实施一个新型自调模糊PID PLC控制器1

1、东北石油大学本科生毕业设计（外文文献翻译）一个基于PLC的新型自校正模糊PID控制器的实现摘 要在这项研究中，对于研究者之前已经开发的模糊PID控制器，基于PLC的自校正方法被实现用以控制一些形成于FEEDBACK PCS 327过程控制模拟器的标准流程。在这种校正方法中，我们使用了模糊推理机制来调整对应于衍生系数的输入比例因子和对应于模糊PID控制器积分系数的输出比例因子，这种机制带有一种名叫“标准化加速”的新输入法。将实施后产生的结果同没有调谐机制的传统模糊PID控制器的实施结果做对比。观察发现，调谐机制降低了振荡和稳定时间，并且在实时程序应用中提供更顺畅的系统响应。关键词:模糊PID控制

2、器；相对速度观测器；自动调谐机制；可编程逻辑控制器1.引言在该文中，提出了各种结构的模糊PID（包括PI和PD）控制器和模糊非PID控制器。模糊PI控制是被认为比模糊PD更实际，因为模糊PD很难去除稳态误差。然而，由于模糊PI控制的内部集成操作为高阶流程在瞬态响应时只能提供微小的性能。因此，在实践中模糊PID控制器更实用。要获得比例，积分，微分控制要在一起进行，它是直观和方便地使PI和PD结合在一起，形成一个模糊PID（FPID）控制器。构造一个FPID控制器的方式之一是通过求模糊PD控制器输出和其不可分割的组成部分的和13，例如在本研究中，只有规则库的模糊PID控制器，如图1所示。Fuzzy

3、Controllere E U + u +图1 双输入FPID结构与单规则库设计参数的FPID控制器可以总结成两组4:结构参数和优化参数。结构参数包括输入/输出(I / O)变量的模糊推理、模糊语言集、隶属函数、模糊规则、推理机制和去模糊化机制。调整参数包括I / O比例因子(SF)和参数的隶属度函数(MF)。结构参数通常决定了在离线设计时的调整参数，可以计算出在线调整控制器的性能以提高程序性能，同时适应系统不确定性和过程干扰，以达到最适合的性能。然而还存在着各种启发式和非启发式的调谐策略，它们可以适应模糊控制器中的比例因子5 - 7。关于相对比率，按照观察者的想法8中提出了一个简单的优化结构

4、的建议。在这种调整方法中，输入相应的衍生比例因子，输出调整FPID控制器对应的比例因子的积分系数，使之适用于在一个在线方式中模糊推理的机制。在推理机制存在两个输入,其中之一是传统的启动的“错误”，另一个是所谓的“标准化加速”，提供了系统响应的快与慢表明的相对比率。为了证明了新方法的有效性和功率,实现了在电脑327过程控制模拟器上自调谐，FPID在硅镁质s7 - 200 PLC控制一些标准过程中形成反馈。结果与传统的没有调谐机制的双输入FPID控制器作比较。2.双输入模糊PID控制器结构在这个研究中，要考虑到闭环控制结构，如图2所示。模糊PID控制器的输出给出了u = +dt （1）其中U是FL

5、C的输出FuzzyControllery e EG(s) U + u Derivate Estimator r + _ + 图二 双输入FPID控制器的闭合控制结构上式已被证明9，模糊控制器的产品总和推理方法，通过重力去模糊化方法的中心和三角均匀分布的隶属函数输入和离散输出来表示，FLC的输入和输出变量之间的关系由下式给出 （2）其中，E = Ke and _E = Ke.相同的结果将证明是有效的10。因此，从（1）和（2）控制器的输出中获得u=A+At+KPe+KDe+KP+KD （3）因此，模糊PID控制器的等效控制分量如下：比例增益：KP+KD积分增益：KP （4）微分作用增益：KD3.

6、相对速度观测器的双输入FPID基础自调谐控制器参数使用了相对速度观测器的适应双输入FPID控制器已经被提出8。该种方法如图3所示。这种方法调整比例因子，在一个在线方式中分别对应于衍生系数和积分系数的模糊PID控制器中使用模糊推理机制。模糊推理机制调整了相关系数，其中有两个输入，一个是指定为“系统错误”，另一个是一个新的变量命名为“规范化加速”。规范化加速对于相对率使信息系统加快或减慢。规范化加速R（k）定义为：reuU+KeFuzzy ControllerG(s)Error DerivativeEstimatorKdF(.)FuzzyParameterRegulatorKfFKfdeE图3 闭

