（电路与系统专业论文）交变湿热室新型控制器及解耦研究[电路与系统专业优秀论文].pdf

摘要 近年来，国内对交变湿热室的控制普遍采用了微机控制，一部分采用p i d 控 制方案或改进的p i d 控制方案，但人工气候室固有的非线性、大迟滞、强耦合等 特点，使系统的调试工作非常繁琐且难以获得较好的控制性能。随着智能控制的 发展，对该系统的控制研究人员也逐渐采用了模糊控制、专家系统控制等智能控 制方法，在一些方面达到了比较好的控制效果。本文也在此基础上提出了一种神 经网络控制与模糊控制相结合的智能控制方案，这个方案旨在解决湿热室系统中 温度和湿度这两个控制量相互影响时的控制问题。这一方案提高了控制精度，并 且减少了调试时间。 本文首先对湿热室的功能、结构及工作原理进行了概括，详细说明了湿热室 的结构特点和控制特性；然后介绍了模糊控制的基本原理和神经网络控制的基本 知识，通过分析系统的设计要求，提出了模糊前馈解耦控制方案。文中详细说明 了湿热室智能控制系统的组成和结构以及模糊控制器和神经网络控制器的实际 控制过程：最后简述了控制系统软件设计流程及用户界面；本文利用m a t l a b 仿真平台。通过对控制系统的仿真运行和实际运行结果的分析，具体说明了这种 方案相对于以前各种控制方案的优点。 关键词：湿热室模糊自动控制人工智能 模糊语言规则神经网络模糊系统 a b s t r a c t a b s t r a c t ：t h ee n v i r o n m e n t a lc h a m b e ri sad e v i c et ot e s tt h ee l e c t r o n i ca n d m e c h a n i c a lp r o d u c t t h ec o n t r o l l e r0 fi ti sw i d e l yd e s i g n e db a s e do np i da l g o r i t h m i n p a s t y e t ，t h e e n v i r o n m e n t a lc h a m b e rh a sal a r g ed e l a ya n di ti san o n l i n e a r m u l t i - v a r i a b l e s y s t e m ，w h i l ep i da l g o r i t h m i sn o tf i tf o rt h i sc a s e w i t ht h e d e v e l o p m e n to fi n t e l l i g e n tc o n t r o l ，m o r e a n dm o r er e s e a r c h e rb e g i nt ou s et h e i n t e l l i g e n tc o n t r o l l e r , a n da l s og a i nm o r es a t i s f a c t o r yc o n t r o l l i n ge f f e c t s i ns o m e r e s p e c t s t h ea r t i c l ea l s oc o m e su pw i t ha n e w i n t e l l i g e n tc o n t r o ls c h e m ec o m b i n e d n e u r a ln e t w o r kw i t hf u z z yb a s e do nt i m em o d e lo ft h ee n v i r o n m e n t a lc h a m b e r t h i s s c h e m ei sp r o p o s et oe l i m i n a t et h ec o u p l i n go ft h ec h a m b e r i ta l s oi m p r o v e st h e c o n t r o l p r e c i s i o n a n dr e d u c e st h ea m o u n to fw o r kf o r d e b u g g i n g t h ec h a m b e r i nt h i s p a p e r , t h ec h a m b e r sc o n s t r u c t i o n ，f u n c t i o na n dw o r k i n gp r i n c i p l ea r e i n t o r d u c e da tf r i s t ，a n dt h ec h a r a c t e r i s t i co fc h a m b e ri se x p l a i n e dp a r t i c u l a r l y t h e n i tp r e s e n t st h ef u n d a m e n t a lp r i n c i p t eo ff u z z yc o n t r o la n dn e u r a ln e t w o r