基于逆模型解耦的绿茶烘焙变论域模糊控制

合集下载

基于变论域模糊增量理论的质子交换膜燃料电池温度控制

基于变论域模糊增量理论的质子交换膜燃料电池温度控制

基于变论域模糊增量理论的质子交换膜燃料电池温度控制谢雨岑;邹见效;彭超【摘要】质子交换膜燃料电池(PEMFC)内部的电化学反应过程直接表现为温度的变化,所以有效的温度控制是保证燃料电池可靠性和耐久性的关键.本文将模糊增量控制用于PEMFC热管理系统中,将PEMFC的温度和电堆出入口温度差保持在设定值.首先,建立PEMFC热管理系统的动态模型,包括PEMFC电堆模型和辅助散热设备模型.然后,基于建立的系统模型,设计了一种变论域的模糊增量控制器.该控制器通过伸缩因子来动态调节模糊控制器中的量化因子和比例因子,实现对模糊论域的调节,从而提高控制的灵敏性和精确度.最后,将该温度控制方法用于10 kW燃料电池系统中,实验结果表明变论域模糊增量控制器相比于其他模糊控制方法,不仅具有更快的动态响应速度,还具有更强的鲁棒性和更高的控制精度.【期刊名称】《控制理论与应用》【年(卷),期】2019(036)003【总页数】8页(P428-435)【关键词】燃料电池;动态模型;温度控制;变论域模糊增量控制【作者】谢雨岑;邹见效;彭超【作者单位】电子科技大学自动化工程学院,四川成都611731;电子科技大学自动化工程学院,四川成都611731;电子科技大学自动化工程学院,四川成都611731【正文语种】中文1 引言燃料电池是一种直接将化学能转换为电能的装置,由于其清洁、无污染、能量效率高,被认为是新能源应用的重要方向[1–2].在众多燃料电池中,质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)以其工作温度低、结构紧凑、比能量高等突出特点,被认为是具有发展潜力的能源技术[3–4].近年来,PEMFC已被应用于分布式电站、备用电源、电动汽车等领域,成为了新能源领域的研究热点[5].实际应用中PEMFC存在负载动态变化、系统扰动等情况,由此引起的温度变化会影响其输出性能和使用寿命.因此,有效的热管理是保证燃料电池高性能、长寿命运行的关键.将PEMFC工作温度控制在设定值,避免过高温度造成质子交换膜的降解,较低温度导致电池性能的衰减[6].此外,考虑到燃料电池内温度分布的均匀性,避免燃料电池堆出入口温差过大对电堆性能的影响,还需要将PEMFC电堆出入口温差控制在一定的范围内[7].目前,已有学者对燃料电池的温度控制开展了研究,提出了一些控制方法,如比例积分(proportional integral,PI)控制[8]、状态反馈控制[9]、分段预测负反馈控制[10]、非线性前馈与线性二次型调节器(linear quadratic regulator,LQR)反馈控制[11]、广义预测控制[12]等.然而,燃料电池系统固有的非线性以及模型参数的不确定性,使这些控制方法存在局限性.特别是,当负载动态变化和系统参数摄动时,常规的控制策略会造成不可接受的闭环性能.模糊控制是一种基于语言规则的智能控制,它不依赖于精确的被控对象模型,具有结构简单、适应性好、鲁棒性强等优点,近年来被应用于燃料电池热管理系统中[13–14].然而现有的模糊温度控制器还存在一些不足.文献[13]中模糊控制器考虑了外部扰动,却未解决模糊控制器稳态精度较差的问题.文献[14]中增量型模糊控制器可以消除静态误差,但其控制精度却受控制规则数目的限制.所以,本文针对现有模糊控制器存在的不足,设计了变论域模糊增量控制器来实现燃料电池温度的无静差、高精度控制.将模糊增量控制器作为基本控制器,用来消除静差,实现温度的渐进稳定控制[15–16].在控制规则有限的情况下,通过伸缩因子对模糊论域进行收缩或膨胀,间接增加了控制规则数,从而达到提高控制精度的目的.此外,变论域模糊控制还可以加快系统在大误差范围时的动态响应速度,避免系统陷入小偏差范围内的调节死区,进一步提高控制系统的动静态性能和鲁棒性.本文提出了一种变论域模糊增量控制方法用于燃料电池的热管理系统中.首先,介绍PEMFC热管理系统,并在Simulink平台上建立简化的燃料电池热管理系统的动态模型,包括电池堆模型和辅助散热设备模型.然后,基于控制规则设计变论域的模糊增量控制器用于PEMFC温度和电堆出入口温差控制.最后,对设计的模糊控制器进行实验验证,并与其他模糊增量控制器进行性能比较.2 热管理系统描述PEMFC热管理系统结构如图1所示,该系统是由PEM燃料电池堆、水泵、带风扇的散热器、水箱以及相应的管道组成的.考虑到燃料电池堆内冷却水压的限制,将热管理系统中散热器置于电堆入口处,水泵置于电堆和散热器之间,从而避免电堆内水压过高而损坏燃料电池.图1 PEMFC热管理系统结构图Fig.1 The structure diagram of the PEMFC thermal management system在PEMFC电堆运行过程中,水泵驱动管道内的冷却水循环,使燃料电池堆内的温度分布趋于平衡,并将PEMFC电化学反应产生的热量从电堆内部带出到散热器处;散热风扇强制空气对流,从而将系统内多余的热量散出[17].由于电堆内水压的限制,系统中冷却水流速是有限的,冷却水流速的变化对PEMFC温度的影响也是有限的,所以散热器是PEMFC热管理系统的主要散热方式.本文中将冷却水流速和散热器处的空气流量作为控制量,通过调节冷却水流速来控制电堆出入口冷却水的温度差,通过调节散热器处的空气流量实现对PEMFC温度的控制.3 热管理系统模型为了简化热管理系统模型,忽略整个系统的热辐射和管道的散热,并假设每个子系统中冷却水温度是均匀的,则每个子系统的温度均可以采用集总参数法来表示.由于PEMFC电堆的热容很大,将电堆出口处冷却水温度近似为PEMFC电堆温度[14],将电堆出入口冷却水的温度差作为电堆温差[7].3.1 PEMFC电堆模型根据能量守恒定律建立PEMFC电堆的动态热模型,其能量组分包括:电化学反应的总功率tot,负载消耗的电功率Pst,阴阳极气体带入/带出的热功率gas,冷却水带走的热功率cl,以及电堆向外辐射的热功率amb[14].式中:mst是PEMFC电堆的质量,Cpst是电堆的比热容.电化学反应产生的总功率Pst可以表示为电池节数n,电堆电流Ist,法拉第常数F,以及氢的燃烧焓∆H的函数:PEMFC电堆的输出功率Pst是电堆电压Vst和电堆电流Ist的乘积.其中电堆电压可以由文献[18]中的电化学模型得到冷却水带走的热量表示如下:式中:Wcl是冷却水的质量流速,Cpcl是冷却水的比热容,Tst,in是电堆入口冷却水的温度,Tst是电堆出口冷却水温度,即电堆温度.循环冷却水是整个PEMFC系统主要的散热方式,约90%的余热是通过冷水排出的[8].因此,本文忽略系统热辐射amb和由气体带走的热量gas.3.2 水箱模型水箱在PEMFC热管理系统中用作存储冷却水的容器,进入水箱的冷却水温度被认为是PEMFC电堆温度Tst,将水箱出口的冷却水温度视为水箱温度Trv.式中:mrv是水箱的质量,Cprv是水箱的比热容,hrv是水箱自然热传导系数,Tamb 是环境温度.3.3 散热器模型散热器是PEMFC热管理系统中重要的散热部件,它通过风扇将电化学反应产生的大量热量散到周围环境中,其主要的热量交换包括:冷却水与散热器之间的热量交换,以及换热器与环境之间的热量交换.将进入散热器的冷却水温度看作是水箱的温度,将散热器出口的冷却水温度视为散热器温度[11],散热器模型可以表示为式中:Wair是空气的质量流速,Cpair是空气的比热容.散热器出口的空气温度Tra,air等于散热器出入口冷却水温度的平均值[18].4 变论域模糊增量控制器设计PEMFC是一个非线性、时变性、强耦合的复杂动态系统,其运行过程中存在大量随机干扰,例如负载电流、气体流量、气体压强、环境条件等,难以建立精确的热模型[1].模糊控制器不依赖于精确的被控对象模型,具有鲁棒性强、易于实现等优点,适用于PEMFC的热管理.本文基于模糊控制理论提出了一种变论域模糊增量控制器,用于将PEMFC电堆的工作温度稳定在340 K,将电堆出入口温度差稳定在6 K.该控制器可以看成是由伸缩因子模糊调整器和模糊增量控制器组成的,其基本原理如图2所示.增量型模糊控制器相当于PI控制器,可以消除常见模糊控制器存在的静态误差和振荡[16];变论域模糊控制器,通过对伸缩因子的调整来调节模糊控制器的论域,可以克服常见模糊控制规则有限和无积分环节等缺点[19].变论域模糊增量控制器兼具两种控制器的优点,可以实现对电堆温度、电堆出入口温度差的无静差[16]高精度控制.现以PEMFC 温度控制器为例说明变论域模糊增量控制器的设计过程.图2 变论域模糊增量控制器基本原理图Fig.2 The structure diagram of fuzzy incremental controller based on variable universe4.1 模糊增量控制器设计模糊增量控制器的两个输入量分别是:设定温度值与实际温度之间的误差e(k)=Tref(k)−T(k),误差变化率首先,通过数字采样(采样时间为Ts)获得精确的PEMFC电堆温度误差及误差变化率,将其分别通过量化因Ke,Kec转换为模糊语言值;再根据语言控制规则进行模糊推理,将控制量的模糊取值转换为精确的物理控制量,即散热器处的空气流量变化率∆u(k);最后,增量式模糊控制器的输出为散热器处的空气流量u(k)=u(k−1)+∆u(k).当PEMFC电堆温度高于设定值时,增加散热量以便将电池内更多的热量散出;反之,则要减小散热量.传统的PI控制器可以采用如下表示,其中Kp,Ki分别是比例系数和积分系数:对式(7)两边取采样时间的倒数,即有而增量式模糊控制器的输出为因此,增量式模糊控制器可以看作是一个PI控制器,当误差e(k)等于0时,控制量u(k)将不再变化.相比于一般模糊控制器,增量式模糊控制器可以改善控制器稳态精度.对模糊增量控制器的语言变量论域进行有效的划分,并设计合理的模糊控制规则.本文中控制器的输入量温度误差e(k)和温度误差变化率ec(k),输出量空气流量变化率∆u(k)的模糊论域范围均被设定为[−6,6].且模糊论域均被划分为7个模糊子集{NB,NM,NS,ZO,PS,PM,PB},分别表示为{负大,负中,负小,零,正小,正中,正大}[14].其中,考虑计算量和调整的方便性,这7个模糊子集的隶属度函数均采用三角型.