7、环控制结构参数适应双输入FPID控制器通过相对速度观测器。r(k)= (5) 在这里，de（k）变量是错误的，它由下式给出的增量变化de(k) = e(k) e(k 1) (6)dde（k）被称为错误的加速度，它由下式给出dde(k) = de(k) de(k 1) (7)（5）中，选择如下的de(.)de（.）=de（k） if |de（k）|>=|de(k-1)| de(k-1) if |de (k) |< |de(k-1)| (8)在图3中,模糊参数调节器的输出被指定为。比例因子K乘以其预定值调整比例因子的调整，而除以预定值相同的系数Kds的因素，它由下式给出。K = KKK

8、 (9) = （10）可以看出，K为模糊参数调节器的输出的比例因子，FLC的附加参数为K为电子反映的衍生因子。如果K被选为个体，然而等价比例控制强度在Eq中给出（4）不发生变化。这种情况下，可能被命名为一个参数的调整，因为只有一个参数来进行调整。另一方面，当K和K都进行调整，然后就自然成为两个参数的调整的情况。规则确定 可以概括如下：（一）当系统响应缓慢时，双输入FPID控制器的衍生影响必须减少。（二）当误差小，系统反应速度快，双输入FPID控制器的衍生影响必须增加。4实施在实施方式中，模糊规则的数目被减少到4个，如表1中给出，而模糊控制器的规则库由25规则8中给出的模拟研究。表1模

9、糊控制器中使用的简单规则。 ee N PN N ZP Z N再次,在模拟研究8中给出的隶属函数，前期和顺向部分模糊规则是百分之五十重叠的三角形隶属函数。然而，在实施模式中，隶属函数用于后续部分的模糊规则表示为单例减少计算工作量。输入和输出隶属函数都是如图4所示。作为一个“操作符”“产品”是被用来在实现阶段使用加权平均法优先用去模糊机制重心法。这些偏好提供了一个非常简单的结构，将FPID控制器通过PLC编程可以只是为了显示效果的模糊自整定方法。图4 用于模糊控制器的隶属函数规则库的模糊参数调节已经由表2中给出，而使用元规则则在第3节中给出。输入的模糊规则库中的误差的绝对值|E|和“规范化加速”，

10、以及分配给输入变量的的/e/和输出变量的语言水平如下：L：大；M：中等; SM：中小型S：小。对于其他输入变量r以下的语言级别被分配：F：快，M：中度，S：慢。因为它是在成形主要模糊控制器中完成，对称三角形均匀分布隶属度函数通过指定输入和输出语言变量模糊参数调节器在仿真研究8中给出。另一方面，在这项研究中，单独隶属函数在实现时被分配为顺向部分模糊规则，从而减少计算工作量。表2规则-基准，用于模糊的参数稳压器 rv|e|SMFSMMLSMSMMLMSSMMLSSSM相对速度观察器的自我调整双输入FPID控制器已很容易实现。使用SIMATIC S7-200 CPU 214处理器和EM235模拟量I

11、 / O单元的反馈给327处理控制模拟器。一个PLC可以被定义为一个基于微处理器的控制装置，以达到与原补充继电器进行逻辑联系的目的。早期的PLC只能够执行逻辑运算。 PLC现在可执行更复杂的顺序控制算法的，达到了微处理器的性能。另一方面，他们现在可以承认模拟输入和输出。因此，今天的大多数专家一致认为，真正的未来的PLC不仅在于传统的离散过程控制，而且在苛刻的连续的区域，特别是批处理过程，这是一个连续的组合和离散过程。因此，今天一个典型的基于PLC的应用程序中，可以处理模拟数百数字输入和输出，同时执行相当复杂的控制程序12。最高阶流程通常可以建模为一阶加死区时间（FOPDT）或二阶加死区时间（S

12、OPDT）系统13，14。FOPTD和SOPDT系统具有形成在所述过程控制模拟器下列各传递函数：G（s）=e；G（s）=e （11）图5 在研究中使用的实验装置实验系统的总体图在图5中给出。参考值被选为5V为所有的实验。4.1实验一阶加死区时间系统（FOPDT）一个参数的调整情况：选取如下的双输入FPID控制器的比例因子：K= 0.9; K= 0.7; = 0.4; = 1为了确保系统的稳定性在能够保持控制工作的范围内，将参数设置为0 10。然后，在参数的相对速度观测器中搜索使用标准遗传算法搜索范围内的0 30。这个参数的最优值为K= 6.45。图6中给出了这一步反应和相关控制信号。在所有的数

