基于粒子群算法的锅炉主蒸汽压力模糊PID控制
收稿日期：2012-08-10
作者简介：汪阳华（1985-），男，湖北黄石人，湖南工业大学硕士生，主要研究方向为复杂过程建模，集成优化控制。
E-mail ：wangyanghua.1215@https://www.wendangku.net/doc/3810940406.html,
doi:10.3969/j.issn.1673-9833.2012.05.000
基于粒子群算法的锅炉主蒸汽压力模糊PID 控制
汪阳华
（湖南工业大学 电气与信息工程学院，湖南 株洲 412007）
摘 要：采用模糊PID 智能控制算法，对锅炉主蒸汽压力进行控制，建立锅炉主蒸汽压力控制的MATLAB/Simulink 仿真模型，编写基于MATLAB 的粒子群程序优化模糊PID 比例因子和量化因子，并与模糊PID 和常规PID 控制算法进行比较。仿真结果表明：采用基于PSO 优化的锅炉主蒸汽压力控制与PID 控制、模糊PID 控制相比，具有较强的适应性、鲁棒性和抗干扰性。
关键词：模糊PID 控制；主蒸汽压力；粒子群；MATLAB
中图分类号：TP273+.4 文献标志码：A 文章编号：1673-9833(2012)05-00? ?-0?
Simulation of Fuzzy PID on Boiler Main Steam Pressure Based on PSO
Wang Yanghua
（School of Electrical and Information Engineering ，Hunan University of Technology ，Zhuzhou Hunan 412008，China ）
Abstract ：The simulation model of boiler main steam pressure control is created in Simulink of MATLAB, which is based on fuzzy PID intelligent control algorithm. The program of particle swarm optimization, which is based on the MATLAB ,optimizes ratio factors and quantitative factors of fuzzy PID controller. Compared to conventional PID control and fuzzy PID control, the simulation results show that the control algorithm has strong adaptability and robustness and anti-interference.
Keywords ：fuzzy PID control ；main steam pressure ；PSO ；MATLAB
0 引言
锅炉燃烧过程控制系统一般包括3个子控制系统，即燃料控制系统、送风控制系统和引风控制系统。燃料控制系统通过调节进入炉膛的燃料量，维持主蒸汽压力的稳定；送风控制系统通过调节进入炉膛的送风量，保持燃料燃烧所需要的空气量和燃烧过程的经济性；引风控制系统通过调节引风量，使送、引风量平衡，保持炉膛压力的稳定。通过调节燃料控制系统维持主蒸汽压力的稳定对整个锅炉系统的运行起着重要作用，因此，控制主蒸汽压力的稳定有很重要的意义。
常规PID 控制原理简单、稳定性好、可靠性高，因此长期以来广泛应用于工业过程控制。由
于常规PID 需要已知对象的精确数学模型，在实际工业生产中，大多数工业过程都不同程度地存在非线性参数时变性和模型不确定性，而模糊控制不需要建立过程的精确模型。本文针对常规PID 控制和模糊控制的各自特点，将模糊控制与PID 控制结合起来，采用模糊PID 控制策略对锅炉主蒸汽压力进行控制，通过粒子群算法优化模糊PID 比例因子和量化因子，从而达到更好的控制效果。理论分析和仿真结果表明，粒子群优化的模糊PID 控制具有良好的控制性能[1]。
1 模糊PID 控制的原理
1.1 模糊控制原理及框图
模糊控制器是基于专家知识的控制器，它主
要由3个部分组成：模糊化处理、模糊推理和解模糊。它将准确的输入量模糊化，以模糊规则来表达控制经验并形成规则库，通过模糊推理调用规则库中的经验知识，将输出量进行解模糊化处理，从而达到控制目的。
k p 为比例系数，k i 为积分系数，k d 为微分系数，设k p , k i , k d 的待整定值为p k ', i k ', d k '。用模糊规则进行模糊推理得到k p , k i , k d 的整定值p k ?, i k ?,
