（控制科学与工程专业论文）基于现场总线的多变量系统自适应模糊控制研究.pdf

摘要 基于现场总线的多变量系统自适应模糊控制研究 摘要 要解决大滞后、非线性、多变量的复杂生产过程的控制问题，发 展智能控制是一条有效可行的途径。工业以太网和现场总线技术目前 已广泛应用于现代企业生产中，研究在工业网络环境下实现复杂系统 的有效控制，是当前控制领域的研究热点，具有广泛的应用前景。 本文选取了原型是特钢厂中测试航空用高温合金性能的“高温持 久试验机上的电炉作为控制对象，其特点具有大滞后、非线性、单 项性、不对称偶合性。针对电炉的特点，本文设计了一种自适应模糊 控制器，研究了其输入输出语言变量值的隶属度函数和模糊控制规 则，利用改进的蚁群算法优化模糊规则；设计了一种自适应模糊调节 器，在线调整模糊控制系统的量化因子和比例因子。进行了仿真研究， 并与传统的模糊控制进行对比分析，研究结果为实际的电炉控制提供 了有效的数据和参数。 本文的另一部分工作就是将设计好的自适应模糊控制器用于现 场总线控制系统中，进行实际电炉的温度控制。采用了s i m e n s 的 f c s 硬件平台。由于s i e m e n s 的工业控制器( c p u31 7 2p n d p ) 内存小，采用结构化语言编写的控制程序比较大，难于实现。针对这 个问题，研究了自适应模糊控制器的工业控制网络下的实现。采用 s t e p 7 编程软件将复杂的任务分解为独立的功能块，执行时由主循环 北京化工大学硕士学位论文 模块调用，使其控制更加容易，并利用西门子组态软件w i n c c 设计 了系统运行和监控界面。通过实际的电炉实验，并将自适应模糊控制 与传统模糊控制进行了对比分析，结果表明本文设计的自适应模糊控 制器具有良好的控制品质。 关键词：电加热炉，智能控制算法，自适应模糊控制，工业以太网， 蚁群算法 i i a b s t r a ( 汀 r e s e a r c ho fm u l t i v a r j a b l es y s t e m s a d a p t i v ef u z z yco n t r o lb a s e do nf i e l d b u s a b s t r a c t d e a l i n gw i t hc o n t r o lp r o b l e mi nc o m p l e xi n d u s t r yp r o c e s sw i t hl a r g e t i m ed e l a y , n o n l i n e a r , m u l t i - v a r i a b l e ，t od e v e l o pi n t e l l i g e n tc o n t r o li sa l l a v a i l a b l ew a y i n d u s t r i a le t h e r n e ta n df i e l d b u s t e c h n o l o g yh a sb e e n w i d e l yu s e di nt h ep r o d u c t i o no ft h em o d e me n t e r p r i s e r e s e a r c hi nt h e i n d u s t r i a ln e t w o r ke n v i r o n m e n tt oa c h i e v ee f f e c t i v ec o n t r o lo fc o m p l e x s y s t e m s ，i st h er e s e a r c hf o c u so ft h ec u r r e n tc o n t r o la r e a ，w i t haw i d e r a n g eo fa p p l i c a t i o n s t h i sp a p e rs e l e c t st h ee l e c t r i cf u r n a c et h a ti su s e dt ot e s ta i r c r a f t h i g h - t e m p e r a t u r ea l l o y s o n t h e “h i g h t e m p e r a t u r ep e r s i s t e n tt e s t i n g m a c h i n e a sc o n t r o lo b je c t ，c h a r a c t e r i z e d 谢t hl a r g et i m ed e l a y , n o n l i n e a r , u n i d i r e c t i o n a l ，a s y m m e t r i cc o u p l i n g a c c o r d i n gt ot h ec h a r a c t e r i s t i c so f t h ee l e c t r i cf u r n a c e ，t h em e m b e r s h i pf u n c t i o no fi n