为提高模糊控制器的控制性能,在[−6,6]的模糊论域内采用非均匀分布的隶属度函数,具体的隶属度函数曲线如图3所示.图3 e,ec和∆u的隶属度函数Fig.3 The membership degree functionofe,ecand∆u模糊控制规则是模糊控制器设计的重要部分,本文根据控制过程经验,按照AND–OR的逻辑推理,得到49条具有if-then表达形式的模糊规则,具体的模糊规则表[20]如表1所示.其中,当温度误差为负小或为零,且温度上升较快即负大或负中时,需要适当增大散热量;当温度误差为负大或负中,且温度下降很快即正大或正中时,不需调整散热;当温度误差为正大或正中时,且温度变化速率为零或正小时,需要减小散热. 表1 温度控制器的模糊规则表Table 1 Fuzzy control rules of temperature controller∆e e NBNMNSZO PS PM PB NBPBPB PB PB PM ZO ZO NMPBPB PB PB PM ZO ZO NSPMPM PM PM ZO NS NS ZOPMPMPS ZONSNMNM PS PSPS ZONMNMNMNM PMZOZONMNBNBNB NB PB ZOZONMNBNBNB NB由模糊控制规则完成模糊推理后,需要将获得的模糊集合转换成相应的能直接用于控制的精确输出量.本文采用计算方便且具有较高精度的重心法进行解模糊化,得到模糊控制器的精确控制量.4.2 变论域模糊控制设计由于常规模糊控制器的模糊论域是固定的,当被控对象存在不确定因素时,不能很好地适应情况的变化,难以获得预期的控制效果.变论域模糊控制器,根据实际控制误差,采用伸缩因子来调节模糊论域的范围,即误差变小时收缩论域,误差增大时扩大论域[19],实现了控制器的动态调节,具有更高的控制精度.变论域控制的关键在于确定适当的伸缩因子.基于函数模型的伸缩因子虽然构造简单,但控制效果受函数模型及其参数的影响,且单一模型形式难以精确表述论域的伸缩变化.而基于模糊推理的伸缩因子模型满足伸缩因子的对偶性、避零性、单调性、协调性和正规性[21],可以避免对伸缩因子函数模型及其参数的选择[22],且用模糊规则来表述论域伸缩变化规律可以实现对模糊论域的在线自动调整.因此,本文采用模糊推理来设计变论域控制器.本文设计的伸缩因子调整器是一个二维三输出的模糊控制器,输入为PEMFC温度误差e(k)和温度误差变化率ec(k),输出为温度误差论域的伸缩因子α1,误差变化率论域的伸缩因子α2和输出论域的伸缩因子β.将模糊控制器中温度误差e(k)和温度误差变化率e(kc)的量化因子Ke,Kec分别除以对应的伸缩因子α1,α2,将比例因子K∆u乘以相应的伸缩因子β,即可实现模糊控制器论域的收缩与膨胀[23].变论域模糊控制器的设计过程与模糊增量控制器一致,包括模糊化,模糊推理,模糊抉择和去模糊化.由于变论域模糊控制器的输入量与模糊增量控制器的一致,所以其输入量e(k)和ec(k)的模糊化、各变量的语言取值及其隶属函数的设定与模糊增量控制器相同,如图3所示.考虑伸缩因子的避零性和单调性,输出量伸缩因子α1和α2的模糊论域均被划分为4个模糊子集{B,M,S,Z},其峰值点对应的横坐标取值为{1,0.75,0.5,0.25},采用均匀分布的三角形隶属度函数,如图4所示;伸缩因子β的模糊论域被划分为4个模糊子集{B,M,S,Z},其峰值点对应的横坐标取值为{1,0.8333,0.6667,0.5},采用均匀分布的三角形隶属度函数,如图5所示.由图4和图5可以看出,不论伸缩因子如何变化,模糊控制器的论域始终不会超出初始论域范围[−6,6],即满足伸缩因子的协调性.图4 α1和α2的隶属度函数Fig.4 The membership degree functionofα1andα2图5 β的隶属度函数Fig.5 The membership degree function ofβ基于变论域理论,根据参考文献[21],可以得到伸缩因子α1,α2和β各自的模糊控制规则表.本文将3个伸缩因子的模糊控制规则表合并为一张,如表2所示.3个伸缩因子的模糊控制规则表均按照AND–OR的逻辑推理,且都含有49条具有if-then表达形式的模糊规则.具体的,当e(k)和ec(k)为PS,ZO或NS时,缩小伸缩因子α1和α2(即增大量化因子Ke和Kec),可以使模糊论域被映射到更大论域中,相当于间接增加了控制规则的数量,不仅提高了控制灵敏度及稳态精度,还可以提高响应速度.由表2可以看出基于模糊推理的伸缩因子满足对偶性和正规性.表2 伸缩因子α1,α2和β的模糊控制规则表Table 2 Fuzzy control rules of contraction-expansion factors∆e e NB NM NS ZO PS PM PB NB B/B/BB/B/B M/M/B M/M/M M/M/M B/B/M B/B/B NM B/B/M M/B/B M/M/MS/S/M M/M/S M/B/M B/B/M NS M/M/S S/S/M S/S/S Z/Z/S S/S/Z S/S/SM/M/S ZO S/M/Z S/S/S Z/Z/S Z/Z/Z Z/Z/Z S/S/Z S/M/S PS M/M/S S/S/M Z/Z/S Z/Z/Z S/S/Z S/S/S M/M/S PM B/B/M M/B/B M/M/M S/S/M M/M/S M/B/M B/B/M PB B/B/B B/B/B M/M/B M/M/M M/M/M B/B/M B/B/B模糊推理后需要选择适合的模糊判决方法进行解模糊化.重心法是基于模糊输出的标准权值分布进行估计输出的,可以产生平滑的输出曲面,具有较高的控制精度和计算方便性,因此变论域模糊控制器采用重心法进行解模糊化.4.3 控制器参数设计质子交换膜燃料电池是一个非线性、强耦合的复杂系统.电堆出入口温度差由冷却水流量来调节,电堆温度则受冷却水流量和散热空气流量的影响,所以燃料电池温度和电堆出入口温度差的调节容易出现耦合现象,导致调节时间变长.文献[8]提出,反馈回路设置不同的时间常数可以减少控制量之间的耦合性.本文将PEMFC电堆温度和出入口温度差的采样周期分别设为1 s和0.5 s,以此来最小化控制变量Tst和∆Tst之间的耦合关系.通过设计PEMFC温度控制器和温差控制器实现将电堆温度维持在340 K,将电堆出入口温差维持在6 K的控制目标.通常,燃料电池的运行温度一般在320~360 K之间,而本文的目标工作温度为340 K,由此得到温度控制器中温度误差e(k)的物理论域为[−20,20]K,量化因子Ke为0.3.通过电流阶跃实验得到PEMFC电堆温度的最大误差变化率为0.126 K/s,则ec(k)的物理论域为[−0.126,0.126]K/s,量化因子Kec为47.6.在燃料电池出入口温差控制中,目标温度差为6 K,设该控制器中的误差e(k)的范围为[−3,3]K,则量化因子Ke为2.通过电流阶跃实验得到燃料电池温度差的最大误差变化率ec(k)为0.052 K/s,则该控制器中的ec(k)物理论域为[−0.052,0.052]K/s,量化因子Kec为115.4.5 实验仿真与比较为了验证所设计的变论域模糊增量控制器的性能,在Simulink软件搭建了PEMFC 的热管理系统模型,并设计了两组仿真实验:一组用于研究所设计的控制器在负载电流扰动下的控制性能,另一组用于研究所设计控制器在PEMFC模型参数变化下的控制性能.此外,在本仿真算例中将模糊增量控制器,带积分的模糊增量控制器[16]作为对比方法,研究模糊增量控制在PEMFC热管理系统中的应用,并说明变论域模糊增量控制器的有效性.仿真模型中,PEMFC电堆是由126个单电池串联而成的10 kW水冷型电堆,且单电池的活化面积为232 cm2,电堆的热容mstCpst=72 kJ/K,水箱的热容为mrvCprv=9 kJ/K[14].为简化PEMFC的控制,假设膜的水含量λm为14,并保证阴阳极供气系统的稳定,阳极压强为2.9 atm,氢气过量比为1.5,阴极压强为3 atm,氧气过量比为2.5.1 电流扰动下的性能比较在PEMFC运用中,负载电流的变化会影响燃料电池内的电化学反应,从而影响PEMFC电堆温度和温差的变化.为研究所设计的模糊增量控制器的抗扰动能力,将负载电流的阶跃变化曲线作为外部扰动(如图6所示).图6 负载电流测试信号Fig.6 Load current test signal在模糊增量控制器的作用下,通过实时调节散热量来控制PEMFC的温度,调节冷却水流速来控制电堆的温差,相应的散热器处的风速如图7所示,冷却水流量如图8所示.由此可以得到模糊增量控制器作用下PEMFC电堆温度变化曲线(如图9所示)和PEMFC电堆出入口温差曲线(如图10所示).通过图9和图10可以看出,当负载电流阶跃变化时,三类模糊增量控制器均可以将PEMFC温度维持在340 K,且将PEMFC电堆出入口温差维持在6 K,调节时间不超过500 s.带积分的模糊增量控制器[14]通过增加积分器来消除静差,积分系数越大,系统响应得越快,但会存在超调.变论域的模糊增量控制器的控制效果明显优于另两种模糊增量控制器,在其控制作用下PEMFC温度和温差的变化范围均小于1 K,且当系统稳定后无静态误差.除更高的控制精度外,变论域的模糊增量控制器具有更快的动态响应速度,相比于一般模糊增量控制器调节时间缩短100 s,相比于带积分模糊增量控制器调节时间最少缩短50 s.图7 负载电流扰动下散热器风量Fig.7 Air flow rate under disturbance of load current图8 负载电流扰动下冷却水流量Fig.8 Cooling water flow rate under disturbance of load current图9 负载电流扰动下的温度曲线Fig.9 Temperature curve under disturbance of load current图10 负载电流扰动下的温差曲线Fig.10 Temperature difference curve under disturbance of load current5.2 参数变化下的性能比较PEMFC是一个非线性、时变性的复杂动态系统,模型参数存在由于环境因素和系统非线性特性引起的摄动,所以设计的温度控制器应具有良好的鲁棒性.