d k ?。利用PID 参数整定计算公式得到此时PID 控
制器的参数。
PID 参数k p , k i , k d 的计算公式如下：
p p p k k k '=+?， （1） i i i
k k k '=+?， （2） d d
d k k k '=+?， （3）
将公式（1）（2）（3）计算出的k p ，k i ，k d 代入下式：
p i d 0d ()
()()()d d t e t u t k e t k e t t k t =++? （4） 模糊控制框图[2]，如图1，其中e 表示误差,ec 是误差变化率，d/dt 表示微分d(e )/dt ，r (t )表示给定值，u (t )表示被控量。
图1 模糊PID 控制结构图 Fig. 1 The control structure of fuzzy PID
1.2 模糊PID 控制的工作流程
在模糊PID 过程中，计算机系统通过对模糊逻辑规则的结果进行处理、查表和运算，完成对PID 参数的整定[3]。其工作流程如图2，其中e (k )表示误差，y (k )表示输出，r 表示给定值。
图2 模糊PID 控制流程图 Fig. 2 Flow chart of fuzzy PID control
1.3 模糊PID 控制器的设计
模糊控制器采用二维控制器，控制器中的2个输入量：误差e 和误差变化率ec 的论域为[-6,6]，3个输出量：p k ?, i k ?, d k ?的论域为[-3,3]。误差e , ec 和p k ?, i k ?, d k ?的模糊子集均由7个语言变量值组成，即｛负大，负中，负小，零，正小，正中，正大｝，一般用英文缩写为｛NB, NM, NS, ZE, PS, PM, PB ｝。
误差e 和误差变化率ec 的量化因子k e 和k ec ，以及输出量p k ?, i k ?, d k ?的比例因子k 1, k 2, k 3，均根据实际情况在仿真器中选择合适的值。输入量e 和ec 的隶属度函数采用高斯函数，输出量p k ?, i k ?, d k ?的隶属度函数采用三角形函数。 输入量e 的隶属度函数如图3。输入量ec 的隶属度函数与输入量e 的隶属度函数相同。
E
D e g r e e o f m e m b e r s h i p
图3 输入量e 的隶属度函数
Fig. 3 Membership function of input variables e and ec
输出量p k ?的隶属度函数如图4。输出量i k ?,
d k ?的隶属度函数跟输出量p k ?相同。
Ki
D e g r e e o f m e m b e r s h i p
图4 输出量p k ?的隶属度函数
Fig. 4 Membership function of output variables p k ?
模糊控制的控制规则由实际工程经验总结而来，这些经验可用以下规则表示：
If e is NB and ec is NB ，then p k ? is PB ，i k ? is NB ，d k ? is PS ；
If e is NB and ec is NM ，then p k ? is PB ，i k ? is NB ，d k ? is NS ；
…… 这些规则共49条，如表1~3。 表1 p k ?的模糊规则
Table 1 Fuzzy control rules of p k ?
e ec NB NB NS ZE PS PM PB NB
PB
PB
PM
PM
PS
ZE
ZE
NS PM PM PM PM ZE NS NS ZE PM PM PS ZE NS NM NM PS PS PS ZE NS NS NM NM PM PS ZE NS NM NM NM NB PB
ZE
ZE
NM
NM
NM
NB
NB
i k ?Table 2 Fuzzy control rules of i k ?
e ec NB NB NS ZE PS PM PB NB NB NB NM NM NS ZE ZE NM NB NB NM NS NS ZE ZE NS NB NM NS NS ZE PS PS ZE NM NM NS ZE PS PM PM PS NM NS ZE PS PS PM PB PM ZE ZE PS PS PM PB PB PB
ZE
ZE
PS
PM
PM
PB
PB
表3 d k ?的控制规则
Table 3 Fuzzy control rules of d k ?
