温度控制方法与流程

本发明涉及温度控制器领域，尤其是一种温度控制方法。

背景技术：

温度是工业生产过程中的基本参数之一，由于温度的测量和控制效果常常与生产效率、生产安全、能源管理等各项技术经济指标息息相关。随着温度测量控制器在工业环境大范围使用，对温度控制的准确性、稳定性、可靠性等要求也越来越高。温度控制算法作为温度测量控制器的核心技术受到了广大学者的高度关注，由于传统的单一pid(比例(proportion)、积分(integral)、导数(derivative))算法已经无法满足控制需求，因此各种参数自整定pid算法孕育而生。基于模型参数辨识的自整定pid算法在工业上得到了广泛应用，但其参数整定效果严重依赖于系统模型且易受环境变化干扰，难以达到较高的控制精度。基于模糊算法的自整定pid在工程实用中，pid初值对其控制性能影响较大，模糊规则、量化因子对其参数整定效果也有一定的制约。

技术实现要素：

为了克服上述缺陷，本发明提供一种温度控制方法，所述温度控制方法实现了工业环境高精度的温度控制，具有更好的控制效果。

本发明为了解决其技术问题所采用的技术方案是：一种温度控制方法，包括如下步骤：(1)控制系统模型g(s)用带干扰和参数不确定的一阶惯性滞后环节描述，定义e、e&分别为温度设定值与实际测量值的偏差及偏差变化率；(2)采用继电反馈法对模型参数进行辨识，基于z-n公式法得到模糊pid的pid初值；(3)基于优化的模糊规则，根据偏差e和偏差变化率e&对pid参数在初值的基础上进行自适应调整；以及(4)根据变论域思想确定模糊pid的量化因子。

作为本发明的进一步改进，所述步骤(1)中，偏差e和系统模型g(s)的公式分别为：

e＝sv-pv(1)

作为本发明的进一步改进，所述步骤(2)中，利用基于z-n公式的继电反馈法确定pid的初值，过程如下：

式(3)-(4)中：d是继电特性幅值，a是系统产生的稳定等幅幅值，tu是临界振荡周期，ymax和t1分别是第一个波峰的峰值与时间，ymin和t2是第二个波峰的峰值与时间，根据式(5)可计算出pid初值kp0、ki0、kd0。

作为本发明的进一步改进，所述步骤(3)中，pid参数的在线自适应调整量由模糊控制得到，e和ec分别是e和e&输入量化后的模糊语言，归一化模糊论域根据变论域的思想确定其量化因子如式(6)所示，隶属度函数采用三角形函数：

作为本发明的进一步改进，所述的pid参数整定及自适应调整算法为：

u(t)＝(kp0+δkp)×e(t)+(ki0+δki)×∫e(t)+(kd0+δkd)×e&(t)

(7)。

作为本发明的进一步改进，所述的模糊输入输出量的隶属度函数皆采用三角形函数，模糊论域归一化为[0,1]，模糊子集为：z(零)、s(小)、m(中)、b(大)，模糊规则直接决定了模糊控制的性能好坏，为降低模糊控制对干扰的敏感性，对通用模糊规则进行了合并和优化，规则从49条减到了16条，不仅提高了控制性能还减少了系统计算开支。

作为本发明的进一步改进，|e|较大时，为了加快系统的响应速度，并防止因开始时的瞬间变大，可能会引起的微分溢出，应取较大的kp和较小的kd；为防止积分饱和，避免系统响应出现较大的超调，此时应去掉积分作用，取ki＝0。

作为本发明的进一步改进，|e|中等大小时，为了使系统响应的超调量减小和保证一定的响应速度，应取较小的ki、kp和kd的数值大小要适中。

作为本发明的进一步改进，|e|较小时，为了使系统具有良好的稳态性能，应增大kp和ki的数值，同时为避免输出响应在设定值附近的振荡，并考虑系统的抗干扰性能，应适当地选取kd，其原则是：当|ec|值较小时，kd取大一些；当|ec|值较大时，kd取较小的数值，通常kd为中等大小。

作为本发明的进一步改进，用户端包括三种控制方式：手动模式、自调节模式、智能模式。

本发明的有益效果是：本发明温度控制方法采用z-n公式法确定模糊pid的pid初值，根据变论域思想确定模糊pid的量化因子，基于优化后的模糊规则提出一种改进的模糊pid控制方法用于工业环境高精度温度控制，从而达到更好的控制效果，实现更优的系统性能。