为了研究所设计的模糊增量控制器在PEMFC模型参数变化下的控制性能,将电堆电流稳定在120 A,设定测试信号为:在1000 s时质子交换膜中的水含量由10阶跃到18[24];在2000 s到2080 s时环境温度由298 K变为302 K;在3000 s时PEMFC电堆入口冷却水温度由334 K变为334.5 K;在4000 s时电堆阴极压强由3 atm阶跃到5 atm.当PEMFC模型参数变化时,3类模糊增量控制器均可以将PEMFC温度和电堆温差稳定在设定值,电堆温度的动态变化曲线如图11所示.图11 系统参数变化下的温度曲线Fig.11 Temperature curve under under system parameter changes电堆出入口温差的动态变化过程如图12所示.通过仿真实验对比可以看出,本文所设计的变论域模糊增量控制器的动态调节速度更快,相比于一般模糊增量控制器调节时间至少可以缩短100 s,相比于带积分模糊增量控制器调节时间最少缩短50 s.变论域模糊增量控制器的控制精度更高,超调幅度明显小于另外两种模糊增量控制器,确保了燃料电池运行的可靠性.变论域模糊增量控制器跟随温度误差和误差变化率在线实时修正模糊控制器的参数,增强了模糊控制器的自适应能力,使控制器具有更好的动静态性能和更强的鲁棒性.图12 系统参数变化下的温差曲线Fig.12 Temperature difference curve under system parameter changes通过两组测试信号研究模糊增量控制器的抗干扰性和鲁棒性,变论域模糊增量控制器在系统超调、响应速度、稳态误差等方面都得到了提高,使系统的抗扰性和鲁棒性均优于另两种模糊增量控制器,能满足PEMFC系统的热管理需求.6 结论有效的热管理是保证质子交换膜燃料电池高可靠性、长寿命运行的关键.本文基于建立的PEMFC热管理系统动态模型设计了一种变论域模糊增量控制器,用于将PEMFC电堆温度维持在340 K,将电堆温差控制在6 K.该控制器基于模糊理论采用变论域控制器来获得伸缩因子,实现了对模糊增量控制器论域的实时动态调节.变论域控制器改变了模糊增量控制器单一论域反复调节的方式,通过伸缩因子实现了模糊增量控制器论域的伸缩变化,局部细化了控制规则,从而提高了控制的精度和系统的响应速度.通过两组仿真实验可以看出当负载电流和PEMFC模型参数变化时,基于变论域的模糊增量控制器相比于其他模糊增量控制方法,调整时间最少缩短了50 s,具有更快的动态响应速度;控制精度明显提高,具有更强的鲁棒性和自适应性能. 参考文献:【相关文献】[1]JIAO K,NI M.Challenges and opportunities in modelling of proton exchange membrane fuel cells(PEMFC).International Journal of Energy Research,2017,41(13):1–5.[2]RAHGOSHAY S M,RANJBAR A A,RAMIAR A,et al.Thermal investigation of a PEM Fuel Cell with cooling flow field.Energy,2017,134(1):61–73.[3]ANDREASEN K P,SOVACOOL B K.Hydrogen technological innovation systems in practice:comparing Danish and American approaches to fuel cell development.Journal of Cleaner Production,2017,94(1):359–368.[4]GAO F,BLUNIER B,MIRAOUI A,et al.A multiphysic dynamic 1-D model of a proton-exchange-membrane fuel-cell stack for realtime simulation.IEEE Transactions on Industrial Electronics,2010,57(6):1853–1864.[5]GARRAIN D,LECHON Y,RUA C D L.Polymer electrolyte membrane fuel cells(PEMFC)in automotive applications:environmental relevance of the manufacturing stage.SmartGrid&Renewable Energy,2011,2(2):68–74.[6]NOLAN J,KOLODZIEJ J.Modeling of an automotive fuel cell thermal system.Journal ofPower Sources,2010,195(15):4743–4752.[7]GUO A,CHEN W,LIU Z,et al.Tempreture model and predictive control for fuel cells in switcher locomotive.The 35th Chinese ControlConference(CCC).Chengdu:IEEE,2016,7:1934–1768.[8]AHN J W,CHOE S Y.Coolant controls of a PEM fuel cell system.Journal of Power Sources,2008,179(1):252–264.[9]LISO V,NIELSEN M P,KAR S K,et al.Thermal modeling and temperature control of a PEM fuel cell system for forklift applications.International Journal of HydrogenEnergy,2014,39(16):8410–8420.[10]YOU Z,XU T,LIU Z,et al.Study on air-cooled self-humidifying PEMFC control method based on segmented predict negative feedback control.ElectrochimicaActa,2014,132(19):389–396.[11]CHENG S,FANG C,XU L,et al.Model-based temperature regulation of a PEM fuel cell system on a city bus.International Journal of Hydrogen Energy,2015,40(39):13566–13575.[12]POHJORANTA A,HALINEN M,PENNANEN J,et al.Model predictive control of the solid oxide fuel cell stack temperature with models based on experimental data.Journal of Power Sources,2015,277(3):239–250.[13]WANG Y,QIN F,OU K,et al.Temperature control for a polymer electrolyte membrane fuel cell by using fuzzy rule.IEEE Transactions on Energy Conversion,2016,31(2):1–9. [14]HU P,CAO G,ZHU X,et al.Coolant circuit modeling and temperature fuzzy control of proton exchange membrane fuel cells.International Journal of HydrogenEnergy,2010,35(17):9110–9123.[15]WANG Guangjun,SHEN Shuguang,PENG Xiaoyan.A fuzzy increment control method of delay system and its application.Proceedings of the CSEE,2006,26(19):93–96.(王广军,沈曙光,彭晓艳.延迟系统的一种模糊增量控制方法及应用.中国电机工程学报,2006,26(19):93–96.) [16]LU Zhaomei,YU Yuehai.Polynomial reset incremental fuzzy controller.Journal of Southeast University,1991,29(1):49–53.(路兆梅,于跃海.多项式重置增量型模糊控制器.东南大学学报(自然科学版),1999,29(1):49–53.)[17]GU Jing,LU Languang,OUYANG Minggao.Thermal management subsystem model and temperature control for fuel cells.Journal of Tsinghua University,2007,47(11):2036–2039.(谷靖,卢兰光,欧阳明高.燃料电池系统热管理子系统建模与温度控制.清华大学学报(自然科学版),2007,47(11):2036–2039.)[18]ZHAO X,LI Y,LIU Z,et al.Thermal management system modeling of a water-cooled proton exchange membrane fuel cell.International Journal of HydrogenEnergy,2015,40(7):3048–3056.[19]LI Hongxing.Variable universe adaptive fuzzy controller.Science China(SeriesE),1999,29(1):32–42.(李洪兴.变论域自适应模糊控制器.中国科学(E辑),1999,29(1):32–42.)。