p u ta n do u t p u tl i n g u a l v a r i a b l e sa n dc o n t r o lr u l e sa r ef o r m e di nt h i st h e s i s t h e n ，i no r d e rt o o v e r c o m et h el i m i t a t i o no ft h et r a d i t i o n a l f u z z yc o n t r o l ，ak i n do f a d a p t i v ef u z z yc o n t r o l l e ri sd e s i g n e di nw h i c ht h ef u z z yr e g u l a t o ri su s e d t oo n l i n et u n et h et h r e ep a r a m e t e r so ft h et r a d i t i o n a lf u z z yc o n t r o ls y s t e m ， a n di m p r o v e da n tc o l o n ya l g o r i t h mi si n t r o d u c e dt oo p t i m i z et h ef u z z y i n 北京化工大学硕士学位论文 c o n t r o lr u l e s s i m u l a t i o ne x p e r i m e n th a sb e e nd o n e ，a n dc o m p a r e dw i t h t r a d i t i o n a lf u z z yc o n t r o l ? t h er e s e a r c hr e s u l t sp r o v i d ee f f e c t i v ed a t aa n d p a r a m e t e r sf o rt h ea c t u a le l e c t r i cf u r n a c ec o n t r 0 1 b a s e do nt h es i m u l a t i o n s ，t h ep a p e ri m p l e m e n t sd e s i g n e da d a p t i v e f u z z yc o n t r o l l e rt oc a r r yo u tt h et e m p e r a t u r ec o n t r o lo fa c t u a le l e c t r i c f u r n a c ei nf i e l d b u sc o n t r o l s y s t e m t h es i e m e n sf c sh a r d w a r e p l a t f o r m i su s e d a sf o rt h es m a l lm e m o r yp r o b l e mo fs i e m e n s i n d u s t r i a l c o n t r o l l e r s ( c p u 317 - 2 p n d p ) ，t h ec o m p l e x t a s ki s d e c o m p o s e di n t oi n d e p e n d e n tf u n c t i o nb l o c k t h a ti se x e c u t e db yt h em a i n l o o pm o d u l et om a k ec o n t r o le a s i e r , a n dw i n c ct h a ti ss i e m e n s c o n f i g u r a t i o n s o f t w a r es h o w st h e s y s t e mo p e r a t i o n a n dm o n i t o r i n g i n t e r f a c e a c c o r d i n gt ot h ee x p e r i m e n t s ，t h ec o n t r o le f f e c t so fa d a p t i v e f u z z yc o n t r o la n dt r a d i t i o n a lf u z z yc o n t r o lh a v eb e e na n a l y z e da n d c o n t r a s t e dt oe a c ho t h e nt h er e s u l t sd e m o n s t r a t et h a td e s i g n e da d a p t i v e f u z z yc o n t r o l l e rh a saf a v o r a b l eq u a l i t yo fc o n t r 0 1 k e yw o r d s ：e l e c t r i cf u m a c e ，i n t