【《磨煤机制粉控制系统的方案设计案例》2800字】

磨煤机制粉控制系统的方案设计案例目录TOC\o"1-3"\h\u31443磨煤机制粉控制系统的方案设计案例 1213341.1模糊-PID控制器的原理及设计 1124431.1.1模糊-PID控制器的原理 1293301.1.2模糊-PID控制器的设计 2135131.2采用Smith预估器对模糊-PID进行优化 9温度参数是工业生产中常用的被控对象之一。广泛应用于化工、冶金、电力、食品加工等行业。在医学检测装置中，经常需要模拟人体温度进行成分检测。温度随时间变化的速度和方向是不确定的，并且可能会发生很大的变化。经常要求系统的实际温度快速、精确地跟踪设定温度，以满足加工工序的要求。常规温度控制存在惯性温度误差，不能满足高精度和高速度的严格要求，因此使用模糊自适应PID控制方法在线实时地调整PID参数。传统的PID控制算法容易实现，调节时间快、精度高，但干扰防止能力不强，系统容易振荡；模糊PID不需要精确的数学模型，能够很好地处理时变、非线性、滞后等问题，具有良好的鲁棒性和快速的响应速度。磨煤机制粉系统是一个高阶、非线性、强耦合的控制对象。如果简单地应用传统的PID控制或模糊控制，控制效果达不到理想要求，大量的理论研究和工程应用充分证明了这一点。因此，本文使用模糊PID复合控制方法来控制制粉系统进行。1.1模糊-PID控制器的原理及设计1.1.1模糊-PID控制器的原理模糊-PID控制器就是给传统PID控制系统里引入模糊推理的思想,将对象的给定值和实际输出值的偏差e和偏差变化率ec作为模糊控制器的两个输入，经过模糊化、模糊推理和去模糊化后，输出ΔKp，ΔKi,ΔKd三个修正量，然后输入传统PID控制器中，使用修正量调整PID控制器中的初始系数Kp、Ki和Kd，可以改善控制对象的控制性能，模糊逻辑结构图如图3-1所示。图3-SEQ图3_-\*ARABIC1模糊逻辑结构图1.1.2模糊-PID控制器的设计1、模糊PID控制器设计步骤(1)分析控制对象的运行原理，选择模糊控制器的输入和输出及其实际论域、模糊论域和隶属度函数，计算运算因子;

(2)建立模糊控制规则，制定隐含和推理方法，选择反模糊化方法;