基于T-S模糊模型的模型参考自适应逆控制

基于T-S模糊模型的模型参考自适应逆控制

基于T-S模糊模型的模型参考自适应逆控制刘福才;刘砚;窦金梅;张艳欣【摘要】针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法.所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合.首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型.将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节.用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小.最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性.【期刊名称】《系统工程与电子技术》【年(卷),期】2013(035)009【总页数】8页(P1940-1947)【关键词】T-S模糊模型;模型参考自适应逆控制;扰动消除;最小均方差滤波算法【作者】刘福才;刘砚;窦金梅;张艳欣【作者单位】燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004;燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004;燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004;燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004【正文语种】中文【中图分类】TP130 引言文献[1]提出的自适应逆控制不同于以往给出的自适应控制方式和传统反馈控制,而是借助于自适应滤波技术建立起来的一种控制方式——自适应逆控制,这种控制方法容易应用和理解。

其基本思想是用非线性对象传递函数的逆作为控制器去驱动对象,若对象是未知的,就必须先辨识出对象的逆。

由此可见,自适应逆控制本质上是一种开环控制,避免了因传统的反馈可能引起的不稳定问题。

铁观音茶烘焙机温度小超调模糊-PID控制

铁观音茶烘焙机温度小超调模糊-PID控制

ie h at sc f ma vr ot f t # a o dso l i m dgo b s es da c a c r t s l oe ho, a l r e i os l s i s r t na rc m n t ea odr ut s. e i n ht i g i n b o n
当温度远低于给定值时使用模糊控 制 , 控制器工作 在非线性区, 加热器 以最大效能工作以减少加温时间 , 待温度接近稳定温度时逐渐减小控制量, 防止系统 在切换后产生较大超调量. 当温度与稳定温度相差小于 5℃时, 切换到 PD控制 , I 使控制器工作在线性区 , 减小稳态误差 , 提高系统稳定性及抗扰动能力. ’
Re u t h w h t e c n rls s m f c v o tol g t ep a t t l t v r b e ih y c u ln ,ln ・ e d t d h s l s o st a o t y t i e e t e i c n rli l h mu i a i l ,hg l - o p i g o g d a - me a a h t o e s i n n h n w i — a i n s
省高等学校新世纪优秀人才支持计划项 目( 闲教科[072 20 ]0号) . 作者简介 : 林荣川 (98 , , 16 一) 男 副教 授 , 士. 究 方 向: 电液一体 化及 过 程控 制. mi r ghaci @s acr 通讯 作 者林 河通 硕 研 机 E a : ncunh a i .o ・ lo n n n (97一 , 教授 , 士, 士生导师. 16 ) 男, 博 博 研究方 向: 农产品加工及贮藏工程. mi ht gn 6・o ・ E a :e nl@13 c l o i n r

基于PLC的过程控制实验装置温度模糊PID控制

基于PLC的过程控制实验装置温度模糊PID控制

基于PLC的过程控制实验装置温度模糊PID控制陶 权,谢 彤(广西工业职业技术学院,广西 南宁 530003)摘 要:本文介绍了用S7-200实现过程控制系统实验装置中锅炉夹套的温度模糊控制设计思想,对模糊PID控制的结构、模糊PID控制器的设计、模糊PID控制的PLC实现进行了分析,文中详细介绍了模糊控制器程序的编写方法,结果表明,用PLC 实现的模糊控制器简单实用。

关键词:过程控制系统实验装置;模糊PID;PLC中图分类号:TP273 文献标识码:B 文章编号:1003-7241(2010)10-0022-05T emperature Fuzzy PID Control in the Process ControlExperimental Device Based on PLCTAO Quan, XIE Tong( Guangxi V ocational & Technical Institute of Industry, Nanning 530003 China )Abstract: This article describes design concept of realizing temperature fuzzy control for boiler jackets in the process control system experimental device by using S7-200, in which the structure of fuzzy PID control, fuzzy PID controller designing and PLC implementation of fuzzy PID control are analyzed,and the fuzzy controller programming is also introduced in detail. Results show that the fuzzy controllers consist of PLC are both simple and practical.Key words: process control system experimental device; Fuzzy-PID; PLC1 引言本校自动化实验室采用的“THJ-3型高级过程控制系统实验装置”是基于工业过程的物理模拟对象系统,该系统包括流量、温度、液位、压力等热工参数,可实现系统参数辨识,单回路控制,串级控制,前馈—反馈控制,比值控制,解耦控制等多种控制形式。

基于变论域模糊PID算法的MOCVD温升控制

基于变论域模糊PID算法的MOCVD温升控制
制 的整 体 性 能 。
关键词 : MO C V D 系统 , 变论 域 , 模 s pa pe r i n t r odu c es t h e f u z z y c on t r ol me t h o d b as e d on v ar i ab l e u n i v er s e i dea , wh i c h i s u s ed i n t h e t e m pe r a t u r e co n - t r o l of MO CVD s y s t e m. Th i s co n t r ol l er i n cl u des t wo f u z z y co n t r ol l e r s , an d o n e i s u se d t o c on t r ol t h e u ni v er s e o f i n pu t s an d o u t pu t s, t h e o t h e r i s u s e d t o co n t r ol t h e t e m pe r a t u r e o f t h e wh ol e sy s t e m. By u s i n g t hi s me t h o d, t h e p er f o r man ce o f t h e s i mu— l a t i on s y s t em ha s i mpr o v ed.
基 于变 论 域 模 糊 P I D算 法 的 MOC V D 温升 控 制
基于变论域模糊 P I D算法的 MO C V D温升控制
T e mp e r a t u r e Co n t r o l o f MOCVD Ba s e d o n V a r i a b l e Un i v e r s e F u z z y — - PI D Al go r i t h m

变频调速的控制方式

变频调速的控制方式
5)矩阵式交—交方式 VVVF变频、矢量控制 变频、直接转矩控制变频都是交—直—交变频控制 方式中的一种。其共同缺点是输入功率因数低,谐 波电流大,直流回路需要大的储能电容,再生能量 又不能反馈回电网,即不能进行四象限运行。为此, 矩阵式交—交变频应运而生。由于矩阵式交—交变 频省去了中间直流环节,从而省去了体积大、价格 贵的电解电容。它能实现功率因数为1,输入电流为 正弦且能四象限运行,系统的功率密度大。该技术 目前尚未成熟,仍吸引着众多的学者深入研究。其 实质不是间接的控制电流、磁链等量,而是靠把转 矩直接作为被控量来实现的。具体方法如下:
4)直接转矩控制(DTC控制) 直接转矩控制是 把电动机和逆变器看成一个整体,采用空间电压矢 量分析方法在定子坐标系进行磁通、转矩计算,通 过跟踪型 PWM 逆变器的开关状态直接控制转矩。因 此,无需对定子电流进行解耦,免去矢量变换的复
杂计算,控制结构简单。该技术在很大程度上弥补 了矢量控制的不足,并以新颖的控制思想,简洁明 了的系统结构,优良的动静态性能得到了迅速发展。 目前,该技术已成功地应用在电力机车牵引的大功 率交流传动上。
直接转矩控制它以测量电动机电流和直流电压 作为自适应电动机模型的输入。该模型每隔25 μs 产生一组精确的转矩和磁通实际值,转矩比较器和 磁通比较器将转矩和磁通的实际值与转矩和磁通的 给定值进行比较获得最佳开关位置。由此可以看出 它是通过对转矩和磁通的测量,即刻调整逆变电路 的开关状态,进而调整电动机的转矩和磁通,以达 到精确控制的目的。
7)其他非智能控制方式 在实际应用中,还有 一些非智能控制方式在变频电源的控制中得以实现, 例如自适应控制、滑模变结构控制、差频控制、环 流控制、频率控制等。
2.智能控制方式 1)神经网络控制 神经网络控制方式应用在变 频电源的控制中,一般是用于比较复杂的系统控制, 这时对于系统的模型了解甚少,因此神经网络既要 完成系统辨识的功能,又要进行控制。而且神经网 络控制方式可以同时控制多个变频电源,因此神经 网络在多个变频电源级联时进行控制比较适合。但 是神经网络的层数太多或者算法过于复杂都会在具 体应用中带来不少实际困难。