e l l i g e n tc o n t r o la l g o r i t h m ，a d a p t i v e f u z z yc o n t r o l ，i n d u s t r i a le t h e r n e t ，a n tc o l o n ya l g o r i t h m i v 北京化工大学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本 论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 作者签名：噬坠日期： 关于论文使用授权的说明 学位论文作者完全了解北京化工大学有关保留和使用学位论文 的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属北 京化工大学。学校有权保留并向国家有关部门或机构送交论文的复印 件和磁盘，允许学位论文被查阅和借阅；学校可以公布学位论文的全 部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编 学位论文。 保密论文注释：本学位论文属于保密范围，在上年解密后适用 本授权书。非保密论文注释：本学位论文不属于保密范围，适用本授 权书。 誓需蓁茎! 二盎导师签名：2 ：互三堑 日期：型哩：s q 日期： 呈2 2 ：圣z 第一章绪论 1 1 课题背景 第一章绪论 在对高度非线性的、机理复杂的工业被控对象进行控制的过程中，传统的 控制方法很难满足控制的要求，而智能控制表现出良好的动态性能和鲁棒性。因 此，把各种智能控制算法应用在工业控制领域上已经成为了大势所趋。智能控制 是控制理论发展的高级阶段，它与人工智能、自动控制、计算机技术和信息技术 有着密切的关系，是相关学科相互结合和渗透的产物，智能控制的应用将成为未 来工控领域发展的重要方向。此外，随着网络技术和现场总线技术的兴起和发展， 带来了工业控制领域的第三次革命。目前，现代企业都采用工业以太网和现场总 线构成综合自动化系统，实现管控一体化。这完全符合国家提出的信息化带动工 业化的发展方向。在网络环境下如何实现复杂系统的有效控制，是当前控制领域 的研究热点，也是急需解决的问题【l 】。现场总线技术与智能控制方法的渗透与融 合，就产生了基于现场总线的智能控制，两者的结合不仅使信息和控制两大领域 的相关理论和技术得到迅速发展，而且不断为智能控制注入新的内容。控制网络 与信息网络的集成已成为智能控制技术发展的主要方向，它们的无缝集成为控制 系统、控制设备之间的协调工作提供了强有力的技术支持，从而使远程智能监测、 控制成为可能，进而加快了网络环境下智能控制信息安全和可靠技术的发展，并 促进了信息家电分布式智能控制、楼宇智能自动化、复杂过程智能控制系统等新 技术和新系统的迅猛发展。由于上述的优点，现在对于这方面的研究和应用也成 为了一个重要的方向【z - 。 本课题来源是北京市教委的科技发展计划项目：基于工业以太网的复杂系 统先进控制应用研究( 项目编号：k m 2 0 1 0 1 1 4 1 7 0 1 5 ) 。 本文的研究除了作为自动控制理论及应用和生产过程控制的实验室研究以 外，还具有广泛应用于实际工业生产过程控制的价值。在实际的工业生产过程中， 温度过程控制是很好的有过程控制代表性的研究对象，电加热炉温度控制是典型 的多变量复杂系统，并且有着非常广泛的应用，研究电加热炉炉温控制是为了更 能结合实际的项目设计方案解决问题。 1 2 国内外研究现状 北京化工大学硕士学位论文 1 2 1 电加热炉研究现状 实际工程中被控对象的精确数学模型是较难得到的，甚至在一些情况下根 本不可能得到。这些情况包括：数学模型的结构、参数在很大范围内变化；对被 控对象知之甚少；被控对象具有高度非线性；对被控对象的控制任务复杂。近二 三十年来发展起来的智能控制这门新学科，是解决上述问题的有效工具。本文要 研究的电加热炉也具有大滞后、非线性、不确定的特点，常规控制并不理想，需 要用到智能控制。 从电加热炉的特点来看，采用模糊控制被认为是一种有效的解决方法。模 糊控制器的设计不要求知道被控对象的精确数学模型，只需要提供专家知识和熟 练操作人员的经验或现场操作数据。因而使得其控制机理和决策易于理解与接 受，利于应用和推广。文献【3 】在对电加热炉对象模型特性做出分析的基础上，对 采用的模糊控制规则和算法进行了研究，通过计算机仿真证明了模糊控制与其它 经典控制相比较，有较快的收敛性和强的鲁棒性，虽然在模糊控制的基础上考虑 了引入积分控制作用，但仍难克服稳态偏差。文献【4 】提出一种基于遗传算法的自 适应模糊控制方法，通过遗传算法在线调整模糊控制器参数来消除电加热炉上下 温区间的偶合。实验结果表明该方法自适应性和鲁棒性强，实时性好，具有一定 的工程实用性。文献【5 】在文献【3 】的基础上提出f u z z y p i 复合控制的对策，结果表 明，此种控制方式可以集中模糊控制和p i d 控制的优点，使得对加热炉的温度控 制有了更好的效果。 