基于模糊控制算法的温度控制系统的毕业设计.docx
《基于模糊控制算法的温度控制系统的毕业设计.docx》由会员分享,可在线阅读,更多相关《基于模糊控制算法的温度控制系统的毕业设计.docx(47页珍藏版)》请在冰豆网上搜索。
基于模糊控制算法的温度控制系统的毕业设计
基于模糊控制算法的温度控制系统的毕业设计
第1章绪论
温度控制,在工业自动化控制中占有非常重要的地位。
将模糊控制方法运用到温度控制系统中,可以克服温度控制系统中存在的严重滞后现象,同时在提高采样频率的基础上可以很大程度的提高控制效果和控制精度。
1.1课题背景
1965年,美国著名控制论学者L.A.Zadeh发表了开创性论文,《FUZZYSETS》首次提出了一种完全不同于传统数学与控制理论的模糊集合理论。
在短短的30年里,以模糊集理论为基础发展而来的模糊控制策略已经成功为将人的控制经验纳入自动控制策略之中。
在现今的模糊控制领域中,经典模糊控制理论已经在很多方面取得了一大批有实际意义的成果(如90年代日本家电模糊控制产品和工业模糊控制系统)。
此外经典模糊控制也得到了相应的改善,如模糊集成系统、模糊自适应系统、神经模糊控制等。
现代自动控制越来越朝着智能化发展,在很多自动控制系统中都用到了工控机,小型机、甚至是巨型机处理机等,当然这些处理机有一个很大的特点,那就是很高的运行速度,很大的内存,大量的数据存储器。
但随之而来的是巨额的成本。
在很多的小型系统中,处理机的成本占系统成本的比例高达20%,而对于这些小型的系统来说,配置一个如此高速的处理机没有任何必要,因为这些小系统追求经济效益,而不是最在乎系统的快速性,所以用成本低廉的单片机控制小型的,而又不是很复杂,不需要大量复杂运算的系统中是非常适合的。
温度控制,在工业自动化控制中占有非常重要的地位,如在钢铁冶炼过程中要对出炉的钢铁进行热处理,才能达到性能指标,塑料的定型过程中也要保持一定的温度[2]。
随着科学技术的迅猛发展,各个领域对自动控制系统控制精度、响应速度、系统稳定性与自适应能力的要求越来越高,被控对象或过程的非线性、时变性、多参数点的强烈耦合、较大的随机扰动、各种不确定性以及现场测试手段不完善等,使难以按数学方法建立被控对象的精确模型的情况[3]。
对于这些系统来说采用传统的方法包括基于现代控制理论的方法往往不如一个有实践经验的操作人员的手动控制效果好,而模糊控制理论正是以人的经验为重要组成部分。
这就使模糊控制在一般情况下比传统控制方法更有效、更安全。
将模糊控制方法运用到温度控制系统中,可以克服温度控制系统中存在的严重的滞后现象,同时在提高采样频率的基础上可以很大程度的提高控制效果和控制精度。
模糊控制是基于模糊数学上发展起来的一门新的控制科学[3]。
其运算过程中有很多都要用到矩阵运算,但控制其级别很少的时候可以进行离线计算,很方便的完成矩阵运算。
这样一来模糊控制就已经简化了,甚至比一般的PID运算还更简单。
运用一般的处理机,如单片机就能完成。
1.2设计指标
设计一个基于模糊控制算法的温度控制系统具体化技术指标如下。
1.被控对象可以是电炉或燃烧炉,温度控制在0~100℃,误差为±0.5℃;
2.恒温控制;
3.LED实时显示系统温度,用键盘输入温度;
4.采用模糊算法,要求误差小,平稳性好。
1.3本文的工作
详细分析课题任务,对模糊控制和温度控制的历史和现状进行分析,并对模糊控制和温度控制的原理进行了深入的研究,并将其综合。
然后根据课题任务的要求设计出实现控制任务的硬件原理图和软件,并进行访真调试。
第2章模糊控制算法及其应用
随着科学技术的迅猛发展,各个领域对自动控制系统控制精度、响应速度、系统稳定性与自适应能力的要求越来越高,被控对象或过程的非线性、时变性、多参数点的强烈耦合、较大的随机挠动、各种不确定性以及现场测试手段不完善等,使难以按数学方法建立被控对象的精确模型的情况。