自适应模糊PID控制在茶叶杀青机中的应用

自适应模糊PID控制在茶叶杀青机中的应用

1 . 驱动装置
2 . 料斗
3 . 主动托辊
4 . 前支架
5 . 远红外辐射器
6 . 后支架
7 . 辅助托辊
8 . 滚筒
9 . 红外测温器
1 O . 出料 口
图1 滚筒式远红外茶叶杀青机结构简图
Fi g . 1 Ro l l e r -t y p e f a r i n f r a r e d ma c h i n e f o r g r e e n r e mo v i n g o f t e a d i a ra g m
滚 筒 两端分 别 支 承 在 主 动 托辊 和辅 助 托 辊 上 , 驱
动装置通过主动托辊驱动简体旋转 , 滚筒 内的茶 叶在 筒壁摩擦力和拨板 的作用下被提升到一定 高度 , 然后 向斜上方抛 出, 越 过远红外辐射器后落到滚筒 内壁 的 另一侧 ( 如图2 所示 ) , 如此反复循环 。由于滚筒倾斜
关键词 :茶 叶杀青机 ;自适 应 :模糊 P I D控制 ;滚筒式 ;远红外 中图分类号 :T P 2 7 3 3; S 1 2 6 文献标识 码 :A 文章编号 :1 0 0 3 — 1 8 8 X( 2 0 1 3) 0 2 — 0 2 0 1 — 0 4
0 引 言
杀青 是 制 备绿 茶 的第 一 道 工 序 , 其 目的是 通 过 高 温 破 坏 和钝 化 鲜 叶 中的 氧 化 酶 活 性 , 抑 制 鲜 叶 中 的茶
碳 或柴 禾 , 加 热 方 式 落 后 加 热 温 度 难 以控 制 , 效 果 不 够理想 , 易 出现蕉 叶或糊 叶 等 。 远 红 外 辐 射 干燥 是 近些 年 比较 流 行 的一 种 干 燥 方 式 , 其 辐 射加 热是 以

模糊控制器设计及其优化研究

模糊控制器设计及其优化研究

TITAE = ∫0 t e ( t ) dt + ∫0 kE ( t ) dt =∫0 t e ( t ) + kE ( t ) dt (1)
其中,t 为迭代步骤; e ( t ) 为迭代过程中的误差;
E (t ) ∈ e (t ) e (t ) > 0 ; k =
ts
ts
ts
{
}
Ku 为加权系数;ts 为仿 K c K ec
150
中国设备工程 2016.12( 下 )
中国 设备 Engineering 工程
ቤተ መጻሕፍቲ ባይዱ
hina C Plant
提高模糊控制收敛的目的。
2 基于 PSO 的模糊控制器仿真
2.1 仿真结构设计
开始 产生粒子群 粒子依次赋值
= c= 2.05 。 为 100,最大迭代数设计为 100, c 1 2 两种模糊控制器作用下的阶跃响应曲线仿真结 果如图 3 所示。
1 基于 PSO 的模糊控制算法设计
1.1 算法设计思路 针对模糊控制器设计完成之后,难根据实际情 况调节控制的问题,本文主要采用粒子群算法与模 糊 控 制 器 的 结 合, 来 实 现 模 糊 控 制 器 中 量 化 因 子
K e、K ec 和比例因子 K u 三个参数的调节,以取得更好
的控制修改。 粒子群优化算法 (Particle Swarm Optimization, PSO)是 Kennedy 在鸟类捕食活动规律的启发下所 提出来的一种仿生物智慧概念算法。PSO 算法将一 组随机解作为系统的初始解,通过不断的迭代来获 得问题的最优解或较优解。与同样采用迭代的遗传 算法相比,PSO 算法不需要很多参数的调整,其算 法及其实现更加简单,是一个很好的多重最优解问 题解决方法。 1.2 参数调整原则 模糊控制器中作为输入变量的量化因子具有量 化效应,而作为输出的比例因子只有比例作用。模 糊控制器中量化因子 K e、K ec 和比例因子 K u 的大小对 模糊控制系统的动态性能有很大的影响,其影响具 体表现在如下几个方面。 (1)当 K e 较大时,系统超调较大,导致控制 系统的过渡过程较长。 (2)当 K ec 较大时,会减少系统的超调量,降

第三章、模糊控制系统

第三章、模糊控制系统
0.1 0.6 0.7 0.2 V= 例: % 3 + 4 + 5 + 6
精确量(V0)
∴V0 = 5
当论域V中,其最大隶属度函数对应的输出值多于一个时, 简单取最大隶属度输出的平均即可:
即:当有(v1) µ 2)= L =µc (vJ ) 最大时 µ = (v
1 J 取v0 = ∑ v j J j =1
U 1 , U 2 , L ,U n :输出论域上模糊子集
总的模糊关系: R( 其中:
e , de , u ) = U Ri
n
当ki 取µv (vi )时
重心法
模糊化计算的其它方法:左取大、右取大等。
第二节:模糊控制系统的设计 一、模糊控制器的结构设计 模糊控制器的结构设计包括:输入输出变量选择、模糊化 算法、模糊推理规则和精确化计算方法。 一维模糊控制器 被控对象 输入输出 (按模糊控制器输入变量个数) 变量 多输入多输出 单输入单输出 二维模糊控制器 多维模糊控制器
例:x分成三档(NB、ZE、PB); y y分成两档(NB、PB); 模糊分区形式:
PB NB 0 NB ZE
R1
R2 R4
R3
PB 24
问:在此分档情况下,最大规则数为多少?
x
2 规则库 用一系列模糊条件描述的模糊控制规则就构成模糊控制规则库。 建立 规则库 选择输入变量和输出变量 建立规则(完备性、交叉性、一致性)
完备性:对于任意给定的输入均有相应的控制规则起作用。 交叉性:控制器的输出值总由数条规则来决定。 一致性:规则中不存在相互矛盾的规则。
模糊控制规则建立方法 1)专家经验法: 通过对专家控制经验的咨询形成控制规则库。 实质:通过语言条件语句来模拟人类的控制行为。

模糊控制ppt课件

模糊控制ppt课件

糊控制的维数。
可编辑课件PPT
10
(1)一维模糊控制器 如图所示,一维模糊控制器的 输入变量往往选择为受控量和输入给定的偏差量E。由 于仅仅采用偏差值,很难反映过程的动态特性品质, 因此,所能获得的系统动态性能是不能令人满意的。 这种一维模糊控制器往往被用于一阶被控对象。
可编辑课件PPT
11
(2)二维模糊控制器 如图所示,二维模糊控 制器的两个输入变量基本上都选用受控变量和 输入给定的偏差E和偏差变化EC,由于它们能 够较严格地反映受控过程中输出变量的动态特 性,因此,在控制效果上要比一维控制器好得 多,也是目前采用较广泛的一类模糊控制器。
可编辑课件PPT
8
综上所述, 推理结果的获得,表示模糊控制的规 则推理功能已经完成。但所获得的结果仍是一个模 糊矢量,不能直接用来作为控制量,还必须作一次 转换,求得清晰的控制量输出,即为解模糊。 至 此 , 模糊控制器实际上就是依靠微机(或单片机)来 构成的。它的绝大部分功能都是由计算机程序来完 成的。随着专用模糊芯片的研究和开发,也可以由 硬件逐步取代各组成单元的软件功能。
7
3. 推理与解模糊接口
推理是模糊控制器中,根据输入模糊量,由模 糊控制规则完成模糊推理来求解模糊关系方程,并 获得模糊控制量的功能部分。在模糊控制中,考虑 到推理时间,通常采用运算较简单的推理方法。最
基本的有Zadeh近似推理,它包含有正向推理和逆 向推理两类。正向推理常被用于模糊控制中,而逆 向推理一般用于知识工程学领域的专家系统中。
系统的指令信号为恒定值,通过模糊控制器消除外界 对系统的扰动作用,使系统的输出跟踪输入的恒定值。 也称为“自镇定模糊控制系统”,如温度模糊控制系统。 (2)随动模糊控制系统
系统的指令信号为时间函数,要求系统的输出高精度 、快速地跟踪系统输入。也称为“模糊控制跟踪系统”或“ 模糊控制伺服系统”。

基于模糊自适应的反馈控制方法

基于模糊自适应的反馈控制方法

基于模糊自适应的反馈控制方法基于模糊自适应的反馈控制方法导言:在控制系统中,反馈控制是一种常用的控制方法,它通过不断监测系统输出信号与期望输出信号之间的差异,并将其作为控制器的输入,以调节系统的行为。