模糊控制本身具有一定的鲁棒性，可以有效减少系统干扰和参数变化对控 制效果的影响，在对电加热炉被控对象采用模糊控制方面国内的研究成果较多 【】，但它们有一个共同的不足之处，就是上升时间长，速度比较缓慢。 在神经网络控制应用上，文献 9 1 以电加热炉为研究对象，对神经网络自适应 控制进行了实验研究，结果表明神经网络控制可直接应用于工程实际。文献【l o 】 证明了神经网络动态模型可以作为电加热炉的辨识模型，研究结果表明神经网络 具有良好的映射性能及较强的容错性。文献【l i 】研究了对于电加热炉采用神经网络 预测控制，并应用神经网络进行解耦，从仿真实验误差曲线和系统的输出可以看 出，相对于采用专家系统的智能控制，该控制器控制效果优越。文献【1 2 】以电加热 炉为控制对象，针对b p 网络学习速度的缓慢性及较差的泛化能力，对传统b p 神 经网络进行改进，仿真结果表明这种改进算法能够有效提高网络的训练速度，改 善网络的收敛性能，取得了良好的控制性能。 总之，目前对于电加热炉神经网络控制的研究，主要是利用神经网络有很 强的非线性拟合能力，可映射任意复杂的非线性关系，并且具有强大的自学习能 2 第一章绪论 力。但是神经网络通过学习获得的输入输出关系难以用易被人接受的方式表达， 而且学习时间较长，容易存在局部极小点等问题，所以，单纯采用神经网络理论 控制炉温，其控制性能也并非理想。 近几年来，国内外的学者们正着手开发既可以利用经验知识又具有自学习 能力的模糊与神经网络集成技术。文献【1 3 】提出一种模糊与神经网络相结合的炉温 控制方法，并应用于大滞后的电加热炉炉温控制实验，取得了良好的控温效果。 文献【1 4 。1 5 】在文献【1 3 】的基础上讨论了一种将模糊神经网络与传统p i d 控制相结合 的控制算法，仿真结果表明该算法优于p i d 控制和专家系统的智能控制，并且无 超调且响应速度快。但是，由于模糊神经网络技术出现时间不长，所以无论从理 论研究还是实际应用上还存在许多不完善的地方。比如现有模糊神经网络算法往 往只针对某些具体应用，未从数学上形成成型的理论；应用范围多局限于原神经 网络和模糊控制的应用领域；没能在模拟人脑功能上实现较大的突破。 通过以上对于电加热炉智能控制研究现状分析可知，采用模糊控制占c p u 内存小，易于在现场总线环境中实现。 1 2 2 自适应模糊控制方法的研究现状 自适应模糊控制器的研究最早是由英国学者m a m d a n i 和他的学生p r o c y k 于 1 9 7 9 年提出的，他们把自组织的功能引入模糊控制器结构，研究了一类语言自 组织模糊控制器，通过在线修正模糊控制规则，使系统的输出响应达到要求的性 能，这一开创性的工作为后来自适应模糊控制的研究奠定了基础【l 7 1 。从那时起 至今二十多年的时间里，自适应模糊控制理论得到了快速发展，提出了许多类型 的自适应模糊控制方法，典型的有如下几类： 1 模型参考自适应模糊控制 模型参考自适应模糊控制( m r a f c ) 是由线性系统理论中的模型参考白适 应控制发展而来的【1 8 以9 1 。在m r a f c 中有一个参考模型，它描述被控对象的动态 或表示一种理想的动态。这种控制方式是将被控过程输出与参考模型输出进行比 较，并按偏差进行控制，使系统的输出等于参考模型的输出。由于采用模糊集合 理论设计自适应机构，m r a f c 系统在应用过程中不需要建立被控对象的精确数 学模型，这就为一些复杂、高阶、非线性且具有纯滞后的系统提供了实现自适应 控制的一种方法，从而弥补了一般设计方法中的不足。 2 基于神经网络的自适应模糊控制 神经网络和模糊系统的结合是近几年研究的热剧2 吨。神经网络通过采样 数据集合算法获取知识，具有并行处理能力和很高的适应能力，但其对于知识的 北京化工大学硕士学位论文 表达较为困难，学习速度慢。而模糊系统善于表达逻辑知识，具有模拟人脑抽象 思维的特点，但难以从数据样本中直接学习，适应能力较低。前者适于自上而下 的表达，后者适于自下而上的学习过程，因此，可将两者有机地结合起来，取长 补短。基于神经网络的自适应模糊控制综合了模糊逻辑推理的结构性知识表达能 力和神经网络的自学习能力，有助于从抽象和形象思维两方面模拟人脑的思维特 点，可以更好地提高系统的控制效果。 3 基于遗传算法的自适应模糊控制 遗传算法是一种基于自然群体遗传演化机制的高效探索算法，它将“优胜 劣汰，适者生存 的生物进化原理引入优化参数形成的编码串群体中，按所选择 的适配值函数并通过遗传中的复制、交叉及变异对个体进行筛选，不断得到更优 的群体。同时以全局并行搜索方式来搜索优化群体中的最优个体，求得满足要求 的最优解【2 2 彩】。近些年来遗传算法已被引入到自适应模糊控制设计中，其主要包 括采用遗传算法对隶属函数参数进行调节和进化模糊控制规则等方面【2 忱引。遗传 算法的引入会给自适应模糊控制的研究开辟一个新的方向，但目前基于遗传算法 的自适应模糊控制方法大部分都是离线进行的，如何让其具有在线优化能力还有 待于完善。 4 量化因子和比例因子自调整模糊控制 对于比较复杂的被控过程，有时采用一组固定的量化因子和比例因子难以 收到预期的控制效果，可以在控制过程中采用改变量化因子和比例因子的方法， 来调整整个控制过程中不同阶段上的控制特性，以使对复杂过程控制收到良好的 控制效果。