文章快速检索  
  高级检索
Fuzzy-PI混合型控制器在远红外烘干炉中的应用
郑向军1, 楼平2, 徐锋1
1. 台州职业技术学院 自动化研究所,浙江 台州 318000
2. 嘉兴职业技术学院 机电与汽车分院,浙江 嘉兴 314036    
摘要:远红外烘干炉温控系统难以用精确的数学模型表述,当采用传统的比例积分微分控制时,控制参数无法适应系统时变性要求,很难取得满意的动态性能.模糊控制不依赖模型且对环境干扰和参数变化不敏感,但存在无法消除静差等缺陷.提出了一种将模糊控制与PID控制相结合的混合型控制器,充分发挥模糊控制和PID控制的优点,实现烘干炉温度的最优控制.在实验室环境下,通过对试验炉进行实际测试,表明混合型控制器在调节时间、超调量等方面都优于传统的PID控制.
关键词远红外烘干炉     模糊控制     混合型控制器     实验测量    
Application of a fuzzy-PI hybrid controller in the far infrared drying furnace
ZHENG Xiangjun1 , LOU Ping2, XU Feng1     
1. Institute of Automation, Taizhou Vocational and Technical College, Taizhou 318000, China;
2. Electrical and Automotive Branch, Jiaxing Vocational Technical College, Jiaxing 314036, China
Abstract:The far infrared drying furnace temperature control system is hard to be expressed accurately by mathematical model. When using the traditional proportion integration differentiation (PID) control, the control parameters cannot meet the time-varying requirements of the system, and therefore it is hard to get satisfying dynamic performance. The fuzzy control does not depend on the model and is not sensitive to environmental disturbance and parameter changes, but it cannot eliminate such defects as steady-state error. This paper proposes a hybrid controller combining fuzzy control and PID control, giving full play to the advantages of fuzzy control and PID control to achieve optimal temperature control of the drying furnace. In the laboratory environment, the actual test was carried out on the test furnace, showing that the hybrid controller is superior to the traditional PID control in such aspects as adjusting time and overshoot amount.
Key words: far infrared drying furnace     fuzzy control     hybrid controller     experimental measurements    

远红外烘干炉工作时产生2~15 μm以上远红外线,当它被物体吸收时,可直接转变为热能,与不锈钢加热管、石英管烘干炉等相比,具有使用寿命长、辐射穿透力强、干燥速度快、节约能源等优点。

烘干炉通常采用PID控制技术。对模型确定的温度被控对象,传统的PID控制具有不错的效果。但对于烘干设备这种非线性、大惯性、大滞后的时变性系统,且受外界干扰因素较多,其模型的结构参数变化无常,很难用清晰的数学模型表达[1];因此,采用传统的PID控制难以取得满意的效果。

模糊控制对时变的、非线性的复杂系统,在无法获得对象清晰模型的时候,可以给出较为简便的控制方法,普适性较好且具鲁棒性强。但常规模糊控制器缺少积分控制作用,控制不够细腻,在平衡点附近存在盲区,容易出现极限环振荡现象,且无法有效消除静差。

结合PID控制和模糊(Fuzzy)控制的特点,组成Fuzzy-PI混合型控制器,并在实验室环境下应用于烘干炉的温度控制,实验表明了这种方法具有良好的动态和静态性能。

1 控制系统的原理

图 1为远红外烘干炉控制系统原理示意图。烘干炉控制方式采用W.L.Bialkwski[2]提出的Fuzzy-PI混合结构,它是由一个常规PI控制器和一个二维结构模糊控制器构成(图中虑线部分所示)。图中,KeKdKu分别为模糊控制器的量化因子和比例因子。

图 1 远红外烘干炉控制系统原理 控制器的设计思路主要是基于Fuzzy控制器和PI(PID)控制器各自的优点。Fuzzy控制器具有良好的动态性能,且对外界干扰不敏感;PI控制器则具有较好的静态性能,能有效消除系统的静态误差。

装置的被控对象为远红外加热器,驱动电路采用由随机型Solid state relay(SSR)和随机型SSR移相触发模块(SSR-EJK220)。Fuzzy-PI控制器输出的信号,经转换施加到随机型SSR移相触发模块上,便可实现SSR的输出0~380 V连续可调[3]。铂热电阻Pt1000作为测温传感元件,电路采用三线制接法和抗噪声能力强的恒流源电路,这样可以最大限度减小由引线电阻引起的测量误差,采用硬件电路消除铂电阻传感器的零度电阻[3]。PI控制器采用BD4513-RC型温控模块,该模块可与Pt1000(三线制)直接配合,波特率为1 200 ~115 200 b/s。模糊控制器则采用OMRON-CVM1-PLC和高性能专用Fuzzy模块OMRON-C500-FZ001实现。

混合型Fuzzy-PI控制器的输出为常规PI控制器和二维模糊控制器输出相叠加,即u=u0+uf。由于偏差e是连续变化的,因此,常规PI控制器的输出u0是连续变化的量值,这种混合型控制器可以消除稳态误差,并能完全避免极限环振荡[2]