然而,由于实际系统存在不确定性和非线性等问题,传统的反馈控制方法往往难以获得良好的控制效果。

为了解决这一问题,基于模糊自适应的反馈控制方法应运而生,它能够根据系统的实际情况自动调整控制器的参数,从而提高系统的鲁棒性和性能。

正文:1. 模糊控制的基本原理:模糊控制是一种基于模糊逻辑的控制方法,它通过模糊化输入和输出变量,并利用模糊规则库来实现控制策略的制定。

模糊控制器通常包括模糊化模块、模糊推理模块和解模糊化模块。

模糊化模块将输入变量映射到模糊集合上,模糊推理模块根据模糊规则库进行推理,生成模糊输出,解模糊化模块将模糊输出映射到实际的控制量上。

2. 自适应控制的基本原理:自适应控制是一种根据系统的实时信息来调整控制器参数的方法。

它通过不断地观测和估计系统的状态和参数,使用合适的自适应算法来更新控制器的参数,以使系统能够在不确定性环境下获得良好的控制性能。

3. 基于模糊自适应的反馈控制方法:基于模糊自适应的反馈控制方法将模糊控制和自适应控制相结合,利用模糊控制器的灵活性和自适应控制器的鲁棒性,实现对系统的精确控制。

该方法的基本思路是:首先,通过模糊化输入和输出变量,构建模糊规则库,确定模糊控制器的初始参数。

然后,利用模糊控制器来控制系统的行为,并通过反馈信号来不断地优化模糊控制器的参数。

具体而言,反馈信号会根据系统的实际输出与期望输出之间的差异来调整控制器的输出,使系统逐渐趋向期望状态。

同时,利用自适应控制的方法,根据系统的状态和参数变化,自动调整模糊控制器的参数,以提高系统的控制性能。

通过不断地迭代优化,模糊自适应控制器能够逐步逼近最优解,从而实现对系统的良好控制。

4. 优势和应用:相比传统的反馈控制方法,基于模糊自适应的反馈控制方法具有以下优势:- 系统鲁棒性强:能够应对系统的不确定性和非线性特性,具有较强的适应能力;- 控制性能好:能够根据系统的实际情况自动调整控制器的参数,使系统能够在不同工况下保持良好的控制性能;- 易于实现和调试:模糊控制器的设计和调试相对简单,能够快速应用于实际系统。

基于C-R模糊模型PID控制及在过热汽温系统中的应用

基于C-R模糊模型PID控制及在过热汽温系统中的应用
Y£ b o . 1 {

递 推 辨识算 法 的有 效 性 ,而且 实 现 了用 较 少 的模
糊 规则 表示 高 度 复 杂 的非 线 性 系 统 ,还 可 利 用 系 统 的输人 输 出 数 据定 量 提 取 系 统 的定 性 知 识 。文 献 [ ]在 C—R模 型 的基础 上 实 现 了非 线性 系 统 5
调节 通道 的纯 延迟 也会 改变 … 。
C—R模 糊 阶跃模 型结 构 是 C—R模 糊 模 型 的
PD控制 器 结 构 简 单 ,物 理 意 义 明确 ,能 满 另 一 种 结 构 形 式 ,由 C —R模 糊 模 型 转 换 而 来 , I 足 大量 工 业 过 程 的 要 求 。但 对 于 上 述 复 杂 过 程 , 其 与 阶跃模 型 具 有 相 似 结 构 。转 换 过 程 主要 有 以 常规 的 PD控 制方 式 难 以取 得较 好 的控 制效 果 。 I 近年来 ,模 糊 建 模 方 法受 到工 程 和 学 术 界 的
行 研究 仿 真 ,取得 了较 好 的控制 效果 。
济运 行有 重 大 的影 响。 因 此 必 须 将 过 热 蒸 汽 温 度 严格 控制 在 给定 值 附近 。 而 主 汽 温 控 制 对 象 不 仅
1 基 于 C —R模 糊 模 型 的 P D控 制原 理 I
具有 纯延 迟 ,而且 模型 不确 定 ,机 组 工况 变 化 时 , 1 1 C—R 模 糊 阶跃模 型结 构 .
() 8
a =∑ I :
1, N , …, 2
() 2
K 。=∑u b
f =1
根据 结构相 似性 ,通 过式 ( ) 可 以得 到 C— 3 R模糊 阶跃 响应模 型参 数为

桥式卸船机的抓斗定位与防摆技术综述

桥式卸船机的抓斗定位与防摆技术综述

(课程大作业)桥式卸船机抓斗摇摆控制技术综述学院:物流工程学院专业:物流技术与装备姓名:林龙(1049721102719)指导老师:胡吉全教授2012年5月摘要:本文主要对国内外桥式卸船机的抓斗摇摆控制相关技术作了一个综合性的介绍,并在查阅国内桥式抓斗卸船机止摆技术相关文献的基础上,介绍了一种国内前沿桥式卸船机抓斗的防摆电子控制方法:为实现对小车的位置和抓斗的摆动分别控制而设计了两个控制回路,其中一个回路采用常规PID算法调节小车位置和速度,另一个回路利用模糊逻辑控制器来消除抓斗的摆动。

关键词:桥式卸船机;抓斗摇摆控制技术;双回路控制技术1引言目前,桥式抓斗卸船机被广泛用于散货码头的生产作业中。

然而桥式抓斗卸船机的小车与抓斗之间采用钢丝绳连接,在卸船机的工作过程中,由于小车的加减速的抓斗的提升动作及风、摩擦等扰动引起抓斗的来回摆动,严重影响了生产作业效率的提高。

因此迫切需要实现卸船机作业的自动控制,提高作业效率。

近年来对卸船机的自动作业系统的研究引起了人们很大的兴趣。

自动控制系统的核心问题,很多学者在此方面作了大量的研究,诸如最优控制、增益调节、自适应控制、状态反馈等,这些经典或现代控制方法都依赖于卸船机系统的数学模型。

控制系统的状态向量的选择及初始状态都对控制性能有很大的影响;此外,利用经典控制方法,由于负载质量的变化使得系统的鲁棒性得不到保证,同时由于小车-抓斗系统的数学模型且能适应不确定性的智能控制等可以被应用到此类控制中。

本文将综合介绍国内外对桥式卸船机的抓斗防摆研究现状、研究难点,并介绍国内部分桥式卸船机的抓斗摇摆控制前沿技术。

2国内外研究现状目前起重机的摇摆控制主要包括机械控制和电子控制两种。

机械摇摆控制主要通过机械手段消耗摇摆能量进而消除摇摆,是一种被动控制方式。

这种方式耗时长、结构复杂、可靠性差,而且减摇效果与司机操作经验有很大关系,限制了起重机工作效率的提高。

电子摇摆控制是一种主动控制方式,它将摇摆控制和小车运行控制结合考虑,不依赖于司机的操作经验,是该领域研究热点。

模糊控制PPT课件

模糊控制PPT课件
应用。
其他领域
如农业、医疗、环保等 领域的智能化控制。
模糊控制基本原理
01
02
03
04
模糊化
将输入变量的精确值转换为模 糊语言变量的过程,通过隶属
度函数实现。
模糊推理
根据模糊控制规则和当前输入 变量的模糊值,推导出输出变
量的模糊值。
去模糊化
将输出变量的模糊值转换为精 确值的过程,通过去隶属度函
数实现。
基于仿真实验的分析方法
通过搭建模糊控制系统的仿真模型,模拟系统的运行过程并观察其输出响应。根据输出响应的变化情况 来判断系统的稳定性。这种方法可以直观地展示系统的动态特性,但需要消耗较多的计算资源。
提高模糊控制系统稳定性措施
要点一
优化模糊控制规则
通过调整模糊控制规则中的参数和隶 属度函数形状,可以改善系统的控制 性能并提高稳定性。例如,增加控制 规则的数量、调整隶属度函数的分布 等。
借鉴物理退火过程,避免陷入局部最优解。
05
模糊控制系统稳定性分析
稳定性概念及判定方法介绍
稳定性概念
指系统受到扰动后,能够恢复到原来平衡状态的能力。对于模糊控制系统而言,稳定性是评价其性能的重要指标 之一。
判定方法
包括时域法、频域法和李雅普诺夫法等。其中,时域法通过观察系统状态随时间的变化来判断稳定性;频域法通 过分析系统频率响应特性来评估稳定性;李雅普诺夫法则是基于能量函数的概念,通过构造合适的李雅普诺夫函 数来判断系统的稳定性。
化工生产过程控制
采用模糊控制方法对化工生产过程 中的反应温度、压力、流量等参数 进行精确控制,确保生产安全和产 品质量。
智能交通系统领域应用案例
城市交通信号控制
运用模糊控制理论对城市交通信 号灯的配时方案进行优化设计, 提高道路通行效率和交通安全水

