【正文】 如果每次當(dāng)我們改變控制器的參數(shù),我們必須進(jìn)行半實(shí)物測試,我們將浪費(fèi)大量的時(shí)間。通過查表和局部線性化的轉(zhuǎn)換模塊，流值輸出的控制器輸入信號轉(zhuǎn)換成相應(yīng)的電磁閥輸入信號。最后,我們使用線性尺度變換將電壓信號轉(zhuǎn)化為液位信號。它是一個(gè)典型的SISO大滯后控制系統(tǒng)。這使得尋找最佳的控制策略和優(yōu)化控制參數(shù)比以前容易多了。利用RTW建立的仿真平臺構(gòu)建可以在線調(diào)整控制器的結(jié)構(gòu)和參數(shù)。 建立仿真平臺 我們使用RTW(實(shí)時(shí)車間)來實(shí)現(xiàn)回路硬件仿真平臺[2]。具體操作過程是使用模糊數(shù)學(xué)模型來模糊化準(zhǔn)確輸入,這樣上面提到的模糊推理規(guī)則可以在一個(gè)電腦中處理。 模糊控制的主要思想是利用模糊數(shù)學(xué)的理論將專家知識或操作員的經(jīng)驗(yàn)轉(zhuǎn)換為自動控制的策略[1]。模糊控制器通常具有具有較小的超調(diào)量和比傳統(tǒng)PID控制器更高的響應(yīng)速度，同時(shí)無需建立精確的數(shù)學(xué)模型。對于類似對象設(shè)計(jì)的PID控制器往往有較大的超調(diào),需要很長時(shí)間才能達(dá)到穩(wěn)定狀態(tài)。當(dāng)傳統(tǒng)PID控制器不能達(dá)到理想的控制效果是應(yīng)采用模糊控制器。首先建立基于MATLAB/RTW工具箱的回路硬件仿真平臺。學(xué)生在此衷心的向劉老師表示由衷的感謝。在這三個(gè)月里，雖然遇到很多問題，但在別人的幫助及自己的努力下，最終都一一解決。今后的研究中，可以從高階系統(tǒng)、非線性、大滯后以及引入其他復(fù)雜的擾動等方面進(jìn)行研究。本人對水箱液位控制算法是初次進(jìn)行研究，僅僅用基本的控制算法進(jìn)行仿真。要解決這些問題，可以嘗試引入其他的智能控制方法。因此，模糊PID控制可在工業(yè)過程控制中得到普遍應(yīng)用。在此基礎(chǔ)上，分析被控對象的特點(diǎn)，建立雙容水箱的數(shù)學(xué)模型，利用MATLANB軟件中的Simulink工具箱建立仿真模型進(jìn)行仿真。但在結(jié)構(gòu)簡單且精確度要求不高的情況下，傳統(tǒng)PID控制策略會更能凸顯其優(yōu)勢，結(jié)構(gòu)簡單，被控制參數(shù)易于調(diào)整。通過對每種仿真響應(yīng)曲線圖從超調(diào)量、響應(yīng)速度、穩(wěn)定時(shí)間、偏差等方面進(jìn)行比較，模糊PID的控制效果都優(yōu)于傳統(tǒng)PID的控制。而模糊PID控制對被控對象的調(diào)節(jié)時(shí)間較短，調(diào)節(jié)時(shí)間為1500s，響應(yīng)速度較快；從穩(wěn)態(tài)誤差方面，傳統(tǒng)PID控制的穩(wěn)態(tài)階段存在一定的波動，因而存在一定的誤差。當(dāng)被控對象傳遞函數(shù)為：時(shí)，:　模糊PID控制與傳統(tǒng)PID控制的適應(yīng)性仿真結(jié)構(gòu)圖　模糊PID控制與傳統(tǒng)PID控制的適應(yīng)性仿真響應(yīng)曲線圖，比較兩條響應(yīng)曲線的特點(diǎn)，得出：從超調(diào)量方面，傳統(tǒng)PID的超調(diào)量37%，超調(diào)量較大。模糊PID控制穩(wěn)態(tài)誤差很小，幾乎為零；從振蕩次數(shù)來看，傳統(tǒng)PID的控制對于脈沖擾動的響應(yīng)比較強(qiáng)烈，振蕩次數(shù)增多波動多，穩(wěn)定性降低。