k i tb r i n g f o r w a r dt h ei n t e l l i g e n tc o n t r o ls c h e m et h r o u g ht h ea n a l y s i so f t h ed e s i g nd e m a n d s i t e x p l a i n st h ep r o c e s so f t h ed e s i g no ft h ei n t e l l i g e n tc o n t r o ls y s t e m f i n a l l y ，i td e c i p t t h ef l o wc h a r to fs o f t w a r e m a t l a bi su s e dt os i m u l a t et h ei n t e l l i g e n tc o n t r o l s y s t e m ，t h r o u g h ti tw ea n a l y s er e s u l to fm o d e l i n g t e s ta n da c t u a lt e s ta n d p r o v et h e a d v a n t a g e so f t h ei n t e l l i g e n ts c h e m e o v e rt h ef o r m e rs c h e m e s ， k e y w o r d s ：e n v i r o n m e n t a lc h a m b e r f i a z z y c o n t r o lt i m em o d e l d i r e c td i g i t a lc o n t r o ln e u r a ln e t w o r ks i m u l i n k 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得墨生盘鲎或其他教育机构的学位或证 书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：啊序易 签字日期：j 册一； 年2 月- f 日 学位论文版权使用授权书 本学位论文作者完全了解叁盗基主有关保留、使用学位论文的规定。 特授权丕洼盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复南4 手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：铭 导师签名： 巷惠敏 签字日期：如。年2 月万日 签字日期：如口弓年2 月够日 第一章交变湿热室的组成及工作原理 1 1 概述 第一章：交变湿热室的组成及工作原理 交变湿热室是一种模拟自然界气候( 一般是温度和湿度) 变化的大型检测设 备，主要用于检测电子元器件、机械产品对自然环境的适应能力。由于自然界中 的气候影响因素很多，而且相互之间又有交叉耦合，所以使其模型十分复杂。在 没有很精确的数学模型的情况下，很难用常规的控制方法( 例如p i d ( 比例积分 微分) 或改进的p i d 方案) 对其进行精确的控制，而且在强耦合的情况下，一般 的解耦方法也不能达到理想的效果。近年来，国内外许多学者对智能控制进行了 深入和广泛的研究，提出了许多新的思想，为非线性、强耦合大系统控制提供了 新的解决思路。对于多变量( 以下简称m i m o 系统) 控制系统，普遍采用了模 糊控制技术，并逐渐出现了将自适应控制，神经网络控制，预测控制及模糊控制 等几种不同方法融合在一起的设计方法，以求得更好的设计效果。本文在微机控 制系统的基础上，在气候室控制中提出了一种智能控制方案一一模糊前馈解耦控 制方法，该方案主要是将模糊控制和神经网络技术有机地结合起来，并采用了直 接数字控制技术。该方案将主控通道与解耦环节分开设置，在工程上易于调整， 解耦网络前向计算量不大，可保证运行的实时性。 1 2 系统组成及工作原理 1 2 1 系统组成 湿热室结构原理如图1 - 1 所示。它分为主室和夹层两部分，全部用不锈钢材 料组成。主室内放需要检测的机械或电子元器件，有风道和外部的加热、加湿装 置相连，系统运行时随控制量的改变，主室内的温度、湿度也随之改变。主室内 第一章交变湿热室的组成及工作原理 顶部中央位置放有温度、湿度传感器( 即干球和湿球) ，用来检测系统的实际温、 湿度，以提供反馈输入。夹层也有风道和外面连接，主要用来使主室和外部隔离 及在系统降温阶段由冷机产生制冷作用，以使系统温度按给定曲线下降。有的系 统主室内有个冷机在系统运行时总是处于开的状态，以用来调节系统的控制品 质( 此种方式又称为b t h c 方式) 。人工气候室的结构框图如图1 1 所示： 。图s r b 7 湿热室结构原理 l 主加热器2 主加湿器3 主风帆4 夹套加热器5 夹套加湿器6 夹套风机7 辖体外层8 箱体夹套 1 2 2 工作原理 系统启动，经过初始化后，即进入运行阶段。