这种形式的控制称为量化因子和比例因子自调整模糊控制【2 睨7 】。前述 的几种自适应模糊控制方法，虽然在理论上得到了广泛的发展，但尚有一些基本 的问题需要进一步研究，例如学习算法比较复杂、计算时间长、难以实现实时控 制等。而量化因子和比例因子自调整模糊控制方法，以算法简单、有效、实用化 程度高等特点，使其成为实时控制中最有效的手段，它的工作方式是以上升时间、 超调量、稳态误差为具体指标构成模糊目标，利用规则型调整策略通过在线调整 量化因子和比例因子来实现模糊目标。 基于上述自适应模糊控制研究现状分析，本文将针对具有非线性、时变和 分布参数等特性的电加热炉，设计了一种自适应模糊控制算法，通过对量化因子 和比例因子的在线调整，从而满足控制系统的要求，使被控系统具有良好的动、 静态特性，同时在各种优化算法中，选择了一种并行的优化算法一蚁群算法， 优化模糊控制器的控制规则，从而更好地实现对电加热炉的温度控制，并且将该 算法推广到现场总线网络环境中进行研究。 4 第一章绪论 1 3 本课题的主要内容和意义 本课题针对具有多变量、非线性、慢时变等特性的复杂工业被控对象电加 热炉，建立了基于现场总线网络环境下的电加热炉控制系统。通过研究分析实现 了对电加热炉控制系统的实时监测、过程控制及远程监控等功能。 具体的研究内容包括： 1 针对电加热炉的特点，研究了一种自适应模糊控制算法，采用自适应模 糊调节器实现了自适应控制； 2 针对控制要求，应用改进的蚁群算法优化自适应模糊规则； 3 进行仿真研究，并与传统的模糊控制进行对比分析，研究结果为实际的 电炉控制提供了有效的数据和参数； 4 研究自适应模糊控制器在f c s 中实现，针对实际电炉进行调试，并与传 统模糊控制进行了对比分析； 5 设计了运行及监控界面。 通过上述过程达到对控制对象一一电加热炉的智能控制，在这个过程中完 成网络的搭建，硬软件组态，智能控制算法的研究，并通过结构化语言编写智能 控制算法，经过调试、在工业控制网络下实现有效的控制。 第= 章控制对象和实验室通讯目络舟g 第二章控制对象和实验室通讯网络介绍 2 1 控制对象介绍 本课题研究对象是双输入双输出温度控制对象( 简称温度场控制) ，它的 原型是指用于力学性能实验，即测试合金钢在一定拉力和温度下的力学性能的加 热炉，如图2 - 1 所示。 圈2 - 1 电加热炉外观酗 f k it a e 目p 。e o f e l m i c “m 根据工艺的要求不同材料的测试温度不一样，我们常用的测试温度为 1 0 0 c - 9 8 0 c 当中任意温度是定值控制。电炉瓷套管外壁由上、下二组各7 5 0 w 的电热丝加热( 在数学模型中称之为职输入) ，经多容热力过程去加热安装在瓷 套管中心的钢试样及其夹具，在钢试样表面相距2 5 r a m 的两点安装两只k ( e u 一2 ) 分度号的露头式铠装热电偶( 在数学模型中称之为双输出) 。热量要先加热瓷套 管，然后管壁辐射热量到钢试样和热电偶上。原理图如图2 2 所示。 北京化工大学硕士学位论文 l ， | l l l l - 炉亮一 ， ! p 鲁 ( 】1 0 芎 - ， _ 一 胆丝7 5 0 冒 哥嘲r t l0 一l 曲0 t 20 - i 嘴 图2 - 2 电加热炉控制原理图 f i g 2 - 2t h ec o n 臼o lp r i n c i p l eo f e l e c t r i cf u r n a c o 本课题研究的双输入双输出温度控制对象是有背景的。在工业中将被测量 的合金钢( 试样) 放在一定温度的炉子中，然后通过杠杆和砝码给试样施加一定 的压力，看试样经过多长时间拉断，拉断时间越长，说明试样力学性能越好，反 之亦然。这种设备称为高温力学试验机，其结构示意图如图2 3 所示。它由平面、 杠杆、砝码、试样和电加热炉组成。电加热炉本身由上下两组炉丝提供功率，用 上下两组热电偶检测炉内温度。 上蹴挺j j、 麓上部热电偶 瓷套管篪 塞霸上 l 甥 壮； 量! 叫 嘲 l ， 外壳 殇l 甥 缀二疆 下部电热丝 一；一一 韵下 - ：h g 电偶 平面 孵 翔、 l 图2 - 3 电加热炉内部结构图 f i g 2 - 3t h ei n t e r n a ls t r u c t u r eo fe l e c t r i cf u r n a c e 工艺要求在4 0 0 - - 9 0 0 c 的温度范围内，钢试样表面二点的温度控制误差 垒4 ，两点温度场之差lt 1 - t 2js 4 ，即钢试样2 5 r a m 长度间有很小的温度梯 度，或称为有很均匀的温度场。该电加热炉具有以下特点： 第二章控制对象和实验室通讯网络介绍 1 当炉子竖式安装时，它是一个双输入双输出需要解耦控制的对象，而且 下加热对上加热电偶的耦合要大于上加热对下加热电偶的耦合，即解耦 的不对称性。 2 当炉子卧式安装时，其耦合作用大大减弱。 3 由于电热丝的热量要经过瓷套管和管内热空气等不良传热媒体，因此， 对象的热惰性很大。 