模糊PID控制穩(wěn)態(tài)誤差很小，幾乎為零；從調(diào)節(jié)時(shí)間方面，在t=2000s時(shí)加入擾動后，傳統(tǒng)PID控制振蕩次數(shù)增多，調(diào)節(jié)時(shí)間增加，重新達(dá)到穩(wěn)態(tài)時(shí)間較長?！∧：齈ID控制與傳統(tǒng)PID控制的控制性能的仿真結(jié)構(gòu)圖 　模糊PID控制與傳統(tǒng)PID控制的響應(yīng)性曲線圖，比較兩條響應(yīng)曲線，從超調(diào)量方面，可以看出傳統(tǒng)PID控制響應(yīng)超調(diào)量較大，達(dá)到39%，而模糊PID控制響應(yīng)超調(diào)量為18%；振蕩方面，傳統(tǒng)PID控制存在多次振蕩，振幅較大，而模糊PID控制幾乎不存在震振蕩的情況，能夠平穩(wěn)地逐漸達(dá)到平衡狀態(tài)；調(diào)整時(shí)間方面，傳統(tǒng)PID控制的調(diào)整時(shí)間較大，為1900s，而模糊PID控制的調(diào)整時(shí)間較小1000s，響應(yīng)時(shí)間較快；穩(wěn)態(tài)誤差方面，傳統(tǒng)PID控制存在一定的穩(wěn)態(tài)誤差，且穩(wěn)態(tài)階段仍存在一些小波動，而模糊PID控制的穩(wěn)態(tài)誤差幾乎為零，且穩(wěn)態(tài)階段比較穩(wěn)定，不存在振蕩問題?！∧：齈ID控制與傳統(tǒng)PID控制的比較 通過進(jìn)行傳統(tǒng)PID和模糊PID控制的仿真比較，觀察業(yè)務(wù)系統(tǒng)的控制特性，把這兩種控制方法的不同特點(diǎn)，分析兩種控制效果存在的優(yōu)勢及局限性。解模糊因子,。在MATLAB模糊邏輯工具箱中構(gòu)造一個(gè)模糊推理系統(tǒng)步驟如下： ?。?）模糊推理系統(tǒng)對應(yīng)的數(shù)據(jù)文件，改進(jìn)行儲存、修改和管理控制器中的參數(shù)； 　（2）確定輸入、輸出語言變量及其語言值； ?。?）確定各種語言值的隸屬度函數(shù)，確定模糊規(guī)則； 　（4）確定各種模糊運(yùn)算方法。通常，模糊控制器的維數(shù)就是輸入變量的個(gè)數(shù)。 （2）積分系數(shù)的作用是減小穩(wěn)態(tài)誤差。越大，系統(tǒng)的響應(yīng)速度越快，調(diào)節(jié)精度越高。本文采用二維模糊控制器，即兩輸入。 （2）規(guī)則決定結(jié)論，結(jié)論表示被控對象輸入（控制器輸出）應(yīng)采取各種值的確定度的模糊集合描述。量化因子比例因子的確定： 誤差E及誤差變化率EC的變化范圍[E,E]及[EC,EC]，稱為誤差及誤差變化率的語言變量的基本論域。4　模糊PID算法的研究與仿真　模糊PID控制器的基本理論 模糊PID控制器是由PID控制器與模糊控制構(gòu)成的，其中的算法包含了PID理論和模糊理論?！”菊滦〗Y(jié)本章節(jié)主要介紹了PID控制算法的基本理論及研究了PID控制算法的特點(diǎn)，并與Smith預(yù)估補(bǔ)償控制進(jìn)行對比?，F(xiàn)在，模糊PID控制技術(shù)應(yīng)用變得越來越廣，基于模糊理論和PID控制技術(shù)的有點(diǎn)，有著廣闊的應(yīng)用前景。整個(gè)控制器輸出的控制結(jié)果作用于被控制對象，對被控對象進(jìn)行控制。 （4）模糊控制器不具有積分環(huán)節(jié)，穩(wěn)定精度不夠高。