此时，位于主室顶部中央的干 球( 铂电阻传感器) 采集到的主室实际温度由系统微机的循环检测程序启动 a d 1 0 5 7 模数转换板的驱动程序，经由a d 1 0 5 7 将模拟量转换成数字量后输入 进微机，经过一定的预处理后( 如乘以一系数) ，再和系统的给定曲线( 由用户 在系统初始化阶段选择) 相减产生一误差信号，此误差信号作为输入量送入系统 的智能控制器核心，控制器经过一系列智能控制后，产生一控制量，该控制量作 为输出参数送入系统的输出接口驱动程序，经由输出接口控制系统的加热量，从 而起到控制系统温度的作用。系统湿度的控制原理和此相似，只是由于目前新型 测湿元件在稳定性、选择性、可靠性等方面存在些问题，本系统采用国内外较 流行的干湿球测湿法。该方法的原理是：当干球温度和湿球温度已知时，求相对 第一章交变湿热室的组成及工作原理 湿度的关键是计算饱和水汽压。而饱和水汽压是一个相当复杂的温度函数，不便 于直接计算。本系统采用l o w e 多项式近似计算饱和水汽压。公式如下： e w = c o + c 1 t + c 2 t 2 + c 3 t 。+ c 4 w g + c s t 3 + c 6 t 。 ( 1 - 1 ) 式中e w ：纯水面的饱和水汽压( 干球温度和湿球温度下) ，t ：温度( 于球 或湿球) ，c o c 6 ：常数。用此式计算引入的误差很小。当系统处于给定温度曲线 的下降阶段时，本系统采用8 2 5 5 芯片为控制接口的的核心对夹层的冷机进行 分档控制( 即不是连续调节) 。本系统采用的微机为高档5 8 6 微机，接口控制板 都插接在其内部。另外，系统还有其他一些报警、控制台、执行机构等必要的保 证系统安全及方便用户使用的设施。 1 2 3 系统特性分析 人工气候室为双循环系统：主室循环和夹套循环。主室循环系统包括加热、 加湿、制冷( 用于降温和制冷，有些系统也可能没有该功能，而主要依靠夹层来 制冷) 。夹套循环包括加热和制冷( 用于降温) 。总的来说，系统含有三个通道： 主室控温通道( 用于加热和制冷，以下简称“主温道”) ，主室控湿通道( 用于 加湿和去湿，以下简称“主湿道”) ，夹套控温通道( 用于加热和制冷，以下 简称：“夹温道”) 。由于热传递及热辐射的作用，各通道之间均存在耦合，如 图1 2 所示。 主室加热 主室加湿 夹套加热 ：f 二专嗣： ：i = 5 之： 7 i 7 主温温度 主室湿度 夹套温度 图1 - 2 控制通道及耦台示意图 按国标规定，表征气候室性能的技术指标集中在主室温度和主室湿度这两个 方面，因此应重点考虑主温和主湿的解耦问题。主温耦合来自两个方面：主湿和 夹套温度，主湿对其耦合总是存在的，因热蒸汽的加湿必然引起温升，而夹湿对 主温的耦合，实质上是通过内壁的传热过程。主湿耦合也来自两个方面：一是主 温对主湿的直接耦合，有关公式及试验结果均表睨，温度在小范围内变化肘，相 对湿度变化甚小，工程上可以忽略：二是夹温经过主室内壁对主湿的耦合。对本 系统而言。另一个特点是主室内的空间随着放入需检测物品的变化面变化，使系 第一章交变湿热室的组成及工作原理 统特性参数改变，控制特征曲线随负载变化呈现非线性。又由于温度控制的固有 迟滞特性，总的来讲本系统的控制特点是典型的非线性、迟滞性、耦合性。 1 3 系统设计要求及控制方案选择 1 3 1 设计要求 1 、工作曲线 控制器应控制气候室内湿、湿度按预定的工作曲线变化。气候室基本温、湿 度曲线有1 2 条，基本的工作曲线由高温温度和试验周期的组合来确定。在允许 的温、湿度范围内，还可由用户自行设定工作曲线。典型的工作曲线分为升温、 恒温( 高温高湿) 、降温、低温高湿四个阶段，如下图所示。在升、降阶段，对 主室内温度变化速率、线性及上冲等变化范围均有明确的要求。 l 9 5 1 , 9 5 9 5 。 准 l。i 温 升 高温高湿阶段l耋 高 备温 湿 阶阶 4 0 - 1 - 2； 詈 阶 t 4 、 段 段 y 魁”| 釜 2 5 3 2 5 士3 _ i l i 一 r t , j = 3 士0 5 | 2 4 图卜3 典型的工作曲线 2 、控制指标 国标和国际标准对人工气候室控制指标有明确规定，其中主要有：升、降温 阶段温度变化率、线性及上冲、湿度变化范围；恒温阶段温度波动度、 室内各点温度均匀度、湿度容差。 3 、鲁棒性 当温、湿度变化、负载大范围变化或部件老化时，控制指标仍要符合指标要 求，并允许用户在一定温、湿度范围内自行设定工作曲线。 第一章交变湿热室的组成及工作原理 4 、节能 气候室控制系统的执行部件是大功率的加热器、加湿器及制冷机，耗电量相 当大，控制器应使节能指标达到最优。 1 3 2 控制方案 由于人工气候室双循环系统的执行部件为加热器、电加热浅槽、制冷机、风 机，而箱体内的空间也较大，试品的数量、体积、热功系数又不定，因此，本控 制系统既具有典型的温湿度控制的时滞特性，又具有多变量非线性的特点，不易 建立准确的数学模型，且主要特点是多变量，相互耦合度较大。 这种复杂的被控系统若采用经典控制理论，很难达到所规定的温湿度控制指 标。为此，我们提出了一种智能控制系统，它采用模糊控制和人工神经网络相结 合的方法，设计湿热室模糊前馈解耦控制器。与p i d 控制方案相比，本方案不仅 控制指标优良，而且具有很强的鲁棒性。 