【正文】 6.[5] 馬占有,田俊忠,馬澤玲. 溫度控制系統(tǒng)模糊自適應PID控制器仿真研究[J]. 計算機仿真，2010,27(10)：160～163[6] 李先峰，楊國華，李建春. 基于模糊PID的電阻爐溫度的設計與仿真研究[J]. 微機與應用， 2012(10): 81～83.[7] PID 的溫度控制系統(tǒng)設計與分析[J]. 精密制造與自動化, 2010(2): 23～26.[8] 南新元,陳志軍,程志江. 基于模糊PID控制的電鍋爐溫度過程控制系統(tǒng)[J]. 自動化儀表, 2008,29(5): 6～8.[10] 王平法,孫偉旺,于陽陽,孫利鋒,周輝. 基于模糊PID 算法的電鍋爐溫度控制[J]. 機械與電子, 2011(5)：48～51.[11] 李實. 基于模糊PID算法的電阻爐溫度控制系統(tǒng)設計[J]. 計算機工程應用技術. 2011,7(5)：1162～1163.[12] 李洪亮. 基于模糊自適應PID的電阻爐溫度控制系統(tǒng)[N]. 吉林化工學院學報. 2007,24(1): 66～68.[13] 王曉員. 基于模糊自適應PID 的溫度控制系統(tǒng)[N]. 成都大學學報. 2011,30(4): 361～363.[14] 黃海云. 模糊PID 控制器在溫度控制系統(tǒng)中的應用[J]. 中國水運. 2009,9(6).[15] 劉秀紅. 模糊自整定PID 控制在電阻爐溫度控制中的應用[J]. 計量技術.2007.[16] 龍偉,聶官鴻. S7200系列PLC和PC機實時通信的實現方法[N].南昌大學學報. 2002,24(2): 81～83.[17] 丁莉君,鄧莎萍. 淺談PLC通信技術[J]. 電氣傳動自動化. 2007,29(4).[18] Hui Huang1, Xiaoyi Yang2, Xinli Deng3, and Zhenghong Qiao4. A Parameter AutoTuning Method of FuzzyPID Controller[J]. SpringerVerlag Berlin Heidelberg. 2009. .[19] Gao Guofang1,Li Zhengzhong. Design of Heating Furnace Temperature Control System Based on FuzzyPID Controller[J]. SpringerVerlag London Limited. 2012. .[20] Yinghong Duan. The Design of Predictive FuzzyPID Controller in Temperature Control System of Electrical Heating Furnace[J]. SpringerVerlag Berlin Heidelberg. .附 錄1 S7200地址表S7200地址地址域格式類型VD100過程變量實型輸入VD104設定值實型輸入VD108輸出實型輸入/輸出VD112增益實型輸入VD116采樣時間實型輸入VD120積分時間或復位實型輸入VD124微分時間或速率實型輸入VD128偏差實型輸入/輸出VD132以前的過程變量實型輸入/輸出開始按鈕離散輸入停止按鈕離散輸入SMB34中斷時間字節(jié)輸出VD250設定值輸入實型輸入VD260實際溫度值實型輸入/輸出VW200模糊化后的偏差變化e字輸出VD270偏差變化e實型輸出VW300模糊化后的ec字輸出VD290偏差變化率ec實型輸出VD800KP的增量實型輸出VD804KI的增量實型輸出VD808KD的增量實型輸出2 STEP72MicroW IN32程序如下：主程序SBR0:SBR1:SBR2:SBR3：SBR4:SBR5:SBR6:SBR7:INT_0:譯 文一種針對非線性不確定系統(tǒng)的一種模糊PID控制器,摘 要為了控制系統(tǒng)包含非線性或不確定性的系統(tǒng)，而控制策略必須處理這些影響。由于大部分基于數學模型的控制方法關注于對魯棒性而不是非線性或不確定性 ，因此中文寫方法在改善瞬態(tài)響應的能力上受到限制。