e ec NB NB NS ZE PS PM PB NM PS NS NB NB NB NM PS NS ZE NS NM NM NS NS ZE ZE ZE NS NS NS NS NS PB PS ZE ZE ZE ZE ZE ZE ZE PM PB NS PS PS PS PS PB PB
PB
PM
PM
PM
PS
PS
PB
2 基于粒子群的模糊PID 参数寻优
2.1 粒子群算法
粒子群优化算法（particle swarm optimiza-tion ，PSO ）源于对鸟类捕食的研究，是一种基于群体智能的优化算法，由Eberhart 和Kennedy 于1995年提出[4]。
粒子群算法的数学描述如下：在一个n 维的目标搜索空间中，将每个粒子看成空间内的一个点，设群体由m 个粒子构成。其中每个粒子坐标位置向量记为
()12,,,i i i in x x x =x ，i =1,2,…,m ； 速度向量记为
()12,,
,i i i in v v v =v ，i =1,2,…,m ；
粒子搜索到的个体最优值记为
()12,,,i i i in p p p =p ，i =1,2,…,m ； 整个粒子群搜索到的群体最优值记为
()g g1g2g ,,
,n p p p =p 。
位置迭代公式为
11k k k id id id
x x v ++=+，1,2,
,d n =；
（5）
式中k 表示迭代次数。 速度迭代公式为：
()()11122g k k k k
id id id id d id v v c r p x c r p x ω+=+-+-， d =1,2,…,n ； （6） 式中：ω表示惯性权重；
1r ,2r 为[0,1]之间的随机数；
1c ,2c 为学习因子，又称加速因子。
随着迭代次数的增加，减小ω的取值，有利于在粒子的搜索能力和收敛速度之间取得平衡。ω
值计算公式为
()()max max min max
k k k ωωωω=--， （7） 式中：max k 为最大迭代次数；
()k ω为第k 次迭代用的惯性权重；
max ω为初始权重； min ω为最终权重。
一般地，当惯性权重max 0.9ω=，min 0.4ω=时算法性能较好。
粒子最大速度为max v ，最小速度为min v 。粒子速度不能过大或者过小，太大会使粒子跳过最好解，太小会导致对搜索空间的不充分搜索，一般取粒子变化范围的0.1~0.2倍。位置的取值范围为
min max
x x 。
速度迭代公式（6）的第二项是“认知”部分，代表粒子对自身的学习能力；第三项是“社会”部分，代表种群中粒子间的相互协作。速度迭代公式（6）是根据粒子前一次迭代的速度、当前位置和自身最好的经验与种群最好经验之间的距离来更新速度。
粒子群优化算法的流程图，如图5。
图5 粒子群算法流程图
Fig. 5 Flow chart of particle swarm optimization algo-rithm
2.2 粒子群算法优化模糊PID 参数
在模糊控制系统中，除了模糊规制对控制性能有影响之外，模糊控制器中的量化因子和比例因子均会影响模糊PID 的控制效果。由于量化因子和比例因子的确定更多的是凭借人工经验，难以获得一组最佳参数，通过粒子群优化量化因子和比例因子可以获得良好的控制效果。
模糊PID 控制器的优化问题，需建立综合评价各项性能指标的目标函数，这里选择ITAE 指标[5]，即
()0=d J t e t t ∞
?。 （8）
粒子群优化模糊PID 流程如图6， 其中k 1, k 2, k 3为比例因子，k
, k 为量化因子。
图6 粒子群优化模糊PID 流程图
Fig. 6 Flow chart PSO optimizing fuzzy PID
3 锅炉主蒸汽压力动态模型及仿真
3.1 锅炉主蒸汽压力控制的动态模型
300 MW 单元机组火焰直吹式燃煤锅炉的主蒸汽压力的数学模型可表示为
m r 0.0033
(301)
P V S S =
+， （9）
式中：P m 表示主蒸汽压力；
V r 表示一次风挡板开度。
一次风是经过空气预热器预热的空气，它将磨制好的煤粉输入到燃烧器，送入炉膛。通过控制一次风挡板的开度可以控制进入炉膛的燃料量，送入的燃料量将会直接影响锅炉主蒸汽压力。 3.2 粒子群优化模糊PID 参数的仿真
整个优化过程由3部分组成，第一部分为用MATLAB 中m 文件编写的粒子群优化程序；第二
部分为连接粒子群优化程序和Simulink 仿真模型的程序；第三部分为Simulink 仿真模型图[6]。
第一部分
粒子群优化程序通过feval 函数调用仿真模型的函数句柄，将优化的5个参数传到PSO_PID 文件中，具体的函数调用程序如下： ObjFun = @PSO_PID %函数的句柄
fSwarm(j,:)=feval(ObjFun,Swarm(j,:))
第二部分 建立仿真模型和粒子群之间的关系的函数，即PSO_PID.m 文件函数：
function z=PSO_PID(x) assignin('base','k1',x(1)); assignin('base','k2',x(2)); assignin('base','k3',x(3)); assignin('base','ke',x(4)); assignin('base','kec',x(5));