一、基本控制方案 温度和湿度两个变量分别用两个模糊控制器来控制，模糊控制器的输入为误 差和误差变化率，每隔一段时间进行采样，计算一次离散值，作为温度和湿度的 值输入，调用本设计中的核心控制策略进行控制，温度和湿度的升降阶段都按同 法处理。 二、解耦方案 ( 1 ) 静态解耦 湿热室系统中，夹套温度控制从属于主温及主湿控制，而夹温道对主湿道的 耦合较弱。工程上可以忽略，因此本设计中只考虑主温道的耦合及解耦问题。 主温耦合来自于两个方面：主湿和夹温。因采用热蒸汽加湿，加湿必升温， 此耦合较强且方向固定。而夹温对主温的耦合，实质上是通过主室内壁的传热过 程，可视为平板传热过程。平板传热公式的一般形式为： 、 q = k f o r s , 一驯 ( 1 - 2 ) 式中q 为传热量，k 为传热系数，f 为传热面积，功一劢为传熟总温差。 若令功为主室温度，功为夹套温度，则： 第一章交变湿热室的组成及工作原理 劢 殛， q o ，主室向夹套传热 功= 劢， q = 0 ，无传热 砀 砀，q o ，夹套向主室传热 综上所述，影响主室温度的耦合因素中，加湿为固定因素，使主室温度升高； 而夹套温度为可调因素。可利用这一可调因素达到解耦的目的，这也正是设置夹 套循环系统的出发点。具体讲，在恒温高湿阶段，取夹套温度设定值低于主室温 度定值，二者之差记为4r ，则4r 取值适当时，可基本抵消加湿所造成的主室 温升。事实上4f 取适当值，在升温阶段有助于抑制主室温度上冲：在降温阶段 有助于提高主室降温速率。 主湿藕合也来自两个方面：一是主温对主湿的直接耦合，有关公式及实验结 果均表明，温度在很小范围内变化时，相对湿度变化甚小，工程上可忽略；二是 夹温经主室内壁对主室的藕合，系通过内壁析水( az 如) 或蒸发( a 丁瑚) 而产生。 耦合的强弱取决于温差dt 的符号及大小，适当控制ae 可是耦含减至最小。 ( 2 ) 动态解耦 为了进一步提高主温控制精度，在控制系统中，我们引入了前馈神经网络解 藕控制器。利用神经网络非线性映射的特性，可以在线对系统的藕合进行简单辨 识，同时修改自身权值和阀值，达到在线自动解耦的目的。 第二章智能控制的基本理论 第二章：智能控制的基本理论 2 1 模糊自动控制原理 模糊控制属于智能控制，是一种模拟人类智能的形式，其本质就是在被控对 象的模糊模型基础上，运用模糊控制器近似推理等手段，实现系统控制的一种方 法。它的基本思想就是用机器去模拟人对系统的控制，对于那些复杂的无法建立 数学模型的系统，有经验的操作者和专家却能取得比较好的控制效果。这是因为 他们凭借的是日积月累的丰富经验。因此人们希望把这种经验指导下的行为过程 总结为一些规则，并根据这些规则设计出控制器，由于人的经验一般是用自然语 言来描述的，因此，基于经验的规则也只能是语言化的、模糊的。运用模糊理论， 模糊语言变量和模糊逻辑推理的知识，可以把这些模糊的语言规则上升为数值运 算，从而能够利用计算机来完成对这些规则的具体实现，达到以机器代替人对对 象进行自动控制的目的。 实践表明，模糊控制具有以下几个特点： ( 1 ) 不需要知道被控对象的数学模型； ( 2 ) 它易于实现对具有不确定性的对象和具有强非线性的对象进行控制； ( 3 ) 它对被控对象特性参数的变化具有较强的鲁棒性； ( 4 ) 它对于控制系统的干扰具有较强的抑制能力； 2 2 模糊理论简介 模糊理论以模糊集合论为基础，咀模糊推理和模糊规则为工具，核心概念是 隶属度和模糊关系。 2 2 1 模糊集合 在经典集合论中，任何元素与任何一个集合之间的的关系，只有“属于”和 “不属于”两种情况，即元素对集合的隶属度只能取0 和1 这两个值。在模糊集 第二章智能控制的基本理论 合中，可以用隶属度定量去描述论域中的元素符合概念的程度，实现了对普通集 合中绝对隶属关系的扩充，从而用隶属度函数表示模糊集合，用模糊集合表示模 糊概念。模糊集合的定义如下： 论域中的模糊子集a 是以隶属函数 心：u + 【0 ，1 】 ( 2 - i ) 确定论域u 的模糊子集a ，幽称为模糊子集的隶属函数，儿( u ) 称为u 对a 的隶属度，它表示论域u 中的元素u 属于其模糊子集a 的程度。它在 o ， 1 】闭区间内可连续取值，隶属度也可简记为a ( u ) 。即元素对于某集合而言有 个属于程度。模糊集合的表示方法有多种，通常形势如下： a ( u i ) a ( u 2 ) a ( u 3 ) a ；= 一+ 二一+ 二一+ u lu 2u 3 型( 2 _ 2 ) u “ 其中：u l 、u2 、u3 、u 。为论域u 中的元素。 2 2 2 模糊关系和模糊关系矩阵 模糊关系描述了元素之间关联程度的多少。其定义如下： 设x ，y 是两个非空集合，则直积x y ； ( x ，y ) l x ex ，y ey ) 中的一个 模糊子集r 称为从x 到y 的一个模糊关系，记作：r ：x y 。模糊关系r 由其 隶属函数 pr ：x y 一 o ，1 完全刻划。序偶( x ，y ) 的隶属度为pr ( x ，y ) ，它表明了( x ，y ) 具有关系r 的程度。 模糊关系r 可以用模糊矩阵r 表示。 当黔 x ；ii = i ，2 m ，y = y 。