房间温度控制系统与Simulink仿真.doc
《房间温度控制系统与Simulink仿真.doc》由会员分享，可在线阅读，更多相关《房间温度控制系统与Simulink仿真.doc（26页珍藏版）》请在冰豆网上搜索。
II
新疆大学毕业论文（设计）
摘要
随着科学技术的不断进步,温度控制系统中常用的是控制参数,而利用MATLAB控制这些参数已成为当今主流。
在PID控制器的设计中,随着计算机技术的飞速发展,参数整定是最重要的,PID的设置大多是基于一些先进的软件。
MATLAB仿真软件广泛应用于本设计中的继电反馈法、在线综合法和系统辨识法来研究PID控制器的设计方法,并使PID控制器的温度控制系统,并在MATLAB中使用虚拟示波器,在系统完善之前,观察阶跃信号的输出波形,得到干扰信号响应曲线的抗干扰性,经过对比得出了,在有了干扰信号时,该系统可以很好地控制系统的干扰信号,将干扰信号引入系统中是十分必要和可行的。
关键词:
PID控制；温度控制系统；MATLAB
I
ABSTRACT
Withthecontinuousprogressofscienceandtechnology,controlparameteriscommonlyusedinthetemperaturecontrolsystem.AndusingtheMATLABtocontrolthoseparametershasbecomethemainstream.InthedesignofPIDcontroller,withtherapiddevelopmentofcomputertechnologyparametertuningisthemostimportantthing.ThePIDSettingsaremostlybasedonsomeadvancedsoftware.MATLABsimulationsoftwareiswidelyappliedtotherelayfeedbackmethod,OnlinevarietylegalandsystemidentificationinthisdesigntostudythedesignmethodofPIDcontroller.AndusingthePIDcontroller'stemperaturetocontrolsystem,useavirtualoscilloscopeinMATLAB.Beforethesystemisperfected,observingtheoutputwaveformofthestepsignalandobtainingtheinterferenceofthesignalresponsecurve.Bycontrast,whenthereisaninterferencesignal,thesystemcancontrolthesystem'sinterferencesignalverywell.Itisnecessaryandfeasibletointroduceinterferencesignalsintothesystem.
Keywords:
PIDparametertuning;controller;MATLAB
II
新疆大学毕业论文（设计）
目录
1绪论 1
1.1选题的目的、意义 1
1.2对本课题涉及问题的研究现状 1
1.2.1经典控制 1
1.2.2智能控制 2
1.2.3结论 3
1.3主要解决的问题 3
1.4MATLAB简介 3
2数学模型的建立 4
2.1什么是数学模型 4
2.2模型的建立要求 5
2.3模型的种类 5
2.4数学模型的基本原则 6
2.5建立数学模型的方法步骤 6
2.6房间数字模型的建立 8
2.6.1单一外墙、内墙、楼板、楼地的热平衡方程......................................................9
2.6.2窗户的热平衡方程 9
2.6.3房间空气的热平衡方程 10
3Simulink的仿真研究 11
3.1Matlab/Simulink环境下建立房间的动态仿真模型........................................................11
3.2房间Simulink仿真模型的结构........................................................................................11
3.3房间模型的动态特性仿真 14