13、据下面的虚线显示输入和输出的系统没有一个调谐机制能实现显示输入和输出系统的基于观测器的相对速度自我调谐机制。图6（a）本FOPDT系统的阶跃响应;（b）用于系统的控制信号两个参数的调整情况：当缩放因子的两个输入FPID控制器在这种情况下是保持不变的，基于模糊PID的相对速度观测器的参数进行重新搜索使用标准的遗传搜索范围内的 0 30算法。这些参数的最佳值，经检验为，K= 7.8 K = 0.25对于这种情况下，图7中给出了比例增益方程（4）表示的保持恒定阶跃响应和相关的控制信号。图7（a）本FOPDT系统的阶跃响应;（b）用于系统的控制信号4.2实验上的二阶加死区时间（SOPDT）系统一个参数

14、的调整情况：双输入FPID控制器的比例因子的选择如下：K= 0.4; K = 0.7; = 0.6; = 1图8（a）本步骤的反应的SOPDT系统;（b）为系统控制信号。当再次搜索使用基于FPID遗传搜索算法时，观察器的相对速度的标准参数在范围0 30内，该参数的最佳值是Kf = 8。在图8中给出了阶跃响应和相关的控制信号。两个参数的调整情况：FPID控制器两个输入的缩放因子在这种情况下是保持不变的，基于模糊PID的相对速度观测器的参数使用的是标准遗传算法，它的搜索范围为 0，30 。这些参数的最佳值为：K= 7.5; K= 1.4图9中给出的阶跃响应和相关的控制信号。图9（a）本步骤的反应的

15、SOPDT系统;（二）为系统控制信号。5.结论一个双输入FPID控制器已经通过PLC实现，它已经被用来控制第一和第二阶系统形成于过程模拟器上的死区时间。通过使用基于调谐方法的相对速度观测器，可以调整对应于衍生系数的输入比例因子和对应于积分系数的双输入FPID控制器输出比例因子。只调整一个参数，相对速度观测器方法提供了一个令人满意的反应。对于这种情况，比例增益在(4)中保持不变。当调整控制器的两个参数时，与只调整一个参数的情况相比，在稳定时间上可以获得更好的性能。然而，在这种情况下，比例增益不能保持不变。无论是系统参数中一个参数发生变化还是控制器参数不适当的设置，这些实现向我们证明了新的自校正系

16、统在系统性能方面有显著的增强。6.参考文献1 J.X. Xu, C.C. Hang, C. Liu, Parallel structure and tuning of a fuzzy PID controller," Automatica, Vol. 36, pp.673-684, 2000.2 S. Z. He, T. D. Shaoua, F. L. Xu, Fuzzy self-tuning of PID," Fuzzy Sets and Systems, Vol.56, pp. 37-46, 1993.3 E. Ye_sil, M. G¨uzelkaya,

17、 _I. Eksin, "Self-tuning Fuzzy PID-type Load-frequency controller," Electrical Conversionand Management, Vol. 45/3, pp. 377-390, 2004.4 B. Hu, G. K. I. Mann, R. G. Gosine, A new methodology for analytical and optimal design of fuzzy PIDcontrollers," IEEE Trans. Fuzzy Systems, Vol. 7(5

18、), pp. 521-539, 1999.5 C. H. Chou, H. Lu, A heuristic self-tuning fuzzy controller," Fuzzy Sets and Systems, Vol. 61, pp. 249-264,1994.6 C. H. Jung, C. S. Ham, K. I. Lee, A real-time self-tuning fuzzy controller through scaling factor adjustmentfor adjustment for the steam generator of NPP,&quo

19、t; Fuzzy Sets and Systems, Vol. 74, pp. 53-60, 1995.7 R. K. Mudi, N. R. Pal, A robust self-tuning scheme for PI- and PD-type fuzzy controllers," IEEE Trans. FuzzySystems, Vol. 7(1), pp. 2-16, 1999. Turk J Elec Engin, VOL.13, NO.2, 20058 M. G¨uzelkaya, _I. Eksin, E. Yesil, Self-tuning of PI

20、D-type fuzzy logic controller coe_cients via relative rateobserver," Engineering Applications of Arti_cial Intelligence, Vol. 16, pp. 227-236, 2003.9 W. Z. Qiao, M. Mizumoto, PID type fuzzy controller and parameters adaptive method," Fuzzy Sets andSystems, Vol. 78, pp. 23-35, 1996.10 T. T. Huang, H. Y. Chung, J. J. Lin, A fuzzy PID controller being like parameter varying PID," IEEEInternational Fuzzy Systems Conference Proceeding, Seoul, Korea, pp. 269-275, 1999.11 _I. Ek