4 升温很快，但是降温很慢，在中低温( = - 6 ，5 ，_ 4 - 3 ，- 2 ，- l ，0 ，+ 1 ，+ 2 ，+ 3 ，+ 4 ，+ 5 ，+ 6 ) 力l = 6 电加热炉控制系统温度偏差变化e c 的基本论域为【- 0 3 ，+ o 3 】，将其转换为 模糊论域，即： e c = b = - 6 ，一5 ，4 ，一3 ，- 2 ，- 1 ，0 ，+ l ，+ 2 ，+ 3 ，+ 4 ，+ 5 ，+ 6 ) n 2 = 6 电加热炉控制系统输出控制量u 的基本论域为 一1 ，+ 1 】，将其转换为模糊论 域，即： u = c = - 6 ，- 5 ，- 4 ，- 3 ，- 2 ，一l ，0 ，+ l ，+ 2 ，+ 3 ，“，+ 5 ，+ 6 ) 刀1 = 6 3 4 2 量化因子及其确定方法 为了进行模糊化处理，必须将输入变量从基本论域转换到相应的模糊集的 论域，这中间须将输入变量乘以相应的量化因子。在电加热炉模糊控制系统中， 温度偏差和温度偏差变化的量化因子亿、如分别由下面两个公式来定义 屯= ，l l p 嘲= 6 3 0 0 = 0 0 2 ( 式3 2 ) k 。= 刀2 一= 6 0 3 = 2 0 ( 式3 3 ) 1 6 第三章模糊控制器的设计 量化过程可表示为： a f = k e 幸e ( 式3 - 4 ) 岛= k * e c( 式3 5 ) 可以看出输入变量由基本论域到模糊集论域的变换是一种映射，即由基本 论域中任意一点映射到模糊集论域中相近的整数点。量化因子的确定是非常重要 的，它对模糊控制系统的动、静态性能有较大的影响。 一般来说，k 选得较大时，系统产生较大超调，从而延长过渡过程，使动 态响应变坏；疋选得较小时，则系统变化缓慢，稳态精度降低。如选择较大时， 超调量减小，但系统的响应速度变慢；如选择较小时，系统反应加快，但超调 量增大。 3 4 3 比例因子的选择 每次采样经模糊控制算法给出的控制量( 精确量) ，还不能直接控制对象， 必须将其转换到为控制对象所能接受的基本论域中去。在电加热炉模糊控制系统 中，输出控制量的比例因子凰由下式确定 吒= “删n 3 = 0 3 6 = 0 0 5( 式3 - 6 ) 从控制量的模糊集论域到基本论域的变换可表示为 让= c 伍) 幸吒( 式3 - 7 ) 式中c 尼) 为控制量的模糊集所判决得到的确切控制量。不难看出，量化因 子和比例因子均是考虑两个论域变换而引出的，但对输入变量而言的量化因子确 实具有量化效应，而对输出而言的比例因子只起比例作用。 输出控制量的比例因子凰和输入变量的量化因子一样对模糊控制器的控制 性能有较大影响。若凰取得过大，则系统上升速度加快，容易引起超调；反之， 若凰取得过小，则系统反应缓慢，使调节时间加长。 3 5 隶属度函数的确定及模糊变量表的建立 3 5 1 隶属度函数的确定 在模糊控制器设计和模糊控制理论的实际应用中，确定被研究对象模糊特 性的隶属度函数是一个十分重要的问题。隶属度函数的确定过程，本质上说应该 是客观的，但是一方面由于模糊现象本身存在着差异，另一方面由于每个人在专 1 7 北京化工大学硕士学位论文 家知识、实践经验、判断能力等方面各有所长，即使对于同一个模糊概念的认定 和理解也会具有差别性。 对于同一个模糊概念，不同的人会建立不完全相同的隶属度函数，尽管形 式不完全相同，但所得到的处理模糊信息问题的结果本质上应该是相同的。事实 上，也不可能存在对任何问题对任何人都适用的确定隶属度函数的统一方法，因 为模糊集合实质上是依赖于主观来描述客观事物的概念外延的模糊性。 隶属度函数的形状对模糊控制器的性能有很大影响。当隶属度函数比较窄 瘦时，控制较为灵敏，反之，控制较粗略和平缓。常见的隶属度函数有梯形函数、 三角形函数、铃形函数等，实践证明采用三角形函数计算较简便，性能较好，因 此这里为简单起见选择三角形隶属函数。 3 5 2 模糊变量表的建立 精确量模糊化的第一步是选取模糊控制器的语言变量，即偏差e ，偏差变化 e c 和输出u ，接着选取相关的语言变量值，即n b ，z e ，p b ，然后确 定语言变量在各自论域上的模糊子集。在此基础上，可为语言变量分别建立用以 说明语言值从属于各自论域程度的表格。这些表格称为语言变量的赋值表。 由前面可知，在电加热炉模糊控制系统中： e = a = n b ，n m ，n s ，z e ，p s ，p m ，p b ， 其模糊论域为： e = a = - 6 ，一5 ，4 ，一3 ，一2 ，- l ，0 ，+ l ，+ 2 ，+ 3 ，+ 4 ，+ 5 ，+ 6 见表3 1 。 表3 - 1 语言变量e 的隶属函数表 t a b l e3 一lt h em e m b e r s h i pf u n c t i o nt a b l eo fev a r i a b l e 1 8 第三章模糊控制器的设计 在电加热炉模糊控制系统中： u = c = n b ，n m ，n s ，z e ，p s ，p m ，p b ， 其模糊论域为： u = c = 一6 ，- 5 ，4 ，- 3 ，一2 ，- 1 ，0 ，+ l ，+ 2 ，+ 3 ，+ 4 ，+ 5 ，+ 6 ) 见表3 3 。 