3.4温度控制与PID算法........................................................................................................15
参考文献 21
总结 22
致谢 23
III
1绪论
温度是生产过程和科学实验中非常重要的物理参数。
在工业生产过程中,为了有效地进行生产,对生产过程中的主要参数,采取精细控制,如温度、压力、流量、速度,温度控制在生产过程中占有很大比例。
准确测量和有效控制温度是高质量、高产量、低消耗,安全生产的重要条件。
1.1选题的目的、意义
房间的温度改变由于干扰成分多、相关数据的多样性,很难建立精确的数学模型。
在本文中,房间温度的仿真模型,按照现实经验及数学依据,通过MATLAB进行计算机仿真尝试,设计了一种房间温度控制器。
为进一步验证该控制器的工作成果,按照变频空调制冷和房间温度变化的特点,建立了房间温度的变化通过变频空调和传递函数的变频空调制冷控制仿真模型。
MATLAB是一套科学的数值计算、符号运算和图形处理能力的计算语言集成,计算机仿真工具Simulink丰富的案例是MATLAB的一个额外的组件,可以用来提供一个系统级建模与仿真平台。
对系统模型进行仿真,将空气传导延时与给定值进行比较,正确判断并调整仿真室温度变化。
1.2对本课题涉及问题的研究现状
为了实现对房间的温度控制,发现了传统的控制方法在时滞系统控制中的应用和近年来受到广泛关注的智能控制方法的应用。
同时,这两种方法的结合是非常重要的控制方法由于具有二者的优点，因此也逐渐受到广泛的应用。
1.2.1经典控制
所谓的经典控制方法,提出了时滞系统的控制问题,并应用到最早的控制策略中,包括PID控制、史米斯预测控制、大林算法。
PID控制器具有算法简单、鲁棒性好、可靠性高等优点。
在实际控制系统的设计中得到了广泛的应用。
PID控制的难点在于如何调整控制参数以获得最佳控制效果[1]。
然而,PID的延迟过程中的应用是有限的,因为PID算法可以得到理想的效果,只有当系统模型参数是不随时间变化的时候。
当PID控制器的整定参数被施加到系统随时间变化的参数的模型,该系统的性能会很差或甚至不稳定[2]。
特别是时间延迟,即额定时滞的系统,普通的PID控制经常没有办法。
可是,若是把它和另外的方式结合起来改良时滞过程的控制成效,然后继续发挥PID控制的优势。
许多科学家提出了不同的模糊PID控制算法,创造了各种模糊PID控制器,如确定性模糊PID控制器的时间没有关系,并自动适应模糊PID控制器,从而使控制效果有了较大的改进。
PID控制可以结合模糊控制和神经网络,即基于神经网络的模糊自适应PID控制式。
Smith预估器是获得普遍运用的时滞系统控制方式,该方式是个时滞预估补偿算法。
它经过预计目标的活动特点,采用单一预测模型进行补偿,得到无时滞反馈控制器,因而全部系统的控制就如无时滞环节,减少过冲,提高系统稳定性,加快调整过程,提高系统速度[3]。
科学上Smith预估器能够全部使得时滞的后果消除,可是在现实运用中却令人不太满意,最重要的因素是:
Smith预估器必须确保知道被控制的目标的准确的数学模型,当预估模型和现实目标有不一样的时候,控制质量就会变得非常坏,因此改变了Smith预估器在现实运用中的控制效果[4]。
所以在Smith预估器的缺陷上,很多科学家发展或改进的方法包括:
多变量Smith预测控制,非线性系统的史米斯预测,改进的史米斯预估器,自适应史米斯预估控制器。
大林算法是由1968美国一家计算机研究公司的科学家开发的,用于工业过程控制的纯滞后特点而发现的一种控制算法。
该控制的目的是制造一个差不多的数字调节器D（z）,所有系统的闭环传递函数等价于纯滞后的一阶惯性环节,闭环系统的纯滞后时间等于被控对象的纯滞后时间。
大林算法相对简单方便,只需要能制造出合适的并且能够物理完成的数字调节器D（z）,便可以成功的消除纯滞后的不好的因素,所以在生产制造中获得了普遍运用。
但它的缺陷是设计中有振铃过程,与史米斯算法类似,需要采用正确的数字模型,当模型误差较大时,控制质量会大大降低,导致系统变得极其不稳。
1.2.2智能控制
智能控制是一种不需要人的干涉就可以独立地驱使智能机械完成其目的的自动控制,它包括模糊控制,神经网络控制,遗传算法等[5]。
模糊控制是智能控制较早的模式,它汲取了人思维模糊不定的特性,从普遍意义上说,模糊逻辑控制指的是运用模糊集合理论,综合考虑新的控制方法,模糊控制和不精确的数学模型是不确定系统控制的一种有效途径。