对于这些系统来说采用传统的方法包括基于现代控制理论的方法往往不如一个有实践经验的操作人员的手动制作效果好,而模糊控制理论正是以人的经验为重要组成部分。
这就使模糊控制在一般情况下比传统控制方法更有效、更安全。
2.1用模糊控制的发展
模糊集合和模糊控制的概念是由美国加利福尼亚大学著名教授L.A.Zadeh于1965年在其Fuzzy,FuzzyAlgorithm等著名论著中首先提出的。
模糊集合的引入可将人的判断、思维过程用比较简单的数学形式直接表达出来,从而使对复杂系统做出符合实际的、符合人类思维方式的处理成为可能,为经典模糊控制器的形成奠定了基础[3]。
为了加快模糊控制理论的研究,1972年在日本东京大学建立了“模糊系统研究会”,以后,各大学相继招开模糊控制的国际学术交流会,大大促进了模糊控制的发展。
尽管模糊集理论的提出至今只有30年,但发展迅速。
至今世界上研究“模糊”的学者已超过万人,发表的重要论文达5000多篇。
80年代以来,自动控制系统的被控对象更加复杂化,它不仅表现在多输入,多输出的强耦合性、参数时变性和严惩的非线性,更突出的是从系统对象所能获得的数据量相对的减少,以及对控制性能要求的日益增高。
因此要想精确地描述复杂对象与系统的任何物理现象和运动状态,实际已不可能。
关键是如何在精确和简明之间取得平衡,而使问题的描述具有实际意义。
这样模糊控制理论的优点在现代控制理论中起着越来越重要的地位和意义。
从已实现的控制系统来说,它具有易于掌握、输出量连续、可靠性高、能发挥熟练专家操作的良好自动化效果等优点。
最近几年,对于经典模糊控制系统稳态性能的改善、模糊集成控制、模糊自适应控制、专家模糊控制与多变量模糊控制的研究,特别是针对复杂系统的自学习与参数自调整模糊系统方面的研究受到各国学者的重视。
目前,将神经网络和模糊控制技术相互结合,取长补短,形成一种模糊神经网络技术,利用人脑的智能信息处理系统,其发展前景十分诱人。
我国对模糊控制的理论与应用研究起步较晚,但发展较快,诸如在模糊控制、模糊辨识、模糊聚类分析、模糊图像处理、模糊信息论、模糊模式识别等领域取得了不少有实际影响的结果。
2.2模糊控制的基本原理
2.2.1模糊控制的数学基础
1.模糊集合
人们常用一些模糊概念思考问题,比如说“这栋楼房高”、“气候炎热”等,这里“高”和“炎热”没有明确的内涵和外延,但具有量的含义。
将这类具有不确定量值的概念范围,或者在不同程度上具有某种特有属性的所有元素的总和称为模糊集合。
在普通集合中,可用特征函数来描述集合,而对于模糊性的事物,用特征函数来表示其属性是不恰当的。
因为模糊事物根本无法断然确定其属性,可以把特征函数取值0、1的情况改为
取值。
这样,特征函数就可以取0~1无穷多个值,即特征函数可以演变成可以无穷取值的边疆逻辑函数。
从而得到了描述模糊集合的特征函数-隶属函数,它是模糊数学中最重要和最基本的概念,其定义为:
用于描述模糊集合,并在
闭区间连续取值的特征函数叫隶属函数,隶属函数用
,其中A表示模糊集合,而x是A的元素,隶属函数满足:
0
(2.1)
有了隶属函数以后人们就可以把元素对模糊集合的归属程度恰当地表示出来。
这样一个模糊的概念只要指定论域U中各个元素对它的符合程度,这样模糊概念也就得到一种集合表示了。
把元素对概念的符合程度看作元素对集合的隶属程度,那么指定各个元素的隶属度也就指定了一个集合。
因此模糊集合完全由其隶属函数所刻画。
2.模糊集合的表示方法
模糊集合没有明确的边界,一般用隶属函数描述。
设给定论域U,µA为U到
闭区间的任一映射,
(2.2)