在本文中，提出一種非線性的模糊PID控制方法，這種方法可以穩(wěn)步的改善系統(tǒng)擾動由非線性或未知數學特性引起的瞬態(tài)響應。雖然控制定律的推導是基于一般模糊邏輯控制器的設計過程，但控制算法的結果具有時變的PID增益解析形式，而不是邏輯形式。這意味著執(zhí)行該方法可以很容易地和有效地應用到實時控制情況。通過示例系統(tǒng)的仿真，驗證所提算法的瞬態(tài)性能，并將結果與文獻[9]所提出的非線性模糊PI控制方法進行比較。 關鍵字：非線性不確定系統(tǒng)，模糊邏輯控制器，模糊PID控制，時變PID增益1 介紹 隨著工業(yè)的發(fā)展，通過改善瞬態(tài)響應使控制系統(tǒng)設計實現更精確更快的控制的需求日益增加，為了滿足這一要求，當選擇和發(fā)展一種控制理論時，模型的偏差和不確定性的影響必須被考慮。在過去的幾年中，自從Mamdani [1]在1974年利用Zadeh的模糊邏輯第一次實現模糊控制以來，模糊控制已成為模糊理論的最活躍，最重要的應用分支之一，可以參考文獻[2,3]。模糊邏輯控制器（FCL）是基于模糊邏輯的，同傳統(tǒng)的邏輯系統(tǒng)相比，模糊邏輯控制器是更接近人類的思維和自然語言，從這個角度看，FLC的重要組成部分是一組邏輯控制規(guī)則，該規(guī)則是與模糊蘊涵和推理規(guī)則相關的雙重概念。因此本質上FLC提供了一種將基于專家知識的邏輯控制策略轉換成自動控制策略的算法。從這方面考慮，對于采用傳統(tǒng)控制技術分析起來特別復雜，并且可利用的信息資源是不精確且不確定的過程來說，FLC的方法顯示出了尤其有用的效果。為了克服生成模糊控制時的難度和復雜性，Sugeno等[46]試圖設計一種方法，該方法提供了一種FLC的系統(tǒng)設計過程，并確保了在模糊控制理論下的穩(wěn)定性。在傳統(tǒng)控制理論的幫助下，另一種FLC趨勢也出現在了FLC系統(tǒng)設計并保持穩(wěn)定的方向上，如滑?？刂芠7]和 PI控制[810]。根據Ying等人提出的模糊PI控制律，為產生一個簡單的設計過程并改進非線性不確定系統(tǒng)的瞬態(tài)響應，本文推導出一個非線性模糊PID控制律。雖然推導過程是基于一般FLC的設計過程，但是由此產生的控制規(guī)律具有解析的PID控制器形式，而不是語言形式。在發(fā)展非線性模糊PID控制律時，非線性模糊PID控制系統(tǒng)的穩(wěn)定性完全依賴自然產生的線性PID 控制系統(tǒng)。2 非線性模糊PID控制的推導到目前為止最流行的模糊控制器開發(fā)需要兩個輸入，例如偏差和偏差變化率（短期速率）。然而本文提出的非線性模糊PID控制器具有一個額外的輸入，即加速偏差變化率（簡稱ACC），以改善非線性不確定系統(tǒng)的瞬態(tài)響應。本文提出的FLC的配置如圖1所示。具有三個輸入的FLC的結構有兩個獨立并行的模糊控制塊，其中每個都包含了相應的模糊控制規(guī)則和一個解模糊化器。模糊控制器的增量輸出是通過代數的方法將兩個模糊控制塊的輸出相加得到的。圖1 本文設計的FLC的結構以下是采用的公式 ， , , , ,其中n是正整數，T是采樣周期。 和表示采樣時間nT過程中的輸出，偏差，速率和加速偏差變化率，GE（偏差增益）是偏差的輸入轉換器，GR（速率增益）速率的輸入轉換器，GA（ACC增益）是ACC的輸入轉換器和GU（控制器輸出增益）FLC的輸出轉換器。描述是轉換后輸入信號的模糊化。表示FLC在采樣時間nT的增益輸出。在采樣時間nT內從模糊集‘output I’ 中指明模糊控制的增益輸出塊。因此，FLC包括以下組成部分：（1） 輸入轉換器 GE,GR,GA 和輸出轉換器 GU；（2） 比例偏差，比例速率，比例ACC 和每個控制塊輸出的模糊控制算法；（3） 每個控制塊的模糊控制規(guī)則；（4） 用來求出每個控制塊模糊控制規(guī)則的模糊決策邏輯；（5） 用來獲得在控制過程中每個控制塊輸出的一個模糊化的算法。 2．1 模糊化算法轉換輸入的模糊化算法如圖 2a 所示。模糊集‘偏差’有兩個部分 EP（正偏差）和EN （負偏差），模糊集‘速率’有兩個部分RP(正變化率)和 RN（負變化率），模糊集‘ACC’也有兩部分AP(正ACC)和AN（負ACC）。