l i ：i ，2 一n 是有限集合时，则x y 的模糊关 系r 可用下列m 木r l 阶多项式来表示 第二章智能控制的基本理论 r = ，i lr 1 2 r 2 l吩2 一 吒。 _ i20 名i 2 r 。n ( 2 - 3 ) 由于模糊矩阵本身是表示一个模糊关系子集因此根据模糊集的交、并、补 运算定义，模糊矩阵也可作相应的运算。 ( 1 ) 模糊矩阵交则 q = ( 0 q o ) 。 ( 2 ) 模糊矩阵并 r n q = ( r uv ) ( 3 ) 模糊矩阵补 r 。= ( 1 一，：! ) 2 2 3 模糊语言和模糊逻辑 模糊语言是人们将模糊集的概念应用到自然语言当中，用数学的方法来表示 语言中的模糊概念，提供处理模糊概念的系统的方法。 模糊逻辑推理是一种不确定性的推理方法，其基础是模糊逻辑，它是在二 值逻辑三段论的基础上发展起来的。由于它缺乏现代形式逻辑中的性质以及理论 上的不完善，这种推理方法还末得到一致的公认。但是，这种推理方法所得到的 结论与人的思维一致或相近，在应用实践中证明是有用的。模糊推理是一种以模 糊判断为前提，运用模糊语言规则，推出一个新的近似的模糊判断结论的方法。 模糊推理是一种近似推理，近似推理的提法基本上是下面两种形式。 第一种提法：给定一个模糊蕴涵关系“若a 则b ”，a e u ，b v 。已知某 一个a ，a u ，求从蕴涵关系能推断出什么样的结论b ? 第二种提法：给定一个模糊蕴涵关系“若a 则b ”，a e u ，b e v 。己知某 一个b ，b v ，求从蕴涵关系能推断出什么样的结论a ? 第二章智能控制的基本理论 2 3 模糊控制器的基本设计方法 模糊控制是一种以模糊集合论，模糊语言变量以及模糊逻辑推理为数学基础 的新型计算机控制方法。传统的控制理论依赖于被控对象系统的数学模型，而模 糊控制则是依赖于被控对象的物理特性。这些物理特性在人脑中用自然语言来抽 象成一系列概念和规则，为了应用这些模糊的控制规则，就必须将测量得到的精 确值转化为“正大”，“正小”等语言形式的模糊量，然后利用控制规则进行推理， 这个步骤叫做模糊决策。经过决策，我们得到控制作用的模糊集。为了将这个输 出的模糊集作用于被控对象，必须将这些控制作用的模糊集按照一定的规则转化 成精确量，这个过程被称为逆模糊化。 2 3 1 模糊控制器的结构设计 由于模糊控制器的控制规则往往是根据手动控制的大量实践经验总结出来 的，因此模糊控制器的输入变量可以有三个：即误差、误差的变化和误差变化的 速率：而输出变量则一般选择为控制量的变化。理论上讲，模糊控制嚣的维数越 高，控制的效果也越好，但维数高的控制器实现起来相当复杂和困难，因此我们 采用二维模糊控制器，如图2 1 所示，这样可以通过考虑误差和误差的变化两个 物理量的综合来达到期望的控制目标，而且减小了系统超调。 图2 - 1 单变量模糊控制系统 2 3 2 模糊控制规则的设计 模糊控制规则的设计是模糊控制器的关键，具体设计内容一般包括三个部分 ( 1 ) 选择描述输入输出变量的词集，并且利用这些词汇对各种自然现象进行准 确的描述。 ( 2 ) 定义各模糊变量的模糊子集，实际上就是要确定模糊子集隶属函数曲线的 第二章智能控制的基本理论 形状。 ( 3 ) 建立模糊控制器的控制规则，制定控制规则表。 1 、选择描述输入、输出变量的词集 一般选用“大、中、小”三个词汇来描述输入输出变量状态，由于人的行为 在正，负两个方向基本是对称的，所以将大、中、小再加上正负两个方向并考虑 零状态，这样本系统选定的输入词汇一共就有七个，即 负大( n b ) ，负中( n m ) ， 负小( n s ) ，零( n o ) ，正d x ( p s ) ，正中( p m ) ，正大( p b ) ) 2 、定义各模糊变基的模糊子集 定义一个模糊子集，就是要确定模糊子集隶属函数曲线的形状。将确定的隶 属函数曲线离散化，就得到了有限个点的隶属度，便构成了一个相应的模糊变量 的子集。一般我们都是用正态型函数作为隶属度函数，如图2 2 所示。 3 、建立模糊控制规刚 模糊控制规则是模糊控制的核心部分。它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，由模糊量化得到的输入经模糊控制推理的作用得到控制 器的模糊论域的输出。 图2 - 2模糊集合的隶属度函数 1 ) 模糊条件语句形式 要建立模糊控制器的控制规则，就要利用语言来归纳手动控制过程中所使用 的控制策略，控制规则可归纳为一组条件语句。如：“温度较离，则减小加热量”、 “湿度太小，则加大加湿的功率”等。将这些人的经验写成用模糊语言描述的语 第二章智能控制的基本理论 句大致如下： ( 1 ) 若误差负大，则输出正大； ( 2 ) 若误差负小，则输出正小； ( 3 ) 若误差为零，则输出为霉； ( 4 ) 若误差正小，则输出负小； ( 5 ) 若误差正大，则输出负大； 如模糊控制器采用的是这种条件语句形式的控制规则，则在模糊量化处理 ( 上一步) 中，将输入变换为某模糊语言变量( 由模糊量化的第二步实现) 的形 式是必须的，否则就不是必须的( 如果模糊控制器采用的是矩阵运算形式) 。