都可以确定U的一个模糊集合A,
称为模糊集合A的隶属函数。
(x)称为元素x对A的隶属度,即x隶属于A的程度。
模糊集合可用下面方法表示:
(1)限论域
若论域U,且论域U={x1,x2,…,xn},则U上的模糊集合A可表示为
(2.3)
注意,与普通集合一样,上式不是分式求和,分式是一种表示法的符合,其分母表示论域U中的元素,分子表示相应的隶属度,隶属度为0的那一项可以省略。
(2)无限论域
在论域是无限的情况下,上面的记法是不完全的,为此需将表示方法从有限论域推广到一般情况。
取一连续的实数区间,这时U的模糊集合A可以用实函数来表示。
不论论域是否有限都可能表示为
(2.4)
式中积分号不是高等数学中的积分意义,也不是求和号,而是表示各个元素与隶属度对的一个总括形势。
当然,给出隶属函数的一个解析式子也能表示出一个模糊集。
3.模糊集合的运算
模糊集合与它的隶属函数一一对应,因此模糊集的运算也通过隶属函数的运算来刻画。
(1)空集
模糊集合的空集是指对所有元素X,它的隶属函数为0,记作Φ。
(2)等级
模糊集合A,B若对所有元素X,它们的隶属函数相等,即A,B也相等。
(3)子集
在模糊集A,B中,所谓A是B的A包含于B中,是指对所有元素x,有
(2.5)
(4)并集
模糊集合A和B的并集C,其隶属函数可表示为
(2.6)
(5)交集
模糊集合A和B的交集C,其隶属函数可表示为
(2.7)
(6)补集
模糊集A的补集B、A互为补集,其隶属函数可表示为
(2.8)
与普通集合一样,模糊集满足幂等律、交换律、吸收律、分配律、结合律、摩根定理等。
但其不同于普通集合,互补律不成立,即
(2.9)
隶属函数的确定,应该是反映出客观模糊现象的具体特点,要符合客观规律,而不是主观臆想。
对于同一个模糊要领总存在不同的人会使用不同的确定方法,建立完全不同的隶属函数,不过所得的处理模糊信息问题的本质结果应该是相同的。
模糊统计与随机统计完全不同,模糊统计是对模糊性事物的可能性程度进行统计,统计结果称为隶属度。
对于模糊统计实验,在论域中给出一个x,再考虑n个有模糊集合A的普通集合,以及元素x对A的归属次数。
x对A的归属次数和n的比值就是统计出的元素x对A的隶属函数:
(2.10)
当n足够大时,隶属函数
是一个稳定值,但对于现实的实验中,由于各类条件限制,n不能过于太大,所以,采用一些有经验的专家和工人的技术数据来代替之,所以此法又可称为专家法。
采用模糊统计进行大量实验,就能得出模糊集中各元素的隶属度,以隶属度和元素组成一个单点,就可以把模糊集合A表示出来。
4.模糊关系
(1)关系
客观世界的各事物之间普遍存在着联系,描写事物之间联系的数学模型之一就是关系,常用符号R表示。
a.关系的概念
若R为由集合X到集合Y的普遍关系,则对于任意x∈X,y∈Y都有以下两种情况:
x与y有某种关系,即xRy;
x与y无某种关系,即x
y;
b.直积集
由X到Y中各取一元素排成序对,所有这样序对的全体组成的集合叫做X和Y的直积集(笛卡尔集)记为
(2.11)
显然,R集是X和Y直积集中的一个子集,即
(2.12)
(2)模糊关系
两组事物之间的关系不宜用“有”或“无”作肯定或否定的回答时,可以用模糊关系来描述。
设
为集合X到Y的直积集,R是
的一个模糊子集,它的隶属函数为
这样就确定了X与Y的模糊关系R,由隶属函数
刻画,函数
代表序偶
具有关系R的程度。
一般来说,只要给出直积空间
中的模糊集合R的隶属函数
,集合X到集合Y的模糊关系R也就确定了。
(3)模糊矩阵
当
是有限集合时,则
的模糊关系可用下列
阶矩阵来表示
(2.13)
式中元素
,该矩阵称为模糊矩阵,简记为:
。
为讨论模糊矩阵运算方便,设矩阵
阶矩阵,即
,