附图说明

图1为本发明温度控制方法的原理框图。

图2为本发明温度控制方法的matlab(matrixlaboratory，美国mathworks公司出品的商业数学软件)控制系统仿真模型。

图3为本发明温度控制方法与单一pid及常规模糊pid的对比仿真结果。

图4为本发明温度控制方法的用户控制方式使用流程图。

具体实施方式

请参照图1至图4，本发明涉及一种温度控制方法，包括如下步骤：

(1)控制系统模型g(s)可用带干扰和参数不确定的一阶惯性滞后环节描述，定义e、e&分别为温度设定值与实际测量值的偏差及偏差变化率；

(2)采用继电反馈法对模型参数进行辨识，基于z-n公式法得到模糊pid的pid初值；

(3)基于优化的模糊规则，根据偏差e和偏差变化率e&对pid参数在初值的基础上进行自适应调整；以及

(4)根据变论域思想确定模糊pid的量化因子。

所述步骤(1)中，偏差e和系统模型g(s)的公式分别为：

e＝sv-pv(1)

所述步骤(2)中，利用基于z-n公式的继电反馈法确定pid的初值，过程如下：

式(3)-(4)中：d是继电特性幅值，a是系统产生的稳定等幅幅值，tu是临界振荡周期，ymax和t1分别是第一个波峰的峰值与时间，ymin和t2是第二个波峰的峰值与时间，根据式(5)可计算出pid初值kp0、ki0、kd0。

所述步骤(3)中，pid参数的在线自适应调整量由模糊控制得到，e和ec分别是e和输入量化后的模糊语言，归一化模糊论域根据变论域的思想确定其量化因子如式(6)所示，隶属度函数采用三角形函数：

所述的pid参数整定及自适应调整算法为：

u(t)＝(kp0+δkp)×e(t)+(ki0+δki)×∫e(t)+(kd0+δkd)×e&(t)(7)。

所述的模糊输入输出量的隶属度函数皆采用三角形函数，模糊论域归一化为[0,1]，模糊子集为：z(零)、s(小)、m(中)、b(大)，模糊规则直接决定了模糊控制的性能好坏，为降低模糊控制对干扰的敏感性，对通用模糊规则进行了合并和优化，规则从49条减到了16条，不仅提高了控制性能还减少了系统计算开支。

|e|较大时，为了加快系统的响应速度，并防止因开始时的瞬间变大，可能会引起的微分溢出，应取较大的kp和较小的kd；为防止积分饱和，避免系统响应出现较大的超调，此时应去掉积分作用，取ki＝0。

|e|中等大小时，为了使系统响应的超调量减小和保证一定的响应速度，应取较小的ki、kp和kd的数值大小要适中。

|e|较小时，为了使系统具有良好的稳态性能，应增大kp和ki的数值，同时为避免输出响应在设定值附近的振荡，并考虑系统的抗干扰性能，应适当地选取kd，其原则是：当|ec|值较小时，kd取大一些；当|ec|值较大时，kd取较小的数值，通常kd为中等大小。

本发明确定pid参数与偏差及偏差变化率之间的模糊关系，在运行过程中温度测量控制器不断检测e和ec，再根据模糊规则推理计算调整量，以满足在不同系统偏差和偏差变化率时对控制器参数的不同要求，从而达到较优的温度控制性能。

在图1中，先把开关切换到pid初值整定，利用继电反馈法可以辨识出模型参数k＝2，τ＝1，t＝5，根据z-n公式可以计算出pid三个参数kp0＝3、ki0＝1.5、kd0＝1.5，由于在实际系统中存在模型误差及外部扰动，上述得到的参数通常不能达到较优的控制性能。可把其作为pid的初值，结合模糊控制对pid参数进行自适应整定。

在图1中，把开关切换到改进的模糊pid控制，温度偏差e和偏差变化率e&作为模糊控制器的输入量，再通过量化因子进行模糊化得到相应模糊量e和ec。在实际应用中量化因子的选取对模糊控制的参数整定效果影响较大，为提高模糊控制性能同时减少用户参数调试工作量，基于变论域思想采用公式来确定量化因子，让量化因子随着误差及误差变化率而变化即：

改进模糊pid的matlab对比仿真模型如图2所示，与单一pid及常规模糊pid的对比仿真结果如图3所示，从图3中可以看出，改进的模糊pid有更快的响应速度、更小的稳态误差和抗干扰能力，综合控制性能较优能满足大多数高精度工业温度控制要求。

用户端包括三种控制方式：手动模式、自调节模式、智能模式。

为了满足各种工业应用场景及客户需求设计了三种控制方式，分别为：手动模式、自调节模式、智能模式，用户控制方式使用流程如图4所示。其中手动模式为单一的pid控制，专门为熟悉经典pid控制的用户设计，用户可根据实时响应曲线调节kp0、ki0、kd0同时其它参数置0；自动调节模式为基于z-n公式的继电反馈参数自整定pid控制，此模式简单、易行、有效、操作便捷，不需要调整任何参数，只需要在环境变化后重新执行自调节；智能模式为改进的模糊pid控制，在pid初值整定的基础上，采用改进的模糊算法对pid的参数进行自适应调整，用户可根据响应曲线调节解模糊因子调节规律类似于单一的pid参数调节，在此模式下可达到较优的控制性能且使用方便。