模 糊条件语句形式的攉理规目通常可以用一个经典表格来表示，如表2 i 所示。 心 n bn m n sz 0 p s p mp b n bp bp bp bp bp mz 0z o n mp bp bp bp bp mz oz o n sp mp mp mp m2 0n sn s n op mp mp sz on sn mn m p op mp mp sz on sn mn m j p sp sp sz on mn mn mn m p mz oz on mn bn bn bn b p bz oz on mn bn bn bn b 表2 - 1 表中各字母所代表的含义如前所述。其中，为本次采样得到的e r 城去上 次的e r 所得的结果，e r 为实际值减去标准值所得的结果。从表中可看出，模 糊控制的原则是：当误差为负且较大时，应当以减小误差为主，此时控制量的输 出要尽量大；当误差较小时，要兼顾超调，以减小超调为主，相应减小控制量。 当误差为正时道理相同，只是相应符号要相反。通常将表中内容写成“i f 条件 成立，t h e n 输出u ”的形式，典型的写为2 l 条。在系统实际设计中，上表中的 各表项都代表具体的值，并将下步“模糊判决”也包括进去，离线制成表格， 该表内容为实际的采样输入及对应实际输出，系统实际运行时，只是进行简单的 第二章智能控制的基本理论 查表运算，并不是由“i f t h e n ”条件语句得到输出，加快了系统的实时 性能。具体系统不同，表中数据也有所差别。 2 3 3 精确量与模糊量之间的相互转换 1 、模糊化方法 在模糊控制系统中，我们得到的观测数据都是精确值，而模糊控制规则所用 到的都是模糊的语言量，为此，我们必须将一个精确值化成一个或几个模糊单点。 由采样系统采集来的数据所处的论域为基本论域，模糊量所处的论域为模糊集论 域，则模糊量化处理分为两个步骤：第一步，先经过基本论域至模糊集论域的转 换( 即乘以一因子k ) 。第二步，再把转换后得到的模糊量变换为某模糊语言变量。 由基本论域到模糊集论域的图示如下图所示( 图2 - 3 ) ：这一步即乘以一比例因子 k ，如图中所示，则k - - n x , 。如果基本论域中精确量并不是正负对称的( 本系统即 如此) ， 圈2 - 3 论域的变换 则可以用如下的公式：y = 2 n x x - ( a + b ) 2 ( b a ) 。式中n 为模糊论域正端 点处的值，a 、b 分别为精确量的上下限，x 为本次采样得到的精确量的值。当基 本论域的量乘以比例因子k 或经过上述公式变换时，并不一定能得到一个整数， 有时需要将其取整，以便于下一步使用，所以k 又称为量化因子。一般情况下， 基本论域中的量变化范围比模糊集论域的小，所以，量化因子的值一般远大于1 ， 例如：一般k “误差的量化因子) 选取5 0 ，k ( 误差的变化量的量化因子) 选取1 5 0 。 量化因子的选取是否恰当，对控制系统的动态性能影响很大。k 选的较大，系 统的超调也较大，过渡过程变长。理论上分析，k 增大。相当于缩小了误差的 第二章智能控制的基本理论 基本论域，增大了误差的控制作用，因而使上升时间变短，但由于出现超调，系 统的过渡过程变长。磁选择较大时，系统的超调将减小，但系统的响应时间变 长。理论土理解是，k 增大，则误差变化量的权值变大，有利于遏制控制量的 进一步加大，从而使超调减小，但因为控制量的增大受到抑制，使系统达到给定 值的时间将加大，因而系统的响应时间也变长。另外，k 和k 。之间也相互影响。 量化因子的适当选择有重要意义。 把上一步得到的模糊量转化为某一具体的模糊语言变量就是为输入集中的 模糊语言词集选择一组合适的隶属函数。通常选择正态分布函数，因为正态分布 函数较符合人的控制行为模型。当由上一步得到的模糊变量代入各隶属函数时， 取其中晟大函数值对应的模糊语言变量为本次输入的语言变量，至此，完成了整 个模糊量化步骤。在选择各模糊语言词集的正态分布函数的参数，均方差和均值 时，注意各正态曲线相互覆盖的不能太少，那样容易造成在交界点附近的控制灵 敏度降低。但也不能相互覆盖太多，那样容易造成控制动作太频繁。一般而言， 当语言词集中语言变量的个数是模糊论域中的元素的个数的2 至3 分之一时，可 以较好的覆盖。 2 、模糊量到精确量的转化方法 由模糊推理得到的结果是模糊论域的，它还不能作为输出去直接控制执行机 构，必须经过由模糊量到精确量的转换。它一般分两个步：由输出结果的模糊向 量或模糊语言变量找出一个单值的模糊量；将该模糊量乘以一比例因子转变成最 终的控制量的输出。其中，前一步通常有三种算法：最大隶属度法、取中位数法、 加权平均法。最大隶属度法即选择模糊推理输出结果的模糊向量或模糊语言变量 中隶属度最大的元素作为输出。取中位数法则是将隶属函数曲线积分，选择使曲 线和横轴的积分面积平分为两部分的数作为结果。加权平均法是仿照普通的加权 n k i u ； 平均法的计算公式。：i ! !计算输出，一般将k 。选为b i ( u i ) 。由上述步骤得 n k i i = 1 到的结果再乘以一比例因子即可得到最后的控制量输出。比例因子的选取同模糊 量化中的量化因子的选取一样，对系统的控制品质有很大的影响。