[t,x,y_out]=sim('PID_Model',[0,200]); z=y_out(end,1);
这段程序主要是建立仿真模型和粒子群之间的关系。PSO_PID 文件通过assignin 函数将粒子群优化的参数赋值给Simulink 模型中的参数，然后通过sim 函数启动Simulink 仿真，最后将Simulink 仿真结果，即适应度函数的值，返回到粒子群程序中，一直这样循环运算直至满足迭代条件为止。
第三部分 Simulink 的仿真图，如图7。
图7 Simulink 仿真图
Fig. 7 The simulation model of Simulink
为了比较粒子群优化效果，将粒子群优化的模糊PID 、常规PID 、模糊PID 三者结合在一起进行比较。
本文采用30个粒子，50次迭代。粒子和待优化参数采用rand 函数随机产生，采用线性权值粒子群（LDIW-PSO ）算法。
3.3 仿真结果及其分析
量化因子k e , k ec ，比例因子k 1, k 2, k 3以及适应值曲线的仿真结果，如图8~10。
迭代次数
参数值
图8 k e , k ec 的优化曲线 Fig. 8 Optimization curve of k e and k ec
迭代次数
参数值
图9 k 1, k 2, k 3的优化曲线
Fig. 9 Optimization curve of k 1, k 2 and k 3
最优个体适应值
迭代次数
适应值
图10适应值曲线 Fig. 10 Adaptive value curve
粒子群优化得到的参数，参见图8~10：k e =799.12，k ec =699.78；k 1=572.95，k 2=344.91，k 3=691.45；适应度值J =20.54。
系统的阶跃响应仿真结果如图11。
图11 阶跃响应的仿真结果
Fig. 11 The results of step response simulation
由图11中仿真曲线可知，粒子群优化的模糊PID 相对于模糊PID 控制和常规PID 控制，超调
量较小，响应时间较短，进入平衡状态时间较短，稳态误差较小，控制品质较高。
4 结语
建立Simulink 模型，采用模糊PID 对锅炉主蒸汽压力的控制进行仿真，通过粒子群算法优化模糊PID 。仿真结果表明，基于粒子群优化的模糊PID 控制算法具有较强的适应性、鲁棒性，这对提高锅炉的效率有一定的参考意义。
参考文献：
[1] 刘志远，吕剑虹，陈来九．智能PID 控制器在电厂
热工过程控制中的应用前景[J]. 中国电机工程学报， 2002，22(8)：128-134．
Liu Zhiyuan, Lu Jianhong, Chen Laijiu. Prospects of Application of Intelligent PID Controller in Power Plant Thermal Process Control[J]. Proceedings of the CSEE ，2002，22 (8)：128-134.
[2] 李士勇. 模糊控制·神经控制和智能控制论[M]. 哈
尔滨：哈尔滨工业大学出版社，1996：259-280. Li Shiyong. Fuzzy Control ·Neural Control and Intel-ligent Control Theory[M]. Harbin ：Harbin Institute of Techno logy Press ，1996：259-290.
[3] 薛定宇. 控制系统计算机辅助设计：MATLAB 语言
与应用[M]. 北京：清华大学出版社，2006：379-383. Xue Dingyu. Computer Aided Control Systems Design: MATLAB Language and Application[M]. Beijing ：
Tsinghua University Press ，2006：379-383. [4] 胡志超，凌 云. 基于粒子群优化的多弧离子镀膜
温度控制模糊系统[J]. 湖南工业大学学报，2011，25(5)：74-79.
Hu Zhichao ，Ling Yun. The Multi-Arc Ion Plating Temperature Control Fuzzy System Based on the Par-ticle Swarm Optimization[J]. Journal of Hunan Uni-versity of Technology ，2011，25(5)：74-79. [5] 陶永华. 新型PID 控制及其应用[M]. 北京：机械工
业出版社，2002：117-119.
Tao Yonghua. New PID Control and Its Applications [M]. Beijing ：China Machine Press ，2002：117-119. [6] 刘金坤. 先进PID 控制及其MATLAB 仿真[M]. 北
京：电子工业出版社，2003：102-106.
Liu Jinkun. Advanced PID Control and MATLAB Si-mulation [M]. Beijing ：Electronic Industry Press ，2003：102-106.