很適合應(yīng)用于滯后的非線性系統(tǒng)中。? 　?。?）模型控制不同要求，傳統(tǒng)控制策略不同；而模糊語言規(guī)則的控制，具有相對獨(dú)立性。模糊控制中的幾種基本運(yùn)算操作：（1） 模糊化運(yùn)算：（2） 句子連接運(yùn)算：。在離散情況下，針對論域中的每個(gè)元素（,），以它作為待片判決輸出模糊函數(shù)集合的隸屬度的加權(quán)系數(shù)，即取乘積（,），再計(jì)算乘積和對于隸屬度和平均值，即 （）重要說明：（1） 輸出隸屬函數(shù)在蘊(yùn)含的最小化操作中“切掉”了頂，面積仍然可以是無限的。經(jīng)過清晰化的結(jié)果適合模糊控制器的控制原理。它是模糊邏輯中最基本也是最重要的問題。建立模糊控制規(guī)則有多種方法：①基于專家的經(jīng)驗(yàn)和控制工程知識 通過向有經(jīng)驗(yàn)的專家和操作人員咨詢，獲得特定領(lǐng)域的控制規(guī)則。模糊控制規(guī)則數(shù)總的原則是，在滿足完備性的條件下，盡量取較少的規(guī)則數(shù)，以簡化模糊控制器的設(shè)計(jì)和便于實(shí)現(xiàn)[7]。例如，常見的情況是計(jì)算和（式中，表示參考輸入；表示系統(tǒng)輸出；表示誤差）。在模糊控制中，觀測到的數(shù)據(jù)常常是清晰量。設(shè)誤差E的基本論域?yàn)?，對?yīng)論域?yàn)殡x散化論域，則： () () ()。這些變量的基本論域轉(zhuǎn)化為相應(yīng)的模糊論域后，才能進(jìn)行模糊化。模糊語言是一種有彈性的語言，對于外延并不精確、內(nèi)涵無指定性，有更大的概括性。自然語言和形式語言最主要的區(qū)別在于，自然語言具有模糊性，而形式語言不具有模糊性，它完全具有二值邏輯的特點(diǎn)。（6）模糊語言變量語言是人們進(jìn)行思維和信息交流的重要工具。（4）模糊邏輯模糊邏輯的真值在取值。 以上定義的模糊關(guān)系又稱為二元模糊關(guān)系，當(dāng)=Y時(shí)，稱為上的模糊關(guān)系。表示如下： （）（2）隸屬函數(shù) 隸屬函數(shù)是對模糊概念的定量化規(guī)范描繪，用中的一個(gè)實(shí)數(shù)來度量元素，來表示模糊集的程度，這個(gè)實(shí)數(shù)稱為“隸屬度”，隸屬度隨著元素的不同而改變，這個(gè)元素的變化規(guī)律稱為“隸屬函數(shù)”。②序偶表示法用論域中的元素與其隸屬度函數(shù)來表示，則 （）這稱為序偶表示方法。隸屬函數(shù)通常根據(jù)每個(gè)人的不同的理解進(jìn)行確定，依據(jù)實(shí)際的被控對象需要達(dá)到的控制精度來確定的。稱為屬于的隸屬函數(shù)。 （1）模糊集合集合是指具有某種特定性質(zhì)的具體化的事物或者是抽象的對象的匯聚成的集體。模糊邏輯控制在聚類分析、故障診斷、專家系統(tǒng)和圖像識別等領(lǐng)域有所應(yīng)用。（4）模糊神經(jīng)網(wǎng)絡(luò)控制：模糊神經(jīng)網(wǎng)絡(luò)是將神經(jīng)網(wǎng)絡(luò)技術(shù)和模糊邏輯控制技術(shù)結(jié)合起來的[7]。1990年以來，模糊控制得到逐步推廣和應(yīng)用，為工業(yè)生產(chǎn)注入新鮮力量，促進(jìn)工業(yè)生產(chǎn)的發(fā)展和進(jìn)步。就像一個(gè)電腦操作員，可能不懂的電腦的結(jié)構(gòu)組成，但是可以通過經(jīng)驗(yàn)操作，從而熟練操縱電腦?！∧：刂扑惴ǖ漠a(chǎn)生及發(fā)展 模糊控制是智能控制的重要組成部分，智能控制推動著科學(xué)技術(shù)的不斷進(jìn)步。