选择不好则要 么使系统的动态响应过程变长，要么会使系统出现振荡。 第二章智能控制的基本理论 2 4 神经网络的基本理论 人工神经网络是由许多处理单元，又称神经元，按照一定的拓扑结构相互连 接而成的，一种具有并行计算能力的网络系统。神经元是以生物神经系统的神经 细胞为基础的生物模型。在人们对生物神经系统进行研究以探讨人工智能的机制 时，把神经元数学化，从而产生了神经元数学模型。 神经网络控制是近几年形成的一个分支，正在平稳迅速地向前发展。回顾一 下古典和现代控制理论，都存在一个共同的局限性：就是要求预知被控对象的数 学模型，但实际上许多对象具有复杂的不确定性和时变性，此外，还具有复杂的 非线性，必将造成根本无法或者很难精确建模。人工神经网络有表示任意非线性 关系和学习等能力，给解决这类问题提供了新的思想和新方法。 人工神经网络的属性和特点是人工神经网络在控制领域中应用的基础。它在 控制系统中的作用可以分为： ( i ) 基于模型的各种控制结构，如内模控制、模型参考自适应控制、预测控制， 神经网络在其中充当对象的模型； ( i i ) 用作控制器，即各种神经网络控制器： ( i i i ) 在控制系统中起优化计算的作用。 2 4 1 神经元的数学模型 从神经元的特性和功能可以知道，神经元是一个多输入多输出的信息处理单 元，且它对信息的处理是非线性的。根据神经元的特性和功能，可以把神经元抽 象为一个简单的数学模型。工程上用的人工神经网络模型如图2 - 4 所示。 图2 - 4 神经元的数学模型 第二章智能控制的基本理论 在图中，x 。，芏：，x 。的共同刺激达到阀值时以何种方式输出。从图中神经元 模型，我们可以得到神经元的数学模型表达式 厂。1 y i 匡v ，以j q 。4 ) l = il 对于激发函数厂【】有多种形式，其中最常见的有阶跃型、线性型和s 型三种形式， 这三种形式如图： j i t u j l l 一 0i ( a ) i 夕 l c o ) 图2 - 5 神经元激发函数 i ji r m ) 0 5 一 一 0 u i 为了表达方便，可令 = x ，- o , ( 2 5 ) 则有 y ，= ，k ，】( 2 6 ) 显然，对于阶跃型激发函数，有 厂l 战拦 ( 2 - ，) 它的输出是电位脉冲，因此这种激发函数的神经元称为离散输出模型。 对于线性型激发函数，有 ，西】- 触( 2 8 ) 它的输出是与输入的激发总量成正比的，故这种神经元称连续性模型。 对于s 型激发函数，有 ，m = l 1 + e x p ( 一坼) 】( 2 9 ) 第二章智能控制的基本理论 它的输出是非线性的，故这种神经元为非线性连续模型 2 4 2 神经网络的结构 神经网络是由许多神经元互连在一起所组成的神经结构。把神经元之间相互 作用的关系进行数学模型化就可以得到神经网络模型。 根据神经网络不同的连接方式，神经网络结构可分为以下几种类型： ( 1 ) 不含反馈的前向网络，其结构如图2 - 6 ( a ) 所示。在此网络中，神经元分 层排列成输入尾，隐层( 亦称中间层，可有若干层) 和输出层，每一层的神经元 只接收前层神经元的输入，例如，b p 网络。 ( 2 ) 从输出层到输入层有反馈的前向网络，其结构如图2 - 6 ( b ) 所示。这种结 构的网络可用来存储某种模式序列，例如，输出反馈网络。 ( 3 ) 层内有相互连接的前向网络，其结构如图2 - 6 ( c ) 所示。通过层内神经元 之间的相互作用，可以实现同一层内神经元之间的横向抑制或兴奋机制，例如， 竞争网络。 ( 4 ) 相互连接的网络，其结构如图2 - 6 ( d ) 所示。这种网络是在其任意的两个 神经元之间都可能有连接。在网络中，信号要在神经元之间反复往返传递，网络 处于一种不断改变状态的动态之中。h o p f i e l d 网络就是这种结构。 黔豸 ( a ) 图2 - 6 神经网络结构 ( d ) 第二章智能控制的基本理论 2 5 用于智能控制的人工神经网络 用于自动控制的人工神经网络基本上分为两大类：静态多层前向网络和动态 反馈网络。本课题中用于解耦的神经网络模型主要是静态多层前向网络中的b p 网络，所以我们主要介绍一下b p 网络。 2 5 1b p 网络 b p 网络实际上是多层感知网络，由于网络的学习采用误差反向传播算法 ( e r r o rb a c k p r o p a g a t i o nm e t h o d ) ，因此，称之为b p 网络。b p 神经网络是由输 入层，若干隐含层和输出层相互连接构成。连接的结构是，前后相邻层的任意两 节点均相连，非相邻层的节点无任何连接，从输入层开始逐层相互连接，到输出 层连接结束。同层节点间亦无任何连接。 b p 网络中，除输入层节点外，其余神经元的输出函数f 均可采用可微分的 s 型函数： f ( x ) = 专( 2 - 1 0 ) b p 神经网络的工作过程通常由两个阶段组成。一个阶段是工作期，在这一 阶段，网络节点的连接权值固定不变，网络的计算从输入层开始，逐层逐个节点 的计算每个节点的输出，直至i 输出层的各节点计算完毕。 