（责任编辑：邓光辉）
作者：你好！
本文拟在2012年第5期上发表，已按我们的排版格式进行了加工。请将全文细心校对与修改，特别注意如下事项：
1．请不要改变排版格式。
2．文中拖红或拖黄部分是我修改或有疑问的，请仔细校对看是否有误。
5. 你自己要修改的也在此稿上进行。
6其它要求在文中已提出。
7. 你所有修改的地方必须用蓝色字体，以便校对，修改后尽快从系统上传返回。
模糊控制详细讲解实例
一、速度控制算法： 首先定义速度偏差-50 km/h ≤e （k ）≤50km/h ，-20≤ec （i ）= e （k ）- e （k-1）≤20，阀值e swith =10km/h 设计思想：油门控制采用增量式PID 控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。 选择规则： e （k ）<0 ① e （k ）>- e swith and throttlr_1≠0 选择油门控制 ② 否则：先将油门控制量置0，再选择刹车控制 0 一、速度控制算法： 欧阳歌谷（2021.02.01） 首先定义速度偏差-50 km/h≤e（k）≤50km/h，-20≤ec（i）=e（k）-e（k-1）≤20，阀值eswith=10km/h 设计思想：油门控制采用增量式PID控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。 选择规则： e（k）<0 ①e（k）>-eswith and throttlr_1≠0 选择油门控制 ②否则：先将油门控制量置0，再选择刹车控制 0 E/EC和U取相同的隶属度函数即： 说明：边界选择钟形隶属度函数，中间选用三角形隶属度函数，图像略 实际EC和E输入值若超出论域范围，则取相应的端点值。 3.模糊控制规则 由隶属度函数可以得到语言值隶属度（通过图像直接可以看出）如下表： 表1：E/EC和U语言值隶属度向量表 设置模糊规则库如下表： 表2：模糊规则表 3.模糊推理 由模糊规则表3可以知道输入E与EC和输出U的模糊关系，这里我取两个例子做模糊推理如下： if (E is NB) and (EC is NM) then (U is PB) 那么他的模糊关系子矩阵为： 模糊控制的应用 学院实验学院 专业电子信息工程 姓名 指导教师___________ 日期20门年9月20日 在自动控制中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型（如微分方程等） 的基础上，但是在实际工业生产中，很多系统的影响因素很多，十分复杂。建立精确的数学模型特别困难，甚至是不可能的。这种情况下，模糊控制的诞生就显得意头重大，模糊控制不用建立数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题，这两者的结合，可在实际工程中广泛应用。 所谓模糊控制，其定义是是以模糊数学作为理论基础，以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的一种控制。模糊控制具有以下突出特点： ⑴模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点 是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用 ⑵由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控 制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 ⑶基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同， 容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 ⑷模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人 工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 ⑸模糊控制系统的鲁棒性強，干扰和参数变化对控制效果的影响被大大减 弱，尤其适合于非线性、时变及纯滞后系统的控制。 由于有着诸多优点，模糊理论在控制领域得到了广泛应用。下面我们就以下示例介绍模糊控制在实际中的应用： 电机调速控制系统见图1,模糊控制器的输入变量为实际转速与转速给定值之间的差值e及其变化率仝，输出变量为电机的电压变化量u。图2为电机调试输出结果，其横坐标为时间轴，纵坐标为转速。当设定转速为2 OOOr / s时，电机能很快稳定运行于2 OOOr / s;当设定转速下降到1 OOOr / s时，转速又很快下降到1 OOOr / s稳定运 行。 选取一个模糊控制的实例讲解，有文章，有仿真，有详细的推导过程。 一．实验题目：基于模糊控制系统的单级倒立摆 二．