表3 - 3 语言变量u 的隶属函数表 t a b l e3 - 3t h em e m b e r s h i pf u n c t i o nt a b l eo fuv a r i a b l e 1 9 北京化工大学硕士学位论文 3 6 模糊控制规则 模糊控制器控制规则是以手动控制策略为基础的。利用模糊集合理论将手 动控制策略上升为具体的数值运算，根据推理运算结果给执行机构输出控制数 据。通常根据控制过程中人的实际经验把推理语义规则用“i f - t h e n 形式的条件 语句来描述1 3 6 j 。 本课题模糊规则的建立是通过对立式电炉加热过程的了解，凭借经验和控 制策略来确定的，图3 3 为电炉加热过程图。 图3 - 3 电炉加热过程曲线 f i g 3 - 3t h ep r o c e s sf f t l r v eo fe l e c t r i cf u r n a c eh e a t i n g 借助人们对恒温控制的经验知识，被调整量y 0 ) 的调节过程大致如下：当 y ( f ) 远大于y ，o ) 时，则大大减少控制量“o ) ；当j ，( f ) 远小于”o ) 时，则大大增加 控制量“o ) ；当y o ) 和y ，o ) 正负偏差不太大时，则根据y o ) 的变化趋势来确定控 制量的大小；若y ( f ) y ，( f ) ， 被调量变化平稳( d e 段) 时，则减少控制量；若y ( t ) y r ( f ) ，被调量有减少偏 差好趋势( e f 段) 时，则应综合考虑偏差大小及偏差变化趋势来确定减少，保 持或稍增加控制量；若y ( f ) y r ( f ) ，被调量有增加偏差坏趋势( f g 段) 时，则 较大增加控制量。由于本课题研究的电加热炉具有单项性，应使超调量尽可能的 小，故建立的模糊控制规则应该压缩c d 段与d e 段。 利用语言归纳手动控制策略的过程，实际上就是建立模糊控制器控制规则 的过程。但要注意，一条模糊条件语句只代表某一特定情况下的一个对策。模糊 控制规则是由一组彼此间通过“或 的关系连接起来的条件语句来描述的，其中， 当输入、输出语言变量在各自论域上反映各语言值的模糊子集为已知时，每一条 模糊条件语句都可以表达为论域积集上的模糊关系。 在电加热炉模糊控制系统中控制条件语句为 i fe = n s a n d e c = n b ，t h e nu = n b ： 第三章模糊控制器的设计 i fe = z ea n de c = z e ，t h e l lu = z e ： i fe = p ba n d e c = n b ，t h o nu = z e ： i fe = p ba n de c = p m ，t h e nu = p b ： 一共4 9 条控制规则，现将操作者在操作过程中要遇到的各种可能出现的情 况和相应的控制策略汇总为模糊控制状态表如表3 4 所示。 表3 - 4 模糊控制规则表 t a b l e3 - 4t h er u l et a b l eo fm z z yc o n t r o l 根据表中的4 9 条规则，在计算出每一条模糊条件语句的模糊关系r 之后， 由于存在语句之间的“或 关系，可计算出整个控制系统模糊控制规则的总模糊 4 9 关系u 置。有了上述表达手动控制策略的模糊关系r ，在给定模糊控制器输入 语言菱量论域上的模糊子集后，可根据推理合成规则求出其输出语言变量论域上 的模糊集合为： c = 0 7 a n d b ) 。r ( 式3 8 ) r = u r ( 式3 - 9 ) j = l r f = “a n d b ，) 专c j ( 式3 1 0 ) 其中包括了三种主要的模糊逻辑运算：a n d 运算，合成运算“o ，蕴含运 算“专”。a n d 运算通常采用求交( 取小) 或求积( 代数积) 的方法；合成运算 “。 通常采用最大最小或最大积( 代数积) 的方法；蕴含运算“寸”通常采 用求交或求积的方法。 2 1 征 叠2 刚 刚 踞 雎 飓 s e s s m b b 冱 i 黔眦 踞 飓 m i 宝 跹 冱 黔 飓 腿 眦 雪宝 冱 胳 蹦 盼 l i 2 耋宝亚 黔 m 肼 肌 m 珏 黔 b b b b b 恳e n n n n n n z 肼 耋宝 压 i 2 蹦 阻 北京化工大学硕士学位论文 3 7 模糊判决 由于模糊控制器的输出是一个模糊集合，但在实际使用中，特别是在模糊 逻辑控制中，必须用一个确定的值才能去控制执行机构。在推理得到的模糊集合 中取一个相对最能代表这个模糊集合的单值的过程就称作模糊判决，或称为解模 糊化。模糊判决所要完成的任务就是将模糊量转换成清晰量。 本课题考虑到输出模糊集隶属度函数基本列称兼顾理论计算的精确性与 编程实现的简洁性，采用模糊控制系统中较为广泛的加权平均法，这种判决方法 的最终判决值为： k j c f c ) 5 专f ( 式3 。1 1 ) j _ l 其中k 。表示加权平均法的权值，它的选取对系统的响应特性有较大影响， 故应从实际设计要求出发进行考虑。这里为计算方便，取模糊输出量的隶属度值 作为加权平均法中的权值，即： “。