模糊控制是一种基于专家规则的控制方法。
在延时过程中,模糊控制是根据误差和误差变化率为输入,模糊量的精确值,根据输入变量和模糊规则与模糊推理合成规则的控制量的计算依据,然后将它清晰,准确的输出控制过程中,模糊规则是最重要的。
但是,模糊控制有一些缺点,如精度低和复杂的算法[6]。
因此,如果能结合其他算法来提高控制精度,将是非常有效的,如模糊史米斯控制器,模糊自适应控制器,模糊PID控制算法等。
神经网络控制是学习和运用一些人脑结构和人类知识和经验的系统控制。
一般认为,神经网络控制系统的智能鲁棒控制问题是好的,可以处理高维,非线性,强耦合和不确定性的复杂的工业生产工程,其显著特点是学习能力强。
神经网络的主要优点是它能完全逼近任意复杂的非线性系统,具有很强的鲁棒性和容错能力。
一般来说,神经网络控制的方法有两种,一种是用来实现建模的,另一种是直接用作控制器的。
与模糊控制一样，神经网络也存在算法复杂的缺点，同时神经网络学习和训练比较费时，对训练集的要求也很高。
1.2.3结论
传统的控制方法具有结构简单、可靠性高、实用性强等优点,在实际生产过程中得到了广泛的应用。
但它们都是基于参数模型的控制方法,具有自适应性和鲁棒性,模型精度高,抗干扰能力差等特点。
智能控制是一种非参数模型的控制方法,具有较强的鲁棒性和抗干扰能力。
但智能控制有其缺点,即理论过于强大,该算法过于复杂,大多数方法仅限于理论和仿真研究,不能用于测试设备和工业生产。
根据两种控制方法的特点,结合复合控制,时滞控制是一种有效的策略,模糊PID控制和模糊控制的成功应用,神经元史米斯预测控制,Smith神经网络控制等。
这些方法不仅可以采用经典的控制方法,而且具有结构简单、可靠性和实用性强等优点,并能显示智能自适应控制、鲁棒性好,抗干扰能力强,弥补自己的不足,具有大时滞控制系统很好的应用前景。
1.3主要解决的问题
在本次设计中,主要是研究了室温控制系统的控制算法。
采用PID控制算法,通过MATLAB仿真得到控制效果,然后分别与预期目标进行比较,检验各种算法能否满足要求,同时也对各种算法进行比较,选择较好的控制策略。
根据PID控制算法,研究了不同数学模型对系统性能的影响;对于模糊控制算法重点介绍了模糊控制器的设计和模糊子集的选取,模糊规则和模糊推理的建立;模糊PID控制算法和模糊控制器以误差e和误差变化率EC作为输入控制模糊控制是确定PID和E之间的关系,和三个参数和EC,e和ec,通过E和EC的连续检测操作,根据模糊控制在线修改的实现原理,从而满足控制的要求。
1.4MATLAB简介
MATLAB软件包是一个功能强大,效率高,易于做科学计算和过程计算的交互式软件包。
包括:
通用数据分析、矩阵运算、数字信号处理、系统控制和应用建模优化,并应用基于集成环境的使用简单的图形,在这种环境下,MATLAB语言及其数学表达式的问题是相同的,不需要按照传统的方法,可以有效地规划计算和创意,是提供与其它高级语言的接口是一个重要的工具,为科学研究和工程中的应用提供了良好的环境。
目前,它已被广泛应用于控制,图像信号处理和生物医学工程领域。
PID参数整定设计是在MATLAB中使用的Simulink,这是一个功能强大的软件包,它是一个数学模型,只适用于液压系统仿真,通过Simulink仿真系统设计,可以预测设计效果的有效性,不涉及参考[7]。
仿真结果是可用的,取决于数学模型正确与否,因此有必要关注数学模型的极值。
2数学模型的建立
数学模型是运用数理逻辑方法和数学语言建构的科学或工程模型。
数学模型的历史可以追溯到人类开始使用数字的时代。
随着人类使用数字，就不断地建立各种数学模型，以解决各种各样的实际问题。
对于广大的科学技术工作者对大学生的综合素质测评,对教师的工作业绩的评定以及诸如访友，采购等日常活动，都可以建立一个数学模型，确立一个最佳方案。
建立数学模型是沟通摆在面前的实际问题与数学工具之间联系的一座必不可少的桥梁。
2.1什么是数学模型
数学模型是针对参照某种事物系统的特征或数量依存关系，采用数学语言，概括地或近似地表述出的一种数学结构，这种数学结构是借助于数学符号刻划出来的某种系统的纯关系结构。
从广义理解，数学模型包括数学中的各种概念，各种公式和各种理论。
因为它们都是由现实世界的原型抽象出来的，从这意义上讲，整个数学也可以说是一门关于数学模型的科学。