输出 y l y 2 输入层隐藏层输出层 计算过程 图2 7b p 网络训练过程 另一阶段是学习期，在这一阶段，各节点的输出保持不变，网络学习则是从 第二章智能控制的基本理论 输出层开始，反向逐层逐个节点计算各连接权值的修改量。以修改各连接的权值， 直到输入层为止。这两个阶段又称为正向传播和反向传播过程。如图2 7 所示在 正向传播中，如果在输出层的网络输出与所期望的输出相差较大，则开始反向传 播过程，根据网络输出与所期望输出的信号误差，对网络节点间的各连接权值进 行修改，以此来减小网络输出信号与所期望输出的误差。b p 神经网络，正是通 过这样不断进行的正向传播和反向传播的计算过程，最终使得网络输出层的输出 值与期望值趋于一致。 在b p 网络中，输入层的节点通常只是对输入的样本数据进行一些简单的规 格化处理，真正的网络计算处理是从第二层开始到输出层结束为了便于计算， 通常将各处理节点中的阈值，也作为一个连接权值。为了做到这一点，只要将各 处理节点与一个输出恒为l 的虚节点相连接即可。由于b p 网络中，其正向传播 的计算过程，与网络节点的处理过程的描述基本一致，这里就不进一步加以说明 了。下面我们着重说明一下反向传播的计算过程，该过程就是网络的学习过程它 的主要思想是利用网络的输出层中各节点的实际输出与相应的期望输出之间的 差距，从输出层开始，对网络中各节点间的互相连接的权值进行适当的调整，以 使得网络的实际输出与期望输出之间的差距能够逐步减少，最终获得最优的输 出。 设b p 网络非输入层的任一结点i 对t = f l l 练样本( 丑，y k ) 输出为d 。，网络的 输入为互。，网络的期望输出为】，r ，网络的实际输出匕为，并设有n 个训练样 本，k 为样本序号( k = l ，2 ，n ) 。使用平方误差函数 e = ( k r ) 2 ( 2 一i i ) 则b p 网络训练学习算法如下； ( i ) e k = ( k 一，) 2 ( 2 - 1 2 ) “i ) 聊o = 军吼，= 豪筹， 其中= f ( n e t j k ) ( 2 1 1 3 ) (iii)熹：旦ionetjk：旦瓯咆吼其中为该节点输入-14)o a n e t ma o n e t m “ “。” 。 第二章智能控制的基本理论 ( i v ) 6 k = o 咧e _ _ _ 。l 裹笔= 2 ( y t y - ) 厂。“止) ， 匈为输出节点时。 ( 2 _ 1 5 ) 颤= 厂( n e t 业) 瓦。， 匈不为输出节点时 ( 2 1 6 ) f ( n e t 业) = o j k ( 1 一o j k ) ， 其中瓯为该节点输出 ( 2 1 7 ) ( v ) = 叫熹= 莉m 魄 ( 2 - 1 8 ) b p 网络模型将一组样本的i o 问题转变为一个非线性优化问题。它使用了 优化中最普通的梯度下降法，用迭代运算求解相应于学习记忆问题。通过加入隐 节点，使得优化问题的可调参数增加，从而可得到更精确的解。如果将这种神经 网络看成是从输入到输出的映射，则这个映射是一个高度非线性的映射。如果输 入节点为r 1 个，输出节点为m 个，则网络可看成是一个从r n 到r “的映射，即 有： f ：r ”o r ” y = f ( x ) x c r 4 ；y c r ” ( 2 1 9 ) 如果对于样本集合x 和输出集合y 可认为存在映射g ，使得y f g ( x i ) 。 i = l ，n 。现要求寻找出一映射f ，使得在某种意义之下，f 是g 的最佳逼近。在 数学中首先给出f 的一个含有参数的表达方法，然后求出其参数。这通常是选择 一组基函数，把f 表达成这组基函数的线性组合，这样就可以通过最d - - 乘法或 者其它方法，确定基函数前的系数，从而得到g 的一种逼近。对于低维或者较 简单的g 函数，这种方法还能够解决一些问题。但对于复杂映射，就面临着如 何选取基函数，以及如何求解系数等问题。因此这种映射表示方法有其局限性。 神经网络则是另一种映射表示方法，它是通过对简单的非线性函数进行有序的复 杂组合，来实现最终的复杂函数输出。并且具有这样的性质：任一连续函数或 映射均可用一个三层网络加以实现。 第三章控制方案的实现 3 1 控制方案 第三章控制方案的实现 由于湿热室的双循环系统的执行部件为电加热器、电热浅槽加湿器、制冷机、 风机等。试品( 多为机电设备) 质量和体积不定，因此本系统属多变量、非线性、 强耦合、复杂时变系统，不易建立准确的数学模型。 这种复杂、难控对象若采用p i d 控制，不仅参数整定工作量极大，而且难于 实现对每一条工作曲线( 特别是用户自行设定的曲线) 都能达到所规定的温湿度 控制指标。尤其是对于这种多变量、强耦合系统，经典的解耦控制方法更不能满 足要求。近年来模糊控制技术和神经网络控制技术的发展为解耦控制提供了新的 思路，它们可以不建立精确的数学模型就实现精确的控制，本文就在此基础上提 出了一种新的解耦控制方法模糊前馈解耦法，它把模糊控制和神经网络技术 很好的结合起来，采用b p 神经网络对温度和湿度进行解耦，同时用n 个模糊控 制器对解耦后的各单变量进行控制。在湿热室控制系统中，只有温度和湿度两个 主控变量，因此n 为2 ，下图为控制系统的简化模型。 一一一一一一一一一一一1i