模糊集‘輸出1’有三個部分OP（正輸出），OZ（零輸出）和ON（負輸出）關于模糊控制塊1模糊化后模糊增量輸出如圖2b所示。模糊集‘輸出2’有兩個部分OPM(output_positive_middle）和ONM（output_negative_middle）如圖 2c所示關于模糊控制塊2模糊化后模糊增量輸出。盡管通過模糊控制規(guī)則可以決定輸出部分等級，但是對模糊化和模糊控制規(guī)則模糊集‘OUTPUT1’和‘OUTPUT2’的定義依然是必要的。應當指出的是，模糊集‘OUTPUT2’的模糊算法不同于‘OUTPUT1’的模糊算法。因為模糊控制塊2有一個特點就是它會補償模糊塊1。圖2C FLC輸入和輸出的模糊化算法2．2有關評估模糊控制規(guī)則的模糊控制規(guī)則和模糊邏輯模糊控制規(guī)則必須基于專家經驗和控制工程方面的知識，或基于運營商的控制行動，在本文中，模糊控制規(guī)則基于專家經驗，控制工程方面的知識和包括每個模糊控制塊四個模糊控制規(guī)則的控制規(guī)則集。每個控制塊的四個控制規(guī)則如下：: IF error = EP and rate = RP THEN output = OP: IF error = EN and rate =RN THEN output =OZ: IF error = EN and rate = RP THEN output = OZ: IF error = EN and rate = RN THEN output = ON對于模糊控制塊2，不同于模糊控制塊1的四個模糊控制規(guī)則如下: IF rate = RP and acc = AP THEN output = OPM: IF rate = RP and acc =AN THEN output =ONM: IF rate= RN and acc = AP THEN output = OPM: IF rate = EN and acc = RN THEN output = ONM模糊控制邏輯的發(fā)展用于求每個模糊控制規(guī)則的值。在本文中模糊邏輯使用的是Zadeh和Lukasiewicz的邏輯。在控制規(guī)則時，求單個控制規(guī)則使用Zadeh 與邏輯是非常正確的，但是在求 和之間的或時應該使用Lukasiewicz的或邏輯?？刂埔?guī)則和在兩個條件的情況下都采用Zadeh和，比如一個是在比例偏差下另外是一個是在比例變化率下。由于Zadeh是兩個值的最小值，所以在模糊控制塊中有兩種不同的情況出現，在控制塊1中一種是當比例偏差小于比例變化率，一種是當比例變化率小于比例偏差。類似的，在控制塊2中2種情況在比例變化率和比例acc中也出現了。比例偏差和比例變化率的八種不同組合方式構成了控制規(guī)則下的輸入，比例速率和比例acc的八種不同的組合方式如圖4。當使用模糊控制規(guī)則進行求值時，這些輸入的組合必須被考慮。當比例偏差和變化率在丨L,L丨的時間間隔內，求值模糊控制規(guī)則的結果在表1中給出。在表一中μEN和μEN（μRP和μRN）是在模糊控制集‘偏差’（變化率）中EP和EN（RP和RN）的值，例如當比例偏差和的值已知，要得出通過模糊化算法得出隸屬的值，就是在圖2（a）中的μEP和μRP。在規(guī)則，與模糊集‘OUTPUT1’的ON相關的隸屬值是MIN（lEP,lRP）在表一中列出。請注意 （1） （2） （3） （4）圖3 對于控制塊1 和可能的輸入組合 圖4 對于控制塊2 和可能的輸入組合表1 當和在[L,L]范圍內，所有輸入組合的模糊控制規(guī)則的求值結果表2 當和在[L,L]范圍內，所有輸入組合模糊控制規(guī)則的求值結果 （5） （6）此外，要注意的是在這種情況下Lukasiewicz 或推導出的是按順序的各級數據的總和，因為這個總和不可能大于在研究下的模糊控制器的整體。以相同的方式，表二顯示了在圖4 情況下，比例變化率和ACC在[L,L]范圍內對于所有組合輸入模糊控制規(guī)則的求值結果，請注意： （7） （8） （9） （10） （11） （12）2．3 模糊