从狭义理解，数学模型只指那些反映了特定问题或特定的具体事物系统的数学关系结构，这个意义上也可理解为联系一个系统中各变量间内的关系的数学表达。
数学模型所表达的内容可以是定量的，也可以是定性的，但必须以定量的方式体现出来。
因此，数学模型法的操作方式偏向于定量形式。
图2-1数学模型图样
2.2模型的建立要求
1.真实完整
1）真实的、系统的、完整的,形象的反映客观现象；
2）必须具有代表性；
3）具有外推性，即能得到原型客体的信息，在模型的研究实验时，能得到关于原型客体的原因；
4）必须反映完成基本任务所达到的各种业绩，而且要与实际情况相符合。
2.简明实用
在建模过程中，要把本质的东西及其关系反映进去，把非本质的、对反映客观真实程度影响不大的东西去掉，使模型在保证一定精确度的条件下，尽可能的简单和可操作，数据易于采集。
3.适应变化
随着有关条件的变化和人们认识的发展，通过相关变量及参数的调整，能很好的适应新情况。
2.3模型的种类
用字母、数字和其他数学符号构成的等式或不等式，或用图表、图像、框图、数理逻辑等来描述系统的特征及其内部联系或与外界联系的模型。
它是真实系统的一种抽象。
数学模型是研究和掌握系统运动规律的有力工具，它是分析、设计、预报或预测、控制实际系统的基础。
数学模型的种类很多，而且有多种不同的分类方法。
1.静态和动态模型
静态模型是指要描述的系统各量之间的关系是不随时间的变化而变化的，一般都用代数方程来表达。
动态模型是指描述系统各量之间随时间变化而变化的规律的数学表达式，一般用微分方程或差分方程来表示。
经典控制理论中常用的系统的传递函数也是动态模型，因为它是从描述系统的微分方程变换而来的（见拉普拉斯变换）。
2.分布参数和集中参数模型
分布参数模型是用各类偏微分方程描述系统的动态特性，而集中参数模型是用线性或非线性常微分方程来描述系统的动态特性。
在许多情况下，分布参数模型借助于空间离散化的方法，可简化为复杂程度较低的集中参数模型。
3.连续时间和离散时间模型
模型中的时间变量是在一定区间内变化的模型称为连续时间模型，上述各类用微分方程描述的模型都是连续时间模型。
在处理集中参数模型时，也可以将时间变量离散化，所获得的模型称为离散时间模型。
离散时间模型是用差分方程描述的。
4.随机性和确定性模型
随机性模型中变量之间关系是以统计值或概率分布的形式给出的，而在确定性模型中变量间的关系是确定的。
5.参数与非参数模型
用代数方程、微分方程、微分方程组以及传递函数等描述的模型都是参数模型。
建立参数模型就在于确定已知模型结构中的各个参数。
通过理论分析总是得出参数模型。
非参数模型是直接或间接地从实际系统的实验分析中得到的响应，例如通过实验记录到的系统脉冲响应或阶跃响应就是非参数模型。
运用各种系统辨识的方法，可由非参数模型得到参数模型。
如果实验前可以决定系统的结构，则通过实验辨识可以直接得到参数模型。
6.线性和非线性模型
线性模型中各量之间的关系是线性的，可以应用叠加原理，即几个不同的输入量同时作用于系统的响应，等于几个输入量单独作用的响应之和。
线性模型简单，应用广泛。
非线性模型中各量之间的关系不是线性的，不满足叠加原理。
在允许的情况下，非线性模型往往可以线性化为线性模型，方法是把非线性模型在工作点邻域内展成泰勒级数，保留一阶项，略去高阶项，就可得到近似的线性模型。
2.4数学模型的基本原则
1、简化原则
现实世界的原型都是具有多因素、多变量、多层次的比较复杂的系统，对原型进行一定的简化即抓住主要矛盾，数学模型应比原型简化，数学模型自身也应是“最简单”的。
2、可推导原则
由数学模型的研究可以推导出一些确定的结果，如果建立的数学模型在数学上是不可推导的，得不到确定的可以应用于原型的结果，这个数学模型就是无意义的。
3、反映性原则
数学模型实际上是人对现实世界的一种反映形式，因此数学模型和现实世界的原型就应有一定的“相似性”，抓住与原型相似的数学表达式或数学理论就是建立数学模型的关键性技巧。
2.5建立数学模型的方法步骤
1.模型准备
首先要了解问题的实际背景，明确建模目的，搜集必需的各种信息，尽量弄清对象的特征。
图2-2建模步骤示意图
2.模型假设
根据对象的特征和建模目的，对问题进行必要的、合理的简化，用精确的语言作出假设，是建模至关重要的一步。
如果对问题的所有因素一概考虑，无疑是一种有勇气但方法欠佳的行为，所以高超的建模者能充分发挥想象力、洞察力和判断力，善于辨别主次，而且为了使处理方法简单，应尽量使问题线性化、均匀化。
3.模型构成