实验目的与要求： 倒立摆是联结在小车上的杆，通过小车的运动能保持竖立不倒的一种装置，它是一个典型的非线性、快速、多变量和自然不稳定系统，但是我们可以通过对它施加一定的控制使其稳定。对它的研究在理论上和方法上都有其重要意义。倒立摆的研究不仅要追求增加摆的级数，而且更重要的是如何发展现有的控制方法。同时, 它和火箭的姿态控制以及步行机器 人的稳定控制有很多相似之处，由此研究产生的理论和方法对一般工业过程也有广泛用途。 本文研究了倒立摆的控制机理，用Lagrange 方法推导了一级倒立摆的数学模型，这为研究多级和其它类型的倒立摆甚至更高层次的控制策略奠定了一个良好的基础。对系统进行了稳定性、可控性分析，得出倒立摆系统是一个开环不稳定但可控的系统的结论。 本文主要研究用极点配置、最优控制和模糊控制方法对倒立摆进行稳定控制。最优控制方法是基于状态反馈，但能实现输出指标最优的一种控制方法，方法和参数调节较简单，有着广泛的应用。模糊控制有不依赖于数学模型、适用于非线性系统等优点，所以本文尝试了用模糊控制对倒立摆进行控制，以将先进的控制方法用于实际中。 同时，对倒立摆系统的研究也将遵循从建模到仿真到实控，软硬件结合的系统的控制流程。在这过程中，借助数学工具Matlab7及仿真软件Simulink，作了大量的仿真研究工作，仿真结果表明系统能跟踪输入，并具有较好的抗干扰性。最后对实验室的倒立摆装置进行了软、硬件的调试，获得了较好的控制效果。 三．实验步骤： 1.一级倒立摆系统模型的建立 在忽略了空气阻力、各种摩擦之后（这也是为了保证Lagrange 方程的建立），可 将一级倒立摆系统抽象为由小车和匀质杆组成的系统，本系统设定如下： 小车质量M；摆杆质量m，长为l；小车在x 轴上移动；摆与竖直方向夹角为θ，规定正方向如图所示；加在小车x 轴上的力为F； 模糊控制的应用实例 与分析 模糊控制的应用 学院实验学院 专业电子信息工程 姓名 指导教师 日期 2011 年 9 月 20 日 在自动控制中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型(如微分方程等)的基础上，但是在实际工业生产中，很多系统的影响因素很多，十分复杂。建立精确的数学模型特别困难，甚至是不可能的。这种情况下，模糊控制的诞生就显得意义重大，模糊控制不用建立数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题，这两者的结合，可在实际工程中广泛应用。 所谓模糊控制，其定义是是以模糊数学作为理论基础，以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的一种控制。模糊控制具有以下突出特点： (1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是 现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用 (2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制 对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 本科生毕业论文(设计) 调研报告 题目：基于模糊控制算法的 温度控制系统的设计学生姓名： 学号： 专业班级： 指导教师： 完成时间：年月日 基于模糊控制算法的温度控制系统的设计 一、主要目标任务： 综合运用所学知识，如《模拟电子技术》、《数字电子技术》、《自动控制原理》、《微机原理》、《单片机原理与应用》，设计一个基于模糊控制算法的温度控制系统。 1）对以前所学知识进行系统的复习，全面的综合并将其联贯。 2）学会了独立的分析和解决问题和进行相关社会调查的能力 3）学会了查阅文献的方法和培养查阅文献的良好习惯。 4）提高专业相关外文的阅读、翻译能力。提高专业英语水平。 5）提高编写程序的水平，优化软件结构。提高电脑绘图水平。 二、技术性能指标： 1）温度控制在0~100度（水温），误差为±0.5。C。 2）恒温控制。 3）LED实时显示系统温度。并通过键盘输入给定温度 三、简要工作原理 以AT89C51单片机为模糊控制器，结合温度传感变送器，A/D转换器、LED显示器、静态电子开关等，设计出一个基于模糊控制算法的温度控制系统。 在系统中，温度传感变送器获得温度的感应电压，转变成1~5V的标准电压信号，再由A/D转换器转换成数字信号进入单片机内部。单片机将给定电压的A/D转换结果与测量电压的结果相比较，得出偏差量。然后跟据模糊控制算法得出控制量。在执行器中由开关频率较高的静态电子开关完成，采用模拟的PWM控制方法，改变同一个周期中电子开关的闭合时间。 从而调节加热开关的导通时间，以达到控制效果的目的。 四、课题文献综述 1、《动力锅炉燃烧系统的模糊控制策略》 1）作者：刘向杰、柴天佑、刘红波 2）摘要：基于模糊控制策略给出了锅炉系统新的控制方法。工业锅炉的主要动态包括非线性、非最小相位特征、不稳定性、时滞和负荷干扰，采 用传统控制方法难以实施有效的控制。