2 控制系统设计

模糊控制器采用单输入单输出(single input single output)二维结构,输入变量选定为温度偏差e和温度偏差变化率de/dt[4],输出变量为随机型SSR移相触发模块的驱动电压U的分量Uf。系统通过对设定值r和反馈量yi进行比较,计算出偏差e=r-yi和偏差变化率de/dt。设偏差的语言变量选为E,偏差变化率的语言变量为EC,输出语言变量为U

设远红外烘干炉对控温精度要求为±1℃,为提高模糊控制器的灵敏度,将偏差e的论域定为[-30℃,+30℃],即把基本论域[-1℃,+1℃]提高30倍。本例中,语言变量EECU的模糊论域离散值均取为{-6,-5,-4,-3,-2,-1,0,+1,+2,+3,+4,+5,+6};EECU的模糊子集均定义为{NB,NM,NS,Z,PS,PM,PB},即用正大(PB)、正中(PM)、正小(PS)、零(ZO)、负小(NS)、负中(NM)、负大(NB)7个模糊子集覆盖全部论域。

为计算方便,各模糊子集合的隶属度函数采用常用的三角形[5],并计算出各变量对应元素的隶属度分布表(此略)并存入模糊控制器的数据库中。

模糊控制规则的获取采用王立新等[6]提出的测试数据生成法。这种方法实用性强、构建的规则完整性好。但需要通过有实际操作经验的专家,对烘干炉控制系统的手动调节以获得最佳的控制效果,以此为基础,测试大量输入/输出数据,并经过分析、归纳、总结,最终生成模糊控制表[6]表 1为试验用远红外烘干炉用测试数据生成法可获的模糊控制规则表。

表 1 模糊推理规则
EU
EC=NBEC=NMEC=NSEC=ZOEC=PSEC=PMEC=PB
NBPBPBPMPMPSZOZO
NMPBPBPMPSPSZONS
NSPMPMPMPSZONSNS
ZOPMPMPSZONSNMNM
PSPSPSZONSNSNMNM
PMPSZONSNMNMNMNB
PBZOZONMNMNMNBNB

模糊推理采用马丹尼(Mamdani)法。模糊控制规则共49条,采用if Ai and Bi the Ci结构形式,具体到每条规则的表述如下:

1) if E is NB and EC is NB the U is PB;

……………………

49)if E is PB and EC is PB the U is NB;

根据Mamdani法,上述if Ai and Bi the Ci结构的模糊条件语句,当AiUBiVCiW时,其模糊蕴涵关系Ri[5]

Ri=Ai×Bi×Ci,或

Ri (u,v,w)=Ai(u)∧Bi(v)∧Ci(w)

把上述每条规则的蕴涵关系Ri(i=1,2,…,35)做并运算,即可得到系统各组总的模糊蕴涵关系R[6]

R=R1∨R2∨R3…∨R35

当控制器采样得到的变量ei和Δeit经过量化和模糊化处理映射成模糊EiECj后,就可得到该时刻的输出模糊量[5]

由式(1)得出的模糊控制量需要采用一种判决方法转变为精确量。本例的清晰化采用广泛使用的加权平均法,该方法对论域中的各元素χi(i=1,2,…,n),以它作为待判决输出模糊集合的隶属度μ(i)的加权系数,即取乘积xiμ(i),再计算该乘积和∑xiμ(i)对于隶属度和的平均值uj[5, 6, 7],即

若计算结果不是整数,则按四舍五入对uj取整。通过对论域EEC中的所有元素的全部组合进行计算,可得出控制状态查询表并存入模糊控制器的数据库中。值得注意的是,状态查询表往往需要根据现场的实际情况作出相应的调整。

表 2为该控制系统状态查询表。

表 2 模糊控制器控制状态查询表
EU
EC=-6EC=-5EC=-4EC=-3EC=-2E =-1EC =0EC=+1EC=+2EC=+3EC=+4EC=+5EC=+6
-6-6-6-6-6-6-5-6-5-5-3-300
-5-6-6-6-655-655-3-300
-4-6-6-6-6-6-6-3-3-3-3-366
-3-6-6-6-6-6-6-3-3-3-3-366
-2-6-6-3-3-3-3-3-3-3-3-366
-1-6-6-3-3-3-3-3333366
0-6-6-3-3-3-3-3333366
+1-6-6-3-3-3-3-3333366
+2-3-300333555566
+3-3-300333555566
+4-3-300333555566
+50033556555566
+60033556555566

模糊控制器在每个控制周期内,将偏差e和偏差变化率de/dt分别乘以量化因子KeKd并取整后获得相应论域元素[8],再通过编制的程序查找表 2相应的行和列,即可得出所需的控制变量uj[9]

PI控制器比较简单,其参数可以在现场通过Digital control system(DCS)系统采集的趋势图分析得出,这里不再讨论。PI控制器输出结果u0[10]