根据所作的假设分析对象的因果关系，利用对象的内在规律和适当的数学工具，构造各个量间的等式关系或其它数学结构。
这时，我们便会进入一个广阔的应用数学天地，这里在高数、概率老人的膝下，有许多可爱的孩子们，他们是图论、排队论、线性规划、对策论等许多许多，真是泱泱大国，别有洞天。
不过我们应当牢记，建立数学模型是为了让更多的人明了并能加以应用，因此工具愈简单愈有价值。
4.模型求解
可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法，特别是计算机技术。
一道实际问题的解决往往需要纷繁的计算，许多时候还得将系统运行情况用计算机模拟出来，因此编程和熟悉数学软件包能力便举足轻重。
5.模型分析
对模型解答进行数学上的分析。
”横看成岭侧成峰，远近高低各不同"。
能否对模型结果作出细致精当的分析，决定了你的模型能否达到更高的档次。
还要记住，不论那种情况都需进行误差分析，数据稳定性分析。
6.模型检验
把数学上分析的结果翻译回到现实问题，并用实际的现象、数据与之比较，检验模型的合理性和适用性。
7.模型应用
取决于问题的性质和建模的目的。
2.6房间数字模型的建立
房间是一个复杂的热力学模型,受多种因素的影响,如内外因素。
因此,在近几年想要建立一个精确的数学模型非常困难,许多学者对此进行了研究,简化了许多在空调房间变风量空调系统数学模型（不考虑室外温度变化的室内负荷和太阳辐射的影响）,数学模型和房间的建筑差异的实际特点是太大;文献中所使用的各种惯性和纯滞后环节代表的房间模型,这种方法不能完全反映建筑空调系统的动态特性。
随着中国的经济和节能意识的迅速发展,建立建筑围护结构的精确特性和暖通空调系统的数学模型和动态仿真模型,确定合理的控制系统具有非常重要的意义。
空调房间的示意图如图2-3所示，房间模型建立的基本方法：
状态空间法。
整个房间是一个复杂的热力系统,想用数学模型来描述几乎是不可能的,因此,第一是建立数学模型如下:
1）简化房间的墙上,每一个对象的各个环节;2）忽略房间内部各物体的蓄热量；3）忽略房间内部气体的流动；4）设房间内部温度为分布参数。
假设组成建筑物的围护结构的各层材料各向均质同性，则墙体的导热可用偏微分方程描述：
图2-3空调房间的示意图
23
（2-1）
其中，为材料的密度，；为材料的比热，；为材料的导热系数，；t为壁体内的温度，℃。
以墙壁和墙壁的初始条件和边界条件,方程推导出的空间和时间保持离散的一半的问题离散处理,经过得出一个普通的微分方程的方程,由于一系列的建筑围护结构,可以得到一系列的微分方程。
围护结构表面的长波辐射与室内空气对流之间的方程构成了描述整个建筑热平衡的矩阵微分方程。
单一房间由围护结构、室内家具和室内空气构成，围护结构包括外墙、屋顶、内墙、楼板、楼地、门和窗，窗口可能由于含有空气层具有热容量小的特点,因此,它与其它支护结构略有不同,因此围护结构的热分散性、围护结构的温度、围护结构的温度、节点离散化方法和热平衡方程是不同的。
图2-4多层材料组成的单一围护结构离散温度节点示意图图2-5窗户的温度节点示意图
2.6.1单一外墙、内墙、楼板的热平衡方程
对于由多层材料组成的单一围护结构，如图2-4所示，内外表面分别是1节点和n+1节点。
由于室外温度采用室外空气综合温度，因此,在n+1个节点的温度是已知的,那么内部表面温度节点,节点内部的温度和温度,以及节点热平衡方程如下:
（2-2）（2-3）（2-4）
以上三式中：
、、、为第i个差分层的比热容，KJ/（kg·K）、密度kg/m3、导热系数，W/（m·K）、厚度m；为房间内的空气温度℃；为室外空气综合温度℃；为围护结构内表面的换热系数，W/（m2·K）；为第j面墙内表面温度℃；为与第j个表面的辐射换热系数，W/（m2·K）；为围护结构内表面获得的辐射热量，包括太阳辐射热量以及照明、人体和设备的辐射得热W。
2.6.2窗户的热平衡方程
建立双层玻璃窗户的内、外层玻璃温度节点的热平衡方程如下：
（2-5）
（2-6）
以上两式中、为窗户内层和外层玻璃的热容KJ/（m2·K）；、分别是窗户内层和外层玻璃的温度；与分别为各层玻璃对太阳辐射的吸收得热W；为内层温度节点获得室内照明、人体和设备的辐射得热W。
2.6.3房间空气的热平衡方程
所谓的室内空气热平衡包括室内家具和设备,因为它们也影响房间的整体热特性。
房间空气热平衡方程用文字表示为：
与各壁面的对流换热量+各种对流得热量+空气渗透得热量+空调系统显热除热量=单位时间内房间空气中显热量的增值，其数
升级会员 