运用GPE（Gausian partition with evenly spaced midpoints）模糊控制系统对锅炉对象的主汽压进行研究和 实时控制，模糊控制器能够克服许多干扰因素，产生良好的控制效果， 最后给出了模糊控制同传统方法的比较结果。 3）模糊控制器的应用 本文的线性推理规则表示：IF error is Ej and rate is Rj THEN output is U(i+j)。Ei代表着一个误差模糊，Rj代表一个误差变化率模糊集，U(i+j)代表着一个输出量模糊集。 4）实施结果 上述控制策略用于现场实际对象，尽管现场运行存在很大的干扰，主 一、速度控制算法： 欧阳学文 首先定义速度偏差50 km/h≤e（k）≤50km/h，20≤ec（i）=e（k）e（k1）≤20，阀值eswith=10km/h 设计思想：油门控制采用增量式PID控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。 选择规则： e（k）<0 ①e（k）>eswith and throttlr_1≠0 选择油门控制 ②否则：先将油门控制量置0，再选择刹车控制 0 E、ec和u均取离散度n=3，离散化后得到三个量的语言值论域分别为： E=EC=U={3,2,1,0,1,2,3} 其对应语言值为{NB,NM,NS,ZO,PS,PM,PB} 2.确定隶属度函数 E/EC和U取相同的隶属度函数即： 说明：边界选择钟形隶属度函数，中间选用三角形隶属度函数，图像略 实际EC和E输入值若超出论域范围，则取相应的端点值。 3.模糊控制规则 由隶属度函数可以得到语言值隶属度（通过图像直接可以看出）如下表： 表1：E/EC和U语言值隶属度向量表 设置模糊规则库如下表： 表2：模糊规则表 U E EC —NB NM NS ZO PS PM PB NB PB PB PM PM PS ZO ZO NM PB PM PM PS ZO ZO NS NS PM PM PS PS ZO NS NS ZO PM PS PS ZO ZO NS NM PS PS PS ZO ZO ZO NS NM PM PS ZO ZO ZO NS NM NB PB ZO ZO ZO NS* NM NM NB 3.模糊推理 由模糊规则表3可以知道输入E与EC和输出U的模糊关系，这里我取两个例子做模糊推理如下： if (E is NB) and (EC is NM) then (U is PB) 那么他的模糊关系子矩阵为： 其中，,即表1中NB对应行向量，同理可以得到， , if (E is NVB or NB) and (EC is NVB) then (U is PVB) 结果略 按此法可得到27个关系子矩阵，对所有子矩阵取并集得到模糊关系矩阵如下： 由R可以得到模拟量输出为： 4.去模糊化 《智能控制》 课程设计报告 专业：自动化 班级：学号： 学生： 时间：13年12月30日～13年1月3日 ―――――――以下指导教师填写―――――分项成绩：出勤设计报告 总成绩： 指导教师： 设计报告要求和成绩评定 1 报告容 设计任务书（设计计划），正文，参考资料。 设计任务书（设计计划）由学生所在系安排指导教师编写，容包括设计地点、时间、安排和设计容和要求等。 正文容一般包括：（1）设计简述（设计时间、设计地点，设计方式等）；（2）设计容叙述；（3）设计成品(图纸、表格或计算结果等)；（4）设计小结和建议。 参考资料包括参考书和现场技术资料等。 2 书写用纸 A4复印纸；封面、设计任务书要求双面打印。 3 书写要求 正文容手工双面或单面书写，字迹清楚，每页20行左右，每行30字左右，排列整齐；页码居中写在页面下方；纸面上下左右4侧边距均为2厘米。 公式单占一行居中书写；插图要有图号和图题，图号和图题书写在插图下方；表格要有表号和表题，表号和表题在表格上方书写；物理量单位和符号、参考文献引用和书写以及图纸绘制要符合有关标准规定；有关细节可参考我院《毕业设计成品规》。 4 装订 装订顺序：封面，设计任务书，正文及参考资料，封底；左边为装订边，三钉装订，中间钉反向装订。 5 成绩评定 设计成绩一般由出勤（10分）、报告书写规性及成品质量（50分）、考核（40分）三 部分成绩合成后折合为优秀（90－100分）、良好（80－89分）、中（70－79分）、及格（60－69分）或不及格（60分以下）。设计考核可采取笔试、机试或其它合适的方式；不参加考核或不交报告者成绩为零分。 模糊控制算法研究 一、课程设计的目的： 1. 通过本次课程设计，进一步了解模糊控制的基本原理、模糊模型的建立和模 糊控制器的设计过程。 2. 提高学生有关控制系统的程序设计能力； 3. 熟悉Matlab语言以及在智能控制设计中的应用。 二、课程设计的基本容：模糊控制详细讲解实例之欧阳歌谷创作
模糊控制的应用实例与分析
选取一个模糊控制的实例讲解
模糊控制的应用实例与分析资料讲解
基于模糊控制算法的温度控制系统的设计(DOC)
模糊控制详细讲解实例
模糊控制算法研究