文献综述--智能控制算法在温度控制中的应用研究

辽宁工业大学

文献综述

题目智能能控制算法在温度控制中的应用研究

电气工程学院（系）自动化专业093 班

学生姓名王松

学号090302075

指导教师于洋

智能控制算法在温度控制中的应用研究

—文献综述

1前言

智能控制是当今多学科交叉的前沿领域之一。以1987年召开的第一界智能控制国际会议为标志，智能控制已经开始成为一门新的学科。

纵观智能控制产生、发展的历史背景与现状，其研究中心始终是解决传统控制理论、方法(包括古典控制、现代控制、自适应控制、鲁棒控制、大系统方法等)所难以解决的不确定性问题.控制学科所面临的控制对象的复杂性、环境的复杂性、控制目标的复杂性愈益突出，智能控制的研究正提供了解决这类问题的有效手段，集中表现在控制工程中运用智能方法解决复杂系统的控制已取得了相当多的成功；另一方面，智能控制的研究虽然取得了一些成果，但实质性进展甚微，理论方面尤为突出，应用则主要是解决技术问题，对象具体而单一。1992年美国国家科学基金会发出发展智能控制研究建议指出：智能控制研究工作的中心应放在系统问题描述和智能控制器设计等方面的新方法的研究上，而不是在下级拼凑诸如PID控制器之类的传统控制技术方法与监控级基于规则的控制器相连结所构成的松耦合系统。应当着重于基础控制工程方法的开发而不是技术演示。智能控制作为多学科交叉的产物，其研究现状与存在的问题固然与交叉学科的发展密切相关，但传统的方法论也在一定程度上束缚了它的发展.事实上，在人们久已习惯的还原论思想及传统控制思路的引导下，智能控制面临的一些关键问题均难以突破，宏观上需要寻求新的思路。

2智能控制算法在温度控制中的发展历史和应用现状

温度控制技术发展经历了三个阶段：l、定值开关控制；2、PID控制；

3、智能控制。定值开关控制方法的原理是若所测温度比设定温度低，则开

启控制开关加热，反之则关断控制开关。其控温方法简单，没有考虑温度变化的滞后性、惯性，导致系统控制精度低、超调量大、震荡明显。PID 控制温度的效果主要取决于P、I、D三个参数。PID控制对于确定的温度系统，控制效果良好，但对于控制大滞后、大惯性、时变性温度系统，控制品质难以保证。智能控制是一类无需人的干预就能独立驱动智能机械而实现其目标的自动控制，随着科学技术和控制理论的发展，国外的温度测控系统发展迅速，实现对温度的智能控制。应用广泛的温度智能控制的方法有神经网络控制、模糊控制、模糊控制与PID 结合(F uzzy P ID) 、遗传算法、模糊控制、神经网络、遗传算法三者结合等，具有自适应、自学习、自协调等能力，保证了控制系统的控制精度、抗干扰能力、稳定性等性能。比较而言，国外温度控制系统的性能要明显优于国内，其根本原因就是控制算法的不同。自智能控制理论发展以来，智能控制技术开始逐渐应用于工业控制。1974年，Mamdani首次用模糊逻辑和模糊推理实现了蒸汽机的控制，其标志着人们用模糊逻辑进行工业控制的开始，也宣告了模糊控制的问世。1976年，P．J．K ing和Mamd ani等人合作，用模糊控制对反应器进行温度控制，他们采用模糊模型的预估方案，从而成功解决了不稳定问题。这也是控制史上首次利用模糊控制来进行温度控制。在20世纪90年代，美国、英国相续发表《智能控制专辑》，同本、德国等国也连续发表多篇智能控制方面的论文，涉及到军事、工业、家用电器等众多领域，包括智能温度控制在各个领域的应用。如今Simens和Inform公司联合研制了性能优良的模糊控制开发软件工具及第三代模糊微处理器，可利用软件或硬件的方法实现对系统的模糊控制。

在Zadeh创立模糊集合论的同年，我国傅京孙教授首先提出了把人工智能中的直觉推理方法用于学习控制系统，奠定了国内智能控制发展的基础。模糊控制应用于核反应堆、城市交通等控制中。随后更多的学者开始关注智能控制技术，近年来我国也越来越重视智能控制理论和应用的研究，从1993到1995连续三年国内都召丌了与智能控制有关的学术会议。由于温度控制设计到冶金、化工、机械等众多领域，因而温度智能控制技术也是国内学者研究的重要内容，越来越多与智能温度控制有关的论文在科技

刊物上发表。

智能控制算法广泛应用于各种温度控制器的设计之中，这里就最近几年快速发展的几种智能控制算法做一个综述[4]。

（1）神经网络控制

人工神经网络是当前主要的、也是重要的一种人工智能技术，它采用数学模型的方法模拟生物神经细胞结构及对信息的一记忆和处理而构成的信息处理方法。它用大量简单的处理单元广泛连接形成各种复杂网络，拓扑结构算法各异，其中误差反向传播算法(即BP 算法)应用最为广泛。

温度控制系统由于负载的变化以及外界干扰因素复杂，而传统的P ID 控制对于外界环境的变化只能做近似的估算，因此系统控制精度不高。人工神经网络以其高度的非线性映射、自组织、自学习和联想记忆等功能，可对复杂的非线性系统建模。该方法抗干扰能力强，且易于用软件实现。训练方法实际是网络的自学习过程，即根据事先定义好的学习规则，按照提供的学习实例，调节网络系统各节点之间相互连接的权值大小，从而达到记忆、联想、归纳等目的。在温控系统中，将对温度影响的因素如气温、外加电压、被加热物体性质以及被加热物体温度等作为网络的输入，将其输出作为PID 控制器的参数，以实验数据作为样本，在微机上反复迭代，自我完善与修正，直至系统收敛，得到网络权值，达到自整定PID 控制器参数的目的。MNN(Memo ry neuro n netwo rk)在每个网络节点增加了记忆神经元，在学习动态非线性系统时，不需知道实际系统太多的结构知识，当系统滞后比较大时也不会造成网络庞大难以训练。

（2）模糊控制

模糊控制是基于模糊逻辑描述的一个过程控制算法，主要嵌入操作人员的经验和直觉知识。它适用于控制不易取得精确数学模型和数学模型不确定或经常变化的对象。温度控制系统的模型通常是不完善的，即使模型已知，也存在参数变化的问题。PID 控制虽然简单、方便，但难以解决非线性和参数变化等问题。模糊控制不需要对象的精确模型，仅依赖于操作人员的经验和直观判断，非常容易应用。模糊控制对温度控制的实现一般分如下几步：