,此时模糊矩阵的交、并、补运算为
模糊矩阵交
(2.14)
模糊矩阵并
(2.15)
模糊矩阵交
(2.16)
模糊矩阵的合成运算,其中合成运算符号为“·”,它用来代表模糊矩阵的相乘,与线性代数中的矩阵乘极为相似,只是将普通矩阵运算中对应元素间相乘用小运算“
”来代替,而元素间相加用取大“
”来代替,具体定义如下:
设两个模糊矩阵
,
合成运算
结果也是一个模糊矩阵,则
。
模糊矩阵R的第i行,第k列元素
等于P矩阵的第i行元素与Q矩阵的第k列对应元素两两取小,而后再所得到的j个元素中取大,即
(2.17)
(4)模糊变换
设
是一个m维模糊向量,而
(2.18)
是一个维模糊向矩阵表示的模糊关系,则称
(2.19)为一个模糊变换,它可以确定一个唯一的n维模糊向量
。
A是输入量论域V上的模糊向量;
B是输出控制量论域W上的模糊向量;
R是输入和输出论域V和W之间的关系。
那么,上述
就是从输入到输出的模糊变换过程,也就是从输入量A通过输入输出关系r,求取输出量b的过程,所得的结果b就是输出控制模糊量。
可见,以模糊矩阵合成运算所执行的模糊变换在意义重大。
2.2.1模糊控制的理论基础
1.模糊命题
模糊命题是清晰命题的推广,清晰命题的真假相当于普通集合中元素的特征函数,而模糊命题的真值在
闭区间取值,相当于隶属函数值。
模糊命题的一般形式是
A:
eisF(或e是F)
式中e是模糊变量,F是模糊概念所对应的模糊集合。
2.模糊逻辑
模糊命题的真值在
闭区间上连续取值,因此称研究模糊命题的逻辑为连续性逻辑,由于主要用它来研究模糊集的隶属函数,也称为模糊逻辑。
设x为模糊命题A的真值,y为模糊命题B的真值,在连续逻辑中,逻辑运算规则如下:
逻辑并:
(2.20)
逻辑交:
(2.21)
逻辑非:
(2.22)
限界差:
(2.23)
限界和:
(2.24)
限界积:
(2.25)
蕴涵:
(2.26)
等价:
(2.27)
3.模糊语言
(1)语言变量
由一个五元体(N,T(N),U,M,G)来表征的变量,五元体中各个元定义如下:
i.N是变量名称,即单词。
ii.T(N)是N的语言真值集合。
iii.U是N的论域。
iv.M是词义规则。
v.G是记法规则,它规定了原子词,即原始项构成全部项之后的词义变化。
(2)语言算子
语言算子是指如”比较”,”大致”、”有点”、”偏向”等前缀词,根据这些语言算子的功能不同,经常使用的有如下几类。
(3)语气算子表示语气程度的模糊量词,它有集中化算子和松散化算子两类。
a.模糊化算子:
把一个明确的单词转化为模糊量词的算子称为模糊化算子。
在模糊控制中,采样的输入总是精确量。
要实现模糊控制,首先必须把采样的精确值进行模糊化,而模糊化实际上就是用模糊化算子来实现的,所以引入模糊化算子具有十分重要的实用价值。
b.判定化算子:
把一个模糊词转化为明确题词的算子称为判定化算子。
(4)模糊语句
将含有模糊概念、按给定的语法规则所构成的语句称为模糊语句。
根据其语义各构成语法规则不同,可以分为下述几种类型。
a.模糊陈述句
模糊是陈述句是相对于具有清晰概念的一般陈述句而言,指的是该类陈述句中含有模糊概念。
b.模糊判断句模糊判断句是模糊语言中最基本的语句,又称为陈述判断句。
c.模糊推理句模糊推理句如同模糊判断句一样,不存在绝对的真或假,只能说它以多大程度为真。
(5)模糊推理
在模糊控制中,模糊控制规则通常是由模糊条件语句来描述的,它符合人们的思维和推理规律,是一种较为直接的模糊推理。
常见的模糊条件推理语句有“ifAthenBelsec”、“ifAandBthenc”等。
一般而言实现模糊运算的实现分以下几步:
a.通过语气算子和补运算,求得模糊集合。
b.确定模糊条件语句所决定的模糊关系R.