( c 小q c g ) 2 钶( 式3 - 1 2 ) 3 8 本章小结 本章介绍了模糊控制算法的基本结构及特性，并针对被控对象电加热炉控 制系统选定以偏差和偏差的变化作为输入变量，控制量作为输出变量的二维模糊 控制器结构，确定了量化、比例因子，选用三角隶属函数给出了模糊变量表，并 建立了模糊控制规则，从而实现电加热过程的模糊控制。 第四章自适应模糊控制系统的设计及仿真研究 第四章自适应模糊控制系统的设计及仿真研究 4 1 采用自适应模糊控制方法的原因 模糊控制是一种无须建模、方便易懂、执行简便、开发成本低廉的非线性 控制技术。正是由于这些优点，模糊控制在各种商业产品和工业过程中得到成功 应用，但它也存在一些缺点和不足。在一般的模糊控制系统中，控制规则是由对 所解决的问题持有丰富经验的专业人员以语言方式表达出来的。他们对问题认识 的深度和综合能力，直接影响控制系统性能的好坏，控制规则的有效性和完备性 也存在很大的问题。控制规则的获取及隶属函数的确定主要依靠经验知识而没有 统一的方法。这给模糊控制的发展及进一步推广带来很大的阻碍。 另外，量化因子和比例因子对系统动态和静态品质有很大影响，在常规模 糊控制器中这三个参数都为固定值，由于系统动静态特性之间存在一定的矛盾， 故采用固定的参数难于同时获得满意的动静态特性。为了弥补这些不足，进一步 提高模糊控制精度，先进的模糊控制应该具有自适应能力，使得模糊控制参数或 规则在控制过程中能够自动调整，以满足不同阶段上的控制性能要求，从而达到 理想的控制效果。 4 2 自适应模糊控制器的设计 电加热炉是一个多变量、非线性、复杂的工业控制对象，这很难建立精确 的数学模型并确定参数。由于经典控制依赖于精确的数学模型，因此对于这类对 象难以发挥作用。而传统模糊控制器在控制过程中量化因子与比例因子一般是固 定不变的，也使得系统很难获得较好的响应特性。为了克服以上限制，本文设计 了一种自适应模糊控制算法，通过模糊子系统在线调整传统模糊控制器的量化因 子和比例因子，自适应模糊控制系统如图4 1 所示。相比于经典p i d 和传统模糊 控制，基于量化因子和比例因子自调整模糊控制方法具有更加令人满意的控制效 果。应用该方法基本实现了超调量小、上升时间短、精度高、鲁棒性强的性能要 求。 北京化工大学硕士学位论文 图4 - 1 自适应模糊控制系统方框图 f i g 4 - - 1t h eb l o c kd i a g r a mo fa d a p t i v ef u z z yc o n t r o ls y s t e m 在模糊控制器中，量化因子疋、如与比例因子凰的大小及其不同量化因 子之间大小的相对关系，对控制效果都会产生很大的影响。由实验数据和理论分 析总结出量化因子以及比例因子和系统性能关系如下： 1 疋对控制系统性能的影响 ( 1 ) 丘越大，系统调节惰性越小，上升速率越快。 ( 2 ) 砭过大，将使系统产生较大超调，从而延长过渡过程，动态响应变坏。 ( 3 ) 匠过小，系统上升速率过小，系统调节惰性变大。同时，也影响系统的 稳态性能，使稳态精度降低。 2 对控制系统性能的影响 ( 1 ) 如越大，对系统状态变化的抑制作用十分明显，增加了系统的稳定性。 ( 2 ) 如过大，则系统上升速率过小，系统变化缓慢。 ( 3 ) 如过小，系统输出上升速率增大，可能导致系统输出产生过大的超调 和振荡。 3 局对控制系统性能的影响 ( 1 ) 凰越大，相当于系统总的放大倍数增大，系统响应速度加快。 ( 2 ) 凰过大，会导致上升速率过大，容易引起超调乃至振荡和发散。 ( 3 ) 毛过小，系统的前向增益很小，系统反应缓慢，使调节时间加长，稳态 精度变差。 参数调节器采用模糊算法在线调节传统模糊控制系统的三个参数，其中输 入变量为e 和e c ，输出变量为疋、肠和凰。输入变量的模糊集语言值取为 n b ， 2 4 第四章自适应模糊控制系统的设计及仿真研究 n m ，n s ，z e ，p s ，p m ，p b ，输出变量的模糊集语言值也选7 个，即极小( e s ) ， 非常小( v s ) ，小( s ) ，中( m ) ，大( b ) ，非常大( v b ) ，极大( e b ) 。 每个变量的三角形隶属度函数如图4 - 2 ，4 3 所示。 图怯e 和的隶属度函数 f i g 4 - 2m e m b e r s h i pf u n c t i o no f ea n d 图4 - 3 丘，如和毛的隶属度函数 f i g 4 - 3m e m b e r s h i pf u n c t i o no f 恐，如a n dk a 本文所提出的参数调节器是用模糊控制算法实现的。它的设计思想是：当 偏差e 和偏差变化率e c 较大时，取较小的膨、如，相当于膨胀了输入论域，以 尽快消除误差提高响应速度；同时取较大的凰，相当于膨胀了输出论域；反之 当偏差e 和偏差变化率e c 较小时，为避免系统响应的超调，使砭和如增大， 相当于收缩了输入论域，提高系统对输入量e 和e c 的敏感程度，以尽快进入 稳态；同时取较小的凰，相当于收缩了输出论域。有此可得量化因子与比例因 子的调整规则如表4 1 ，4 2 和4 3 所示。 北京化工大学硕士学位论文 表4 1 量化因子疋的调整规则表 t a b l e4 - 1t h er u l eb a s e