，kD三参数修正的方向和大小。其算法过程是利用对应的规则集将控制指标模糊化，然后利用他与知识库中的模糊规则进行匹配，如有规则被匹配，则执行该规则的结果部分，就可以得到相应的参数修正值。其结构图如图2所示。

4.2 模糊PID控制器设计

控制系统的PID算法是根据压力目标值与实际值之差的比例值、积分值、微分值来确定控制量的大小。其算式为：

式中，e(t)，e(t-1)分别为第t次及第t-1次采样偏差值；pout(t)为第t次的控制量输出值；kP，kI，kD分别为比例系数、积分系数和微分系数。合适的kP，kI，kD参数直接关系到控制的精度。

根据模糊数学的理论和方法，将在现场获得的调试经验和技术知识总结成为IF(条件)、THEN(结果)形式的模糊推理规则，并把这些模糊规则及相关信息(如初始的PID参数)存入计算机。根据检测回路的响应情况，计算出采样时刻的偏差E和变化率Ec，运用模糊推理，进行模糊运算，即可得到该时刻的kP，kI，kD，实现对PID参数的最佳调整。

Fuzzy-PID就是根据现场调试得到在PID参数预整定值k′P，k′I，k′D，再利用模糊规则实时在线整定PID控制器的三个修正参数△kP，△kI和△kD，实现对压力的优化控制。模糊控制器的输入、输出变量都是精确量，模糊推理是针对模糊量进行的，因此控制器首先要对输入量进行模糊化处理。在所设计的Fuzzy-PID控制器中，输入、输出变量的语言值均分为7个语言值：{NB，NM，NS，0，PS，PM，PB}，他们分别代表负大、负中、负小、零、正小、正中和正大。隶属度函数采用灵敏性强的三角函数，如图3所示。

偏差E的基本论域为[-5 kPa，+5 kPa]，偏差变化率Ec的基本论域为[-0.5，+0.5]，△kP的基本论域为[-1，1]；△kI的基本论域为[-0.002，0.002]；△kD的基本论域为[-1，1]。以上各变量的模糊量分别为E，Ec，△kP，△kI和△kD，其论域均为[-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6]。输入量E，Ec的量化因子为：ke=1.2，kec=12。

总结工程设计人员的技术知识和实际操作经验，得到了针对kP，kI，kD三个参数分别整定的模糊控制表，见表2、表3和表4。

在本系统中，根据偏差E和偏差变化率Ec，取得相应的语言值，根据表1～表3的整定规则表，经过公式法模糊决策，分别得到3个修正参数△kP，△kI，△kD的模糊量，然后△kP，△kI，△kD要进行去模糊化取得精确量，去模糊化有几种方法，一般用重心法比较合适，由公式可得：

其中u为模糊判决后的输出量，uN(xi)为隶属度函数，xi为论域中的元素。