模糊控制算法模仿自然語言的模糊性來建立一系列的模糊語句，根據(jù)被控對象的特征和控制要求選擇合適的控制語句來進(jìn)行控制。 綜上所述，Smith預(yù)估補(bǔ)償?shù)腜ID控制器對雙容水箱對象具備良好的控制作用。加入隨機(jī)擾動后，能夠很好地隨著擾動的變化進(jìn)行調(diào)整整定，使系統(tǒng)能夠在誤差允許的范圍內(nèi)，得到良好的控制效果。 被控對象、PID控制、Smith補(bǔ)償控制比較仿真結(jié)構(gòu)圖 被控對象、PID控制、Smith補(bǔ)償控制比較響應(yīng)結(jié)果圖，Smith預(yù)估補(bǔ)償控制的超調(diào)量為，調(diào)整時(shí)間，傳統(tǒng)PID控制的超調(diào)量，調(diào)整時(shí)間。例如，無自適應(yīng)能力，是對于某一具體已知模型和參數(shù)的系統(tǒng)，只能用于固定的某種情況。PID的控制參數(shù)可以依據(jù)響應(yīng)的動態(tài)過程進(jìn)行整定。 　ZN整定公式控制類型PPIPID 　階躍響應(yīng)曲線圖在Simulink環(huán)境中建立傳統(tǒng)PID控制系統(tǒng)結(jié)構(gòu)圖，：　常規(guī)PID結(jié)構(gòu)圖 無PID控制器響應(yīng)曲線 由被控對象的單位階躍響應(yīng)曲線可以看出，被控對象的調(diào)整時(shí)間較長為6000s，無超調(diào)量，偏差較大，存在一定的時(shí)間滯后問題。倘若不能物理地建立起系統(tǒng)的模型，我們還可以由實(shí)驗(yàn)提取相應(yīng)的模型參數(shù)。依據(jù)比例度、積分時(shí)間常數(shù)和微分時(shí)間常數(shù)對控制系統(tǒng)的影響規(guī)律，進(jìn)行現(xiàn)場試湊整定相應(yīng)參數(shù)。通常經(jīng)過理論計(jì)算來確定這些參數(shù)，但往往有誤差。（3）微分系數(shù)的作用是改善系統(tǒng)的動態(tài)特性。越大，系統(tǒng)的穩(wěn)態(tài)誤差消除越快。但過大易產(chǎn)生超調(diào)，甚至導(dǎo)致系統(tǒng)不穩(wěn)定。（3）微分部分微分部分只對動態(tài)特性起作用，對穩(wěn)態(tài)過程沒有影響，能夠反映輸入信號的變化趨勢，產(chǎn)生早期的修正作用。（2）積分部分從表達(dá)式能夠看出，只要存在偏差，積分作用會持續(xù)地累加。這三部分分別是：傳統(tǒng)PID控制系統(tǒng)主要由PID調(diào)節(jié)器和被控對象組成，：　 PID控制系統(tǒng)PID控制器是一種線性控制器，分為模擬式PID控制和數(shù)字PID控制。PID控制器是在連續(xù)系統(tǒng)控制技術(shù)中比較成熟且應(yīng)用較普遍的一種調(diào)節(jié)器。通過對二階系統(tǒng)的分析，采用機(jī)理建模的方法建立雙容水箱的二階慣性傳函的數(shù)學(xué)模型，并利用階躍響應(yīng)曲線法測定被控對象的相關(guān)參數(shù)?！挝幻}沖響應(yīng)曲線圖 階躍響應(yīng)法是幾個(gè)常見的系統(tǒng)參數(shù)辨識方法之一。通常選擇，這兩點(diǎn)進(jìn)行計(jì)算。本文中采用兩點(diǎn)法來確定控制系統(tǒng)的、等參數(shù)值，依據(jù)階躍響應(yīng)曲線毫無響應(yīng)的時(shí)間可以確定純延遲參數(shù)。因?yàn)檫^程的非線性，應(yīng)在階躍信號作正、反向變化時(shí)分別測取其響應(yīng)曲線。 （1）求純滯后時(shí)間：，即響應(yīng)曲線開始出現(xiàn)非零幅值的時(shí)間段。階躍響應(yīng)曲線可以相比較直觀明晰地描繪被控過程的動態(tài)特性。本論文中采用階躍響應(yīng)曲線法進(jìn)行參數(shù)確定:被控對象遭受擾動后，原先的平衡狀態(tài)就會被破壞，若不需要人為或其他控制裝置的外力作用，而是可以依托本身的平衡能力從新恢復(fù)平衡狀態(tài)，則說明系統(tǒng)具有自平衡能力。數(shù)學(xué)建模的方法有很多種，根據(jù)不同情況要求和被控對象的特征，采用不同的建模方法定量分析被控對象，要了解被控制對象有關(guān)信息并作出簡化，利用數(shù)學(xué)語言描述控制對象。這樣， 可以簡化被控對象的數(shù)學(xué)模型，有利于進(jìn)行控制策略的研究。該控制對象為SISO（單輸入單輸出）的二階慣性系統(tǒng)?；谙到y(tǒng)能模擬不同情況的對象的特性，采取典型有代表性的控制對象進(jìn)行研究，本文選取二階對象作為本文的控制對象。實(shí)驗(yàn)裝置中的對數(shù)閥需要進(jìn)行線性化近似處理，簡化被控過程，以減小不必要的系統(tǒng)誤差。使用三個(gè)漏水閥LV水槽中的水是用來供潛水泵使用，潛水泵抽出的水經(jīng)過兩個(gè)進(jìn)水閥門（）進(jìn)入容器T1和T3，這樣就構(gòu)成了一個(gè)閉合的回路。2　水箱液位控制系統(tǒng)結(jié)構(gòu)及其建?！∷湎到y(tǒng)的結(jié)構(gòu) 水箱液位控制系統(tǒng)主要由水箱主體、液位傳感器、抽水泵、數(shù)據(jù)采集卡及PC機(jī)構(gòu)成。模糊集合推理過程需要信息多，計(jì)算量大，容易出現(xiàn)不必要的麻煩。雙容水箱液位控制系統(tǒng)比較復(fù)雜，傳統(tǒng)PID控制器的控制效果不是很理想，往往會有較大的超調(diào)量和較大的穩(wěn)態(tài)誤差，而模糊控制有超調(diào)量較小、響應(yīng)速度快、魯棒性強(qiáng)等特點(diǎn)。DC或1～5V實(shí)驗(yàn)系統(tǒng)的執(zhí)行機(jī)構(gòu):是水箱的最高液位。水箱液位系統(tǒng)實(shí)驗(yàn)裝配的組件可以組合成不同的情況。在理論日臻完善的今天，可以將模糊控制盡可能的廣泛應(yīng)用于實(shí)際生產(chǎn)中，發(fā)揮模糊控制的更大的經(jīng)濟(jì)效益，提高產(chǎn)品的質(zhì)量、降低能耗、節(jié)約資源，從而實(shí)現(xiàn)生產(chǎn)過程和產(chǎn)品的智能化。當(dāng)然，模糊控制也有其缺陷：（1）模糊控制的設(shè)計(jì)尚缺乏系統(tǒng)性，難以建立一套系統(tǒng)的模糊控制理論。模糊控制是智能控制的一種較早的典型形式，是智能控制的一個(gè)重要分支。在許多情況中，復(fù)雜性會表現(xiàn)為很高的維數(shù)，但更多表現(xiàn)在： （1）被控對象模型的不確定性，這就很難用精確的數(shù)學(xué)模型來表示；新型的PID控制技術(shù)往往結(jié)合人工智能化的策略，以提高系統(tǒng)的自動化程度。最早的PID控制器的參數(shù)整定方法是在1942年由Ziegler和Nichols提出的簡稱ZN的整定公式[3]。雙容水箱系統(tǒng)作為過程控制的典型控制對象，在實(shí)際應(yīng)用中具有廣泛的應(yīng)用背景。因此，在實(shí)際生產(chǎn)過程中一旦遇到各種實(shí)際問題，就很難達(dá)到理想控制要求。智能控制理論中的模糊控制無需用精確數(shù)學(xué)模型來表示的