文献翻译-基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制

文献翻译-基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制

英文翻译系别专业班级学生姓名学号指导教师Multivariable decoupling control based on fuzzy-neural network Abstract: This paper proposes a nonlinear multivariable decoupling control strategy based on fuzzy-neural networkαth-order inverse method that combines inverse system theory with fuzzy-neural network for fermentation process. Anonlinear inverse model is developed based on the reversibility analysis of the process model. A fuzzy-neural networkαth-order inverse system is then constructed, which is cascaded with this process to transform the original nonlinear systemto a pseudo-linear system. Finally, an expert controller is used to closed-loop synthesis. The effectiveness of the presented method is illustrated by a simulation experiment.Key words: bioprocesses; fuzzy-neural network; inverse system method; decoupling control; expert controllerCLC number: TP273 Document code: A1 IntroductionBioprocess is a nonlinear multivariable coupling system for involving complex factors such as microbial cells growth, metabolism and so on Decoupling control of this nonlinear multivariable system is a research topic of both theoretical and practical importance. Among these nonlinear system theories, the inverse system method is verified to be powerful .Unfortunately, this method is based on an exact mathematical model of the plant, which is impossible to obtain in bioprocess. To adopt the inverse system method in bioprocess, it is required to identify the structure of the αth-order inverse system without exact knowledge of mathematical model of the system model Among these identification methods, fuzzy-neural network, which possesses merits of both fuzzy logic and neural network, has proved to be more powerful and has been widely used in practical engineering This paper presents a multivariable decoupling control method based on fuzzy-neural network αth-order inverse system for fermentation process. Through analyzing the reversibility of the system model, a fuzzy neur al network αth-order inverse system is built, which is placed in series with the original fermentation system to transform it to three pseudo-linear composite subsystems. Finally, an expert PID controller strategy is given for closed-loop synthesis. An experiment is preformed to verify the effectiveness of our method..基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制摘要:将逆系统方法与模糊神经网络相结合,提出一种基于模糊神经网络α阶逆系统的发酵过程解耦控制方法。

变论域自适应模糊PID控制器设计

变论域自适应模糊PID控制器设计

变论域自适应模糊PID控制器设计作者:杨幸来源:《科学与财富》2017年第02期摘要:从一类大时滞、时变系统来讲,本文主要提出了在变论域模糊控制的基本理论常识进行研究,并对对自适应模糊PID控制器控制的手段进行了分析,相关研究人员将常规模糊IPD控制器和有关变论域模糊控制器所具有的优势有机的结合起来,利用论域对模糊PID控制器的有关参数加以调整,有着显著的效果,并发挥出自身的作用。

经过相关仿真结果很好的说明该方式具有可推广性。

关键词:变论域;模糊PID控制器;设计1 变论域模糊IPO控制1.1 变论域模糊控制原理基于变论域的模糊控制器是一种自适应模糊控制器。

这种可变论域的模糊控制器以论域的变化应以误差的变化,设计无需太多的领域专家知识,只要知道规则的大致趋势。

论域划分、隶属函数形状,在论域伸缩之下,也并不显得重要。

1.2 变论域模糊PID控制模糊PID控制相对于传统PID控制,具有一定的抑制超调量、提高响应速度能力。

其缺点是模糊控制器一但设计确定,其结构就不能在线修改,因而自适应能力有限。

相关研究人员将变论域中的相关理论和模糊PID控制原理有机的结合起来而形成新型的模糊控制器。

而主要是依据变论域所具有调整的能力将模糊PID控制器中所具有的参数精度以及相应的范围进行调节,遮阳就可以有效预防自身的不足之处。

依据有关调查发现,相关研究人员通过将模糊控制器中的量化因子Ke、Kec以及相应的Kp、Ki、Kd进行调整以后,其实是将控制器里面所存在的论域划分进行扩张亦或是压缩,和采取变论域模糊控制系统的本质基本是一致的。

所调整的原则主要体现在以下几方面:第一,相关研究人员将量化因子进行放大,也就是对输入论域进行收缩,在缩小量化因子的同时实质上是将输入论域进行膨胀;将比例因子缩小实质上是将输出论域进行收缩,在对比例因子进行放大的时候,其实是将比例因子进行放大。

2 基于Matlab的仿真分析2.1 仿真对象选取由于大部分工业过程对象具有纯延时并可近似为二阶系统,故考虑如下大时滞、时变过程对象:其中比例系数K0,延迟系数τ,时间系数T1、T2为时变量。

基于模糊PID控制的六安瓜片远红外烘焙机设计

基于模糊PID控制的六安瓜片远红外烘焙机设计

产于安徽省大别 山的 “ 中小 叶种 ” 。传 统手 工做法分 炒生锅 、 炒熟锅 、 毛火 、 拉 拉小火和拉大火 等工序。特 别 是 拉 大火 工 序 , 状 木 炭 竖 立 排 放 在 地 面烘 炉 , 条 炭
火 温度 高 达 50~50C, 需 4~6名 青 壮 年分 别 抬 2 5 8 ̄ 共
1 总体 方案确 定
整 机 主要 由 排 气 扇 、 红 外 线 辐 射 器 、 外 线 温 远 红 度 传 感 器 、 射 器 支 架 、 架 、 输 送 带 、 间 振 动 送 辐 机 上 中 料器 、 中间输 送 带 、 输 送 带 、 振 动 送 料 器 和上 振 动 下 下 送 料器 等 组 成 ( 图 1所 示 ) 如 。
21 0 1年 8月
农 机 化 研 究
第 8期
基 于 模 糊 P 控 制 的 六 安 瓜 片 远 红 外 烘 焙 机 设 计 I D
李 兵。 ,李 尚庆 夏 , 涛
2 03 3 0 6)
( 安徽 农 业 大 学 a 工 学 院 ;b 茶 与食 品科 技 学 院 ,合 肥 . .

ma )iig aa .d .n i l n @ h u eu c 。 l b
瓜 片 茶烘 培 不 仅 是 水 分 的 烘 干 , 必 须 适 当 足 干 还
浓缩 , 烘焙使糖 类 、 氨基酸和果胶 质都经热 的作 用转 化成香气成分 ; 使带青气的低 沸点物质大部分挥发散 失 , 使儿茶 素产生异构体 , 并 增加 游离型儿茶素及 反
要 :根 据 六 安 瓜 片烘 焙 工 艺 的 要 求 , 计 了用 于 拉 火 工序 的远 红 外 烘焙 机 。茶 叶采 用 不 锈 钢输 送 带 输 送 , 设 整

一种基于PFLC的可演化模糊逻辑控制器设计与实现

一种基于PFLC的可演化模糊逻辑控制器设计与实现

一种基于PFLC的可演化模糊逻辑控制器设计与实现
张大斌;李元香;夏学文
【期刊名称】《计算机科学》
【年(卷),期】2007(034)005
【摘要】常规的模糊控制器主要通过计算机软件或单片机实现,但模糊控制器是一个高度并行的系统,实时性、自适应性要求较高,这种实现方式不能满足现代模糊控制器的设计要求.要解决这个问题必须从算法和器件结构入手.本文提出以可编程模糊逻辑控制器芯片(PHLC)作为可演化的部件,利用遗传算法优化生成模糊规则的演化硬件结构.模糊规则的自适应性是通过引入可调整因子,根据环境的变化自寻优获得.以典型二阶系统模糊控制为例进行仿真实验,其结果表明了这个可演化的模糊逻辑控制器结构的可行性.
【总页数】4页(P218-221)
【作者】张大斌;李元香;夏学文
【作者单位】武汉大学计算机学院,武汉,430079;华中师范大学信息管理系,武汉,430079;武汉大学计算机学院,武汉,430079;武汉大学计算机学院,武汉,430079【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种可演化的查表式模糊逻辑控制器设计与实现 [J], 张大斌;李元香;夏学文
2.一种支持动态演化的防火墙软件的设计与实现 [J], 李开拓;胡羽;张家晨
3.一种支持动态演化的防火墙软件的设计与实现 [J], 李开拓;胡羽;张家晨
4.一种基于AOP的软件演化策略设计与实现 [J], 郭禾;刘天阳;陈锋;王宇新;刁华丽
5.一种基于演化代价约束的本体演化方法 [J], 周栩;罗景文;周桐;刘磊
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第30卷第7期农业工程学报 V ol.30 No.7258 2014年4月Transactions of the Chinese Society of Agricultural Engineering Apr. 2014 基于逆模型解耦的绿茶烘焙变论域模糊控制李 琳,周国雄(中南林业科技大学计算机与信息工程学院,长沙 414006)摘要:绿茶烘焙过程,伴随着复杂的物质交换和热交换,温、湿度变化耦合严重。

针对这一问题该文提出了一种基于逆模型解耦的变论域模糊控制方法。

采用支持向量机(support vector machine,SVM)方法辨识绿茶烘焙过程,建立精度相对较高逆模型,根据试验结果,电热丝电流平均误差为4.3%,而风机转速为8.5%。

将该模型并与被控对象进行串联,建立伪线性系统,实现温、湿度解耦。

同时采用模糊控制器对温、湿度分别进行独立控制,同时对模糊控制器的论域进行改进,增强系统的环境适应能力。

性能试验结果表明,该控制系统能够将温度误差控制在小于1.4℃,相对湿度控制误差仅为2.8%;品质试验表明,绿茶橙花叔醇成分平均提升15.2%,α-法呢烯成分平均提升17.4%,芳樟醇成分平均提升14.2%。