c.计算语气算子所对应的模糊集合。
d.根据输入量和模糊关系R求出所对应的输出量。
2.3模糊控制理论的改进
目前,模糊控制技术日趋成熟和完善。
各种模糊产品充满了日本、西欧和美国市场,如模糊洗衣机、模糊吸尘器和模糊摄相机等,模糊技术几乎变得无所不能,各国都争先开发模糊新技术和新产品。
多年来一直未能解决的稳定性分析问题正在逐步解决。
模糊芯片也已研制成功且功能不断加强,成本不断下降。
直接采用模糊芯片开发产品已成为趋势。
模糊开发软件包也充满市场。
模糊控制技术除了在硬件、软件上继续发展外,将在自适应模糊控制、混合模糊控制以及神经模糊控制上取得较大的发展。
随着其它学科理论、新技术的建立和发展,使模糊理论的应用将越来越广泛。
模糊理论结合人工神经网络(NeuralNetwork)和遗传基因(GeneticMechanism)形成交叉学科神经网络模糊技术(NeuronFuzzyTechnique)和遗传基因模糊技术(GeneticFuzzyTechnique),用于解决单一技术不能解决的问题。
2.3.1模糊控制与神经网络的融合
近年来,模糊控制和神经网络都在各自的学科里取得了引人注目的进展,而且在这两个学科的边缘开辟了众多研究新领域。
两者的相互渗透和有机结合必将引起电子产业和信息科学的新革命。
神经模糊控制(Neuron-FuzzyControl)是神经网络技术与模糊逻辑控制技术相结合的产物,是基于神经网络的模糊控制方法。
模糊系统是建立在“IF-THEN”表达式之上,这种方式容易让人理解,但是自动生成、高速隶属函数和模糊规则上却很困难。
而神经网络对环境的变化具有较强的自适应能力,所以可结合神经网络的学习能力来训练模糊规则。
提高整个系统的学习能力和表达能力,这是日前最受注目的一个课题。
2.3.2模糊控制与遗传算法的融合
由于模糊逻辑控制所要确定的参数很多,专家的经验只能起一个指导作用,很难根据它准确地求出各项参数,因而实际上还要反复试凑,寻找一个最优过程。
通过改进遗传算法,按所给优化性能指标,对被控对象进行寻优学习,从而有效地确定模糊逻辑控制器的结构和参数。
2.3.3专家模糊控制
专家模糊控制器EFC(ExpertFuzzyController)由R.M.Tong提出,1984年他发表了关于模糊控制系统展望的论文,提出这一新概念。
专家模糊控制系统是由专家系统技术和模糊控制技术相结合的产物。
把专家系统技术引入模糊控制之中,目的是进一步提高模糊控制器的智能水平。
专家模糊控制保持了基于规则的方法和价值和用模糊集处理带来的灵活性,同时也把专家系统技术的表达,利用知识的长处结合进来[3]。
专家系统技术考虑了更多方面的问题,例如,是什么组成知识以及如何组织、如何表达、如何应用知识等。
专家系统方法重视知识的多层次和分类的需要,以及利用这些知识进行推理的计算机组织。
2.3.4模糊系统建模及参数辨识
建模与参数辨识是实现控制的重要基础,因此这一研究工作从199年至今一直是模糊控制领域的热门话题。
系统模糊模型就是指采用与系统输入输出样本数据相关的、能表示系统状态的一组模糊规则来描述系统。
具有模糊性的表示形式。
模糊控制理论还有一些重要的理论课题还没有解决。
其中两个重要的问题是:
如何获得模糊规则即隶属函数问题以及如何保证模糊系统的稳定性。
大本说来,在模糊控制理论和应用方面应加强的主要课题有:
1.适合于解决工程上普遍问题的稳定性分析方法,稳定性评价理论体系,控制器的鲁棒性分析,系统的可控性分析和可观测性判定方法等。
2.模糊控制规则设计方法的研究,包括模糊集合隶属函数设定方法,量化水平,采样周期的最优选择,规则的系数,最小实现规则和隶属函数自动生成等问题,以及进一步给出模糊控制器的系统化设计方法。
3.模糊控制器参数最优调整理论的确定以及修正推理规则的学习方式和算法等。
4.模糊控制算法的改进和研究。
由于模糊逻辑的范畴很广,包括大量的概念和原则,然而这些概念和原则能真正的在模糊逻辑系统中得到应用的却为数不多。