FuzzY-PI控制器输出结果u[11]

3 控制系统测试

试验用远红外烘干炉温度调节范围为20~300 ℃。红外加热器的功率4.5 kW,配耐高温低噪音长轴电机多翼式风轮机,双风道水平通风。三相电压为AC380 V,要求最大的调节时间不大于25 min;超调量小于10;静态误差小于±1℃。

在实验室环境下,对试验用远红外烘干炉进行实际测试。已知环境温度26 ℃,温度设定值300 ℃。取PI控制器的比例系数为3.8,积分时间常数取80 s;模糊控制器的量化因子分别为Ke=0.2、Kd=0.5,比例因子Ku=0.1[12]表 3为该控制模式下实际的测量值

表 3 Fuzzy-PI控制模式下的温度测量值
t/minT/℃t/minT/℃
02614301
29016300
417118300
623120300
827222300
1029124300
12299

为比较混合型控制器与传统PID控制器的控制性能,本例还对传统PID控制效果进行测试。当PID控制器的参数为KP=2,KI=0.02,KD=0.01时,可获较为理想的控制效果[13]表 4为PID控制模式下实际的测量值。

表 4 PID控制模式下的温度测量值
t/minT/℃t/minT/℃
02614330
27316270
412718318
618220291
823622298
1028024300
12331

为了便于观察分析,将表 3、4数据绘制到图 2中。

图 2 Fuzzy-PI控制器,PID控制器响应曲线比较

可见,混合型Fuzzy-PI的控制效果最佳,响应速度快,调节时间约为12 min左右,稳态误差和超调量均为零;而PID控制调节时间超过22 min,超调量接近15%,稳态误差为零。 4 结束语

Fuzzy-PI混合型控制器综合了PID控制器的模糊控制器的优点,在偏差较大时Fuzzy控制起主导作用,提升了系统响应速度和抗干扰能力,在偏差较小时(稳定点附近)PID控制起主导作用,从而使控制过程更加细腻和精确。实验数据充分表明,这种控制方式的静态和动态性能均优于传统的PID控制和单纯的Fuzzy控制。特别对控制模型不确定、非线性、大惯性、大滞后和时变性系统具有很好的适应性。

参考文献
[1] 张持健, 王元航, 方明星. 高精度模糊PID控制器及其在温度控制中的应用[J]. 自动化仪表, 2002, 23(7): 21-23.
[2] 曾光奇, 胡均安, 王东, 等. 模糊控制理论与工程应用[M]. 武汉: 华中科技大学出版社, 2006: 45-56.
[3] 徐锋. 一种基于PT1000的高精度电加热控制装置设计[J]. 电气应用, 2013, 32(8): 20-23.
[4] 罗均, 谢少荣, 蒋蓁, 等. 智能控制工程及其应用实例[M]. 北京: 化学工业出版社, 2005: 29-32.
[5] 徐锋, 郑向军, 杨彦青, 等. Fuzzy-PID多模控制在金属热处理恒温炉中的应用[J]. 电气自动化, 2014, 36(3): 13-16.
[6] 石幸民, 郝整清. 模糊控制及其MATLAB仿真[M]. 北京: 清华大学出版社, 北京交通大学出版社, 2008:38-45.
[7] 刘金锟. 先进PID控制MATLAB仿真[M]. 2版. 北京: 电子工业出版社, 2004: 77-83.
[8] 嵇朋朋. 基于模糊PID的电炉温度控制以及仿真[D]. 南京: 南京信息工程大学, 2012: 68-79.
[9] 栾义忠, 郭俊美, 马思乐. 基于FUZZY-PI的温度控制系统[J]. 自动化技术与应用, 2006, 25(12): 21-23.
[10] 唐红军. 模糊PID算法在CFETR包层RH控制系统中的应用研究[D]. 合肥: 合肥工业大学,2015: 24-28.
[11] 黄绍川. 基于模糊PID大型电力机组温度过热控制[J]. 控制工程, 2014, 21(6): 1006-1010.
[12] 窦艳艳, 钱蕾, 冯金龙. 基于Matlab的模糊PID控制系统设计及仿真[J]. 电子科技, 2015, 28(2): 119-122.
[13] YESIL E. Interval type-2 fuzzy PID load frequency controller using big bang-big crunch optimization[J]. Applied Soft Computing Journal, 2014, 15(2): 100-112.

文章信息

郑向军,楼平,徐锋
ZHENG Xiangjun,LOU Ping,XU Feng
Fuzzy-PI混合型控制器在远红外烘干炉中的应用
Application of a fuzzy-PI hybrid controller in the far infrared drying furnace
应用科技, 2015, 42(05): 38-41
Applied Science and Technology, 2015, 42(05): 38-41.
DOI:10.11991/yykj.201503019

文章历史

收稿日期:2015-03-06
网络出版日期:2015-09-16

相关文章

工作空间