该文方法能够有效提升绿茶烘焙过程的控制效果,提供了一种控制绿茶烘焙过程的新途径。

关键词:模糊控制;耦合;模型;绿茶烘焙;逆模型;解耦;支持向量机;变论域doi:10.3969/j.issn.1002-6819.2014.07.031中图分类号:TP273+.21 文献标志码:A 文章编号:1002-6819(2014)-07-0258-10李 琳,周国雄. 基于逆模型解耦的绿茶烘焙变论域模糊控制[J]. 农业工程学报,2014,30(7):258-267.Li Lin, Zhou Guoxiong. Method of variable universe fuzzy control base on inverse-model decoupling for green tea baking[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(7): 258-267. (in Chinese with English abstract)0 引 言在绿茶精制过程中,烘焙工艺起着关键作用,对茶叶的香气成分、保存时间以及口感有较大的影响[1]。

炭焙和机焙是目前主要的2种绿茶烘焙方式。

炭焙利用木炭焙笼对绿茶进行烘焙,主要工艺由人工操作,烘焙后绿茶的品质取决于工人经验,因此标准化程度低;机焙电烘箱进行烘焙,使用较为广泛,然而由于缺乏对烘培过程系统温、湿度变化的研究、控制算法较为简单,温度误差一般大于5℃,湿度误差大于8%[2],使得绿茶品质往往达不到最佳效果。

因此研究一种先进的绿茶烘焙过程控制方法,具有十分重要的意义。

烘焙工艺的关键是对温、湿度精确控制,然而烘焙过程物理、化学变化复杂,系统温、湿度相互影响,形成非线性耦合;同时烘焙过程参数受环境影响变化大,传统的控制算法往往效果不佳[3]。

针对上述问题,本文提出一种基于逆模型解耦的变论域模糊控制方法。

首先对烘焙过程的逆模型收稿日期:2013-09-10 修订日期:2014-02-13基金项目:国家自然科学基金(60975049);湖南省教育厅高等学校科学研究项目(12C0437)作者简介:李 琳(1977-),女,湖南嘉禾人,中南林业大学讲师,主要从事电子与自动控制研究。

长沙中南林业科技大学计算机与信息工程学院,414006。

Email:285570227@ 进行辨识,然后将该逆模型与被控对象串联建立伪线性系统,同时采用变论域模糊控制对温、湿度进行调节,提升控制系统自调节能力,提高茶叶品质。

1 机焙原理及控制算法1.1 机焙原理机焙工艺的原理以热交换的方式,释放绿茶半成品中的水分,达到优化茶叶成分的目的[4]。

以佳友茶叶机械有限公司生产的6CHX-70烘焙提香机为例,主要由加热和抽湿2个部分组成,其中加热部分采用电热丝作为热源,对加温管道进行加热,使箱体内部的温度快速升高;抽湿部分利用风机产生负压,实现冷风输入和设备内湿热气体排出,从而带走烘焙过程释放的水分。

绿茶烘焙过程是由一系列复杂的热交换和物质交换组成的。

在烘焙过程中,伴随水分的释放,茶叶会形成的特殊茶香成分,从而改变绿茶的口感。

因此,温度和湿度的变化对绿茶品质起着决定性的作用。

如何保证烘焙过程中温度和湿度的精确控制,是烘焙过程的控制重点和难点。

烘焙过程中,温度和湿度相互影响,呈现出较强的耦合性。

温度升高过快会加快茶叶内部水分的释放,但无法满足特殊茶香成分生成的温度条件;反之,则茶叶水分释放缓慢;空气流动较快时,会加速湿气的排出,也会同时降低茶叶温第7期 李 琳等:基于逆模型解耦的绿茶烘焙变论域模糊控制259度,反之,则能够降低对温度的影响,但茶叶水分无法快速释放[5]。

因此,绿茶烘焙过程的温、湿度交叉耦合严重。

通过对机焙原理的分析不难看出,茶烘焙过程的控制重点就是实现温、湿度控制的系统解耦,实现温、湿度的高精度控制。

1.2 逆系统解耦原理传统的解耦算法有基于状态方程的解耦方法[6],基于专家规则的前馈补偿方法等[7-8],这类方法要求被控对象数学模型必须明确,对于复杂的绿茶烘焙过程并不适用。

基于逆模型的解耦方法,被大量使用在非线性过程控制领域中[9-10],取得了不错的效果。

对于绿茶烘焙过程中,设T 11()[,,,]p u t u u u =",p =2,表示风机转速和电热丝电流两维输入;T 11()[,,,]q y t y y y =",q =2,表示温、湿度两维实际输出;Σ为多变量耦合的非线性系统。

将输入输出关系用状态方程进行表示:⎩⎨⎧===00)( , ),(),(s t s u s h y u s f x(1) 式中:x 为系统状态,如绿茶烘焙过程电热丝电流热特性、空气流动情况等物理、化学动态特性,为绿茶烘焙系统的内部变量;x为系统状态向量函数,表征了绿茶烘焙的动态过程中,物理、化学动态特性等系统内因与风机转速和电热丝电流二维输入间的关系,f 表示系统状态方程用于表示s;u 为系统输入,包括风机转速和电热丝电流;y 为系统输出,包括温、湿度两维实际输出;h 为系统输出方程,表示绿茶烘焙系统的输出与内部状态及输入的关系;0s 表示初始时刻绿茶烘焙系统的内部状态;0t 表示系统初始时刻。

将绿茶烘焙控制系统的输入、输出变量之间的映射关系,即风机转速和电热丝电流与温、湿度的关系,表示为θ,则有u y θ=。

原绿茶系统Σ的逆系统为Π,则逆系统Π的输入输出间映射关系可表示为d d y u θ=,且需满足d d d y u y ==θθθ。

其中,d u 为逆系统Π的输出,即风机转速和电热丝电流;d y 为逆系统Π的输入,即温、湿度,θ为d u 和d y 之间的映射关系。

由于逆系统辨识会引入τ阶滞后,因此实际的τ阶逆系统τΠ的输入输出间映射关系为()d d u y ττθ=,)(τd y 表示温、湿度的τ阶滞后变量;τθ表示引入τ阶滞后条件下,u d 和y d 之间的逆映射关系,满足:()d d d y u y ττθθθ==。

将逆系统τΠ串联在原系统Σ之前,构成新的复合绿茶烘焙控制系统,如图1所示。

此时1ddy y ττθθ=,由于τθ为θ的τ阶滞后逆映射,θθτ实际等价于线性τ阶积分项τ−s 。

不难看出,新系统的输入,即经过τ阶积分处理温、湿度变量与输出,即原系统温、湿度变量之间为线性映射关系;但内部仍存在非线性映射,因此该复合系统称为伪线性系统。

对于绿茶烘焙过程这类多输入多输出(multiple-input multiple-output ,MIMO )系统,采用逆模型方法,建立伪线性系统,能够实现非线性系统线性化与解耦,采用线性系统控制方法即可满足控制要求。

注:)(τdy 为τ阶逆系统输入;u 为原系统输入;y 为原系统输出Note: )(τdy is input of τorder inverse system; u is input of original system; y is output of original system图1 逆系统解耦原理Fig.1 Principle of inverse system decoupling1.3 控制算法针对绿茶烘焙控制系统中存在的问题,本文提出了一种基于逆模型的变论域模糊控制方法,其结构如图2所示。

注:u 1为模糊控制器计算的电热丝电流调节量;u 2为模糊控制器计算的风机转速调节量;u 1*为电热丝电流调节量,u 2*为实际风机转速调节量;y 1为温度输出;y 2为湿度输出Note: u 1 is current of electric heating wire calculated by fuzzy controller; u 2 is fan speed calculated by fuzzy controller; u 1* is actual current of electric heating wire, u 2* is actual fan speed; y 1 is temperature output; y 2 is humidity output图2 基于逆模型的控制系统结构Fig.2 Structure of control system base on inverse mode农业工程学报 2014年260整个控制系统由基于支持向量机(support vector machine,SVM)的逆系统解耦,以及基于变论域模糊算法的温、湿度独立控制2部分组成。

基于SVM的逆系统,利用SVM的自学习能力强优势[11],对绿茶烘焙系统的逆向辨识,并与原系统进行串联,构成复合伪线性系统。

实现烘培控制系统中温度与湿度的解耦,为利用线性系统控制方法对烘焙过程进行控制打下基础。

变论域模糊算法,首先根据温、湿度设定值和系统检测反馈值,分别实现对温、湿度独立闭环模糊控制;然后采用变论域模糊算法,解决系统器件参数变化和传感器参数漂移对固定规则模糊算法的影响,提升系统控制精度和环境适应性。

2 基于SVM的逆模型辨识绿茶烘焙过程复杂,逆系统呈高度非线性状态,难以精确构造。

一些学者利用基于专家规则的前馈补偿方法对茶叶烘焙过程进行解耦控制[12],其控制算法环境适应性较差。

SVM算法由Vapnik等[13]于1995年提出,对非线性数据,学习能力较强,具有严格的理论基础和数学基础,因此对数据的依赖性较弱,不存在局部最小问题。

相关文档
最新文档