这方面的尝试有待深入。
2.3.4模糊控制系统的基本原理
模糊控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的微机数字控制,是模拟人的思维,构造一种非线形控制,以满足复杂的、不确定的过程控制的需要。
它属于智能控制范围[2]。
模糊控制系统类似于常规的微机控制系统,如下图所示其由四部分构成:
(1)测量元件传感器
它将被控对象输出信号转换为相应的电信号,测量元件的精度往往直接影响控制系统的精度,要注意选择符合工程精度要求又稳定可靠的测量元件。
(2)输入输出接口装置
它完成模/数、数/模转换,电平转换,信号采样与滤波等工作。
(3)广义对象
它包括被控对象与执行机构,被控对象为复杂的工业过程,可是线性的或非线性的,也可能存在各种干扰,是模糊的、不确定的、没有精确数学模糊的过程。
(4)模糊控制器
它是一台处理器,用于完成模糊推理的过程与根据输入量和模糊运算做出模糊控制工作。
在温度控制系统中,传感器用于感受控制对象的温度,然后由与温度变化的线性关系产生与其大小相适应的变化量交给变送器处理。
变送器传感器输入转换成标准的电压或者电流信号,再通过输入输出接口装置进行模数转换,最后输入到模糊处理器中进行模糊控制。
输入输出接口装置包含了各种人机接口,如用于输入控制温度的键盘、用于显示实时温度的数码管、用于报警的LED,还有将模拟信号转换为数字信号的A/D转换器等。
很显然,人机接口装置越完备,其能实现的功能也越强,这样也越能增加产品的功能和亲合力。
控制对象可以是电炉也可以是油炉,如果是电炉执行器将会是晶闸管,也可以是静态或固态继电器;如果对象是油炉,执行器可以选择为调节阀,控制输入到油炉的油量大小。
基于模糊算法的温度控制系统,可用各类处理器,如微机、单片机、DSP等作为模糊控制器,其内部运行模糊算法程序,用于根据输入的温度信号进行处理从而达到做出模糊控制的目的。
第3章设计思想与方案论证
实现模糊温度控制的方法有多种,可以用工控机作为模糊控制器,用热电阻测量温度;也可以用单片机作为模糊控制器,用热电偶进行温度测量。
当然每一种方案都有其各自的优点。
本章详细列举、说明了三种不同实现模糊温度控制的方案、并分别画出了其原理方框图,对三种方案的优缺点进行了对比,选出了最佳控制方案。
3.1设计思想
1.方案1
(1)硬件组成:
PLC、A/D转换器、热电阻、调节阀、燃油供应子系统。
(2)工作原理:
在系统中,由分立的热电阻做成测量工具,对温度变量进行检测,并输出到A/D转换器。
A/D转换器将数据进行A/D转换后输出到PLC。
PLC执行模糊控制器的作用,根据给定量与测量量的偏差进行模糊运算,得出模糊输出量[3],控制调节阀。
调节阀根据PLC的输出量自动的调节进入燃烧炉内的燃气,从而起到了调节温度的目的。
燃油供应子系统起到了供应燃油的作用。
LED显示器用于实时显示测量的温度。
(3)系统原理框图
2.方案2
(1)硬件组成:
单片机、A/D转换器、LED显示器、集成的热电偶温度变送器、固态继电器[5]、大功率发热器、LED显示器。
(2)工作原理:
由集成的热电偶变送器对系统温度进行检测,并完成信号标准化、变送功能。
单片机执行模糊控制功能、由固态继电器控制大功率发热器电源的导通与断开,从而达到控制温度的目的。
(3)系统原理框图
3.方案3
(1)硬件组成:
工控机、集成的热电偶温度变送器、A/D转换器、LCD显示器、调节阀、燃料供应子系统。
(2)工作原理:
在系统中,先由工控机发出波形(此波形为理想控制过程),经A/D转换后输入到工控机,作为给定量(给定量是变化的)[3]。
热电偶温度变送器作为测量工具,对温度变量进行检测,并输出到A/D转换器。
A/D转换后输出到工控机。
工控机利用模糊算法,根据给定量与测量量的偏差进行模糊运算,得出模糊输出量,控制调节阀的开启程度,自动的调节进入燃烧炉内的燃气,从而起到了调节温度的目的。
燃油供应子系统用于供应燃油。
LED显示器用于实时的显