(3)在MATLAB的Simulink下搭建模糊控制器，进行仿真。2、模糊PID控制器的设计过程如图3-2所示,设计的模糊PID控制系统结构中模糊化方法采用的Mamdani控制器，解模糊方法采用重心法（Centroid）,模糊控制规则采用最大-最小合成（MAX-MIN）。图3-SEQ图3_-\*ARABIC2模糊PID控制系统原理图（1）输入量的确定与模糊化取温度偏差e与偏差变化率ec为输入，PID控制器的修正参数ΔKp，ΔKi,ΔKd是输出。e的实际论域为[-20,20]，ec的实际论域为[-0.4,0.4]，在e的论域上定义语言变量“偏差E”，在ec的论域上定义语言变量“偏差变化率EC”，对E和EC的模糊论域范围进行设置，设为{-6，-5，-4，-3，-2，-1,0,1,2,3,4,5,6}，设计的模糊控制器如图3-3所示：图3-SEQ图3_-\*ARABIC3两输入三输出的模糊控制器根据公式计算可得量化因子：（3-1）（3-2）将E和EC划分为7个模糊子集{正大(PB)、正中(PM)、正小(PS)、零(Z)、负小(NS)、负中(NM)、负大(NB)}。模糊控制器选择三角形型隶属函数。偏差E和偏差变化率EC的隶属度函数如图3-4和图3-5所示：图3-SEQ图3_-\*ARABIC4温度偏差E的隶属度函数图3-SEQ图3_-\*ARABIC5偏差变化率EC的隶属度函数（2）输出量的精确化输入经过模糊推理得到的结果需通过解模糊化才能输出,设计ΔKp、ΔKi、ΔKd的实际论域分别为[-1.5,1.5]、[-0.03,0.03]、[-12,12]，输出量的论域设为{一3,-2,-1，0,1,2,3}。可得比例因子：（3-3）（3-4）（3-5）和模糊控制器输入的定义一样，将输出量也划分为7个模糊子集：{正大(PB)、正中(PM)、正小(PS)、零(Z)、负小(NS)、负中(NM)、负大(NB)}。隶属度函数选择三角形型，ΔKp、ΔKi、ΔKd的输出隶属度函数如图3-6，图3-7，图3-8所示：图3-SEQ图3_-\*ARABIC6ΔKp隶属度函数图3-SEQ图3_-\*ARABIC7ΔKi隶属度函数图3-SEQ图3_-\*ARABIC8ΔKd隶属度函数（3）模糊规则的选择[7]①当偏差E较大时，需选择较大的ΔKp加快系统的响应速度；为了避免由于初始偏差在允许范围内的突然增加而引起的微分过饱和现象，选择较小的ΔKd，另外，为了避免积分饱和增大系统的超调，ΔKi的值应该很小，一般取Ki=0；②当偏差E和变化率EC大小适中时，为了减小系统响应的超调，但不能减慢系统的响应速度，ΔKp应该更小，ΔKi和ΔKd选择合适的中间值；③当变化率EC较小的情况下,为了提高系统的稳定性，需要增大ΔKp和ΔKi,考虑到系统的抗干扰能力，应适当选择ΔKd使得输出响应不在设定值附近振荡；当变化率EC较小时，ΔKd取较大值；当变化率EC较大时，ΔKd取一个较小的值，一般是中等大小。通过对工业过程的定性认识和实际操作获得的经验，利用模糊控制最大-最小合成推理法设计修正参数的模糊规则表，得到ΔKp、ΔKi和ΔKd三个参数整定的模糊控制规则表[8]，如表3-1所示。表3-SEQ表3_-\*ARABIC1ΔKp、ΔKi和ΔKd模糊规则表eecNBNMNSZPSPMPBNBPB/PS/NBPB/NS/NBPM/NB/NMPM/NB/NMPS/NB/NSZ/NM/ZZ/NS/ZNMPB/PS/NBPB/NS/NBPM/NB/NMPS/NM/NSPS/NM/NSZ/NS/ZNS/Z/ZNSPM/Z/NBPM/NS/NMPM/NM/NSPS/NM/NSZ/NS/ZNS/NS/PSNS/Z/PSZPM/Z/NMPM/NS/NMPS/NS/NSZ/NS/ZNS/NS/PSNM/NS/PMNM/Z/PMPSPS/Z/NMPS/Z/NSZ/Z/ZNS/Z/PSNS/Z/PSNM/Z/PMNM/Z/PBPMPS/PB/ZZ/NS/ZNS/PS/PSNM/PS/PSNM/PS/PMNM/PS/PBNM/PB/PBPBZ/PB/ZZ/PM/ZNM/PM/PSNM/PM/PMNM/PS/PMNB/PS/PBNB/PB/PB根据模糊语句：ifeis...andecis...,thenKpis...Kiis...Kdis...将模糊规则输入模糊控制器，输入的模糊规则如图3-9所示：图3-SEQ图3_-\*ARABIC9模糊规则输入模糊规则输入后获得的输出平面如图所示：图3-SEQ图3_-\*ARABIC10ΔKp的模糊平面图图3-SEQ图3_-\*ARABIC11ΔKi的模糊平面图图3-SEQ图3_-\*ARABIC12ΔKd的模糊平面图从模糊规则表中得到输出值再代入式子计算[8]:（3-6）（3-7）（3-8）其中:Kp’,Ki’和Kd’是通过设计传统PID控制器得到的初始参数，Kp,Ki和Kd是使用修正参数在线调整获得的新的PID参数。根据上述设计可知，模糊-PID控制系统能够通过修正参数ΔKp,ΔKi和ΔKd实时修正初始参数Kp’,Ki’和Kd’获得新的控制参数，并使用新的参数来更好的控制系统。建立模糊规则后，对其进行模糊推理，本文采用MAX-MIN推理方法推理。模糊关系如下：ifE=AandEC=B,thenU=C[9]。存在的关系为:（3-9）模糊-PID控制系统仿真模型模糊-PID控制系统是使用模糊控制器和PID控制器复合控制，需设计PID控制器得到模糊-PID控制系统的初始输入参数Kp’,Ki’和Kd’。PID控制器采用试凑法获得参数，设计过程如图3-13、图3-14：图3-SEQ图3_-\*ARABIC13PID控制器仿真模型图3-SEQ图3_-\*ARABIC14PID控制器输入为130/℃时的响应曲线根据设计可得PID控制系统参数即模糊-PID控制系统的初始控制参数为Kp’=0.3,Ki’=0.006和Kd’=0.8.模糊-PID控制系统仿真模型如图3-15所示：图3-SEQ图3_-\*ARABIC15模糊-PID控制系统仿真模型1.2采用Smith预估器对模糊-PID进行优化1、Smith预估器的原理在工业生产控制中，存在着许多具有大纯滞后特性的控制对象。被控对象的纯滞后时间τ使系统的稳定性降低，动态性能恶化，容易产生超调和连续振荡。史密斯预测控制是广泛应用于纯滞后对象补偿的控制方法。在实际应用中，PID控制器和补偿环节并行连接，被称为史密斯预估器。史密斯的预估补偿是向系统反馈回路中引入补偿装置，并将控制通道传递函数的纯延迟部分与其它部分分开。其特征是在给定的信号下预先估计系统的动态特性，然后通过预测器进行补偿，事先将滞后的调节量提前反映到调节器上，使调节器事先动作，达到减小超调量，加快调节过程的目的。如果预测模型是准确的，该方法可以获得较好的控制效果，从而消除纯滞后对系统的不利影响，使系统质量与无纯滞后的被控过程相同。设被控对象传递函数为：Gp（s）是G（s）中不含纯滞后特性的部分图3-SEQ图3_-\*ARABIC16未加Smith预估器的控制系统史密