1 引言
温室气候的控制,对于提高耕种的效率和减少生产成本起到越来越重要的作用。近些年来,越来越多的实验室研究这个问题,由于温室是一个非线性、滞后的复杂系统[1],因此,采用传统的控制方法很难对温室大棚很好的控制。
为了解决这种困难,本文采用模糊PID控制控制方法,它是一种智能控制方法,能使系统实现较高的控制准确度和较强的自适应性、鲁棒性,同时又很大程度上提高了系统的灵活性,改善了系统的动态性能和静态性能,从而获得了良好的控制效果[2]。基于此,本文提出在温室温度控制系统中引入模糊PID控制算法,实现依据温室内农作物生长条件来调整控制系统,创造一个适合农作物生长发育的环境。
在这篇论文中,首先描述模糊PID控制控制方法的控制原理,其次通过仿真对比常规PID控制方法与模糊PID控制控制方法进行对比,最后得出结果。
2 温室系统
系统变量:室内温度
系统输入:冷热水混合阀的开度
干扰变量:太阳辐射和云层辐射
面积:40 m2
体积:120 m3
传感器:AD 590
框图描述如图1所示
3 模糊PID控制策略的实现
3.1 模糊PID控制器结构
在计算机控制中,只能根据采样时刻的偏差值计算控制量,因此,一般使用数字PID。以下为增量式数字PID:
式(1)中,kp为比例系数,ki为积分系数,kd为微分系数,e(t)为给定值与实测的偏差。
模糊PID控制器是一种在常规PID调节器的基础上,应用模糊集合理论,根据控制偏差、偏差变化率在线自动调整比例系数、积分系数和微分系数的模糊控制器[3]。运行中,通过不断检测e和ec,根据模糊控制原理来对3个参数进行在线修改,以满足不同e和ec对控制参数的不同要求,从而使被控对象有良好的性能。
模糊PID控制器的控制结构图如下图2所示,图中r为给定值,u是温度控制设备的改变量(冷水、热水阀的位置),Δkp、Δki、Δkd为经过模糊控制器整定后的比例、积分、微分系数;温度模糊PID控制器采用二维输入(实测温度与设定温度的偏差e,和偏差的变化率ec)。
3.2 模糊化
模糊控制器采用二输入、三输出,输入为温度偏差e和温度偏差变化率ec,输出为Δkp、Δki、Δkd。输入变量e,ec和输出变量Δkp、Δki、Δkd的语言值模糊集为{负大,负中,负小,零,正小,正中,正大}对应模糊语言为{NB,NM,NS,ZO,PS,PM,PB}。温度偏差e和温度偏差变化率ec的模糊论域为{-3,-2,-1,0,l,2,3},输出变量Δkp的论域为{-0.3,-0.2,-0.1,0,0.1,0.2,0.3};Δki的论域为{-0.06,-0.04,-0.02,0,0.02,0.04,0.06}Δkd的论域为{-3,-2,-1,0,l,2,3},e、ec、△kp、△ki、△kd隶属函数选择三角函数。如下图3-6。
3.3 模糊规则
根据专家给出的经验,可以得出PID参数kp、ki、kd的自整定规律。当|e|较大时,应取较大的kp和较小的kd(使系统的响应加快),且使ki=0(避免过大的超调);当|e|中等时,应取较小的kp(使系统响应具有较小的超调),适当的ki和kd(kd的取值对系统响应的影响较大);当|e|较小时,应取较大的kp和ki(使系统应具有良好的稳态性能),kd的取值要适当,以避免在平衡点附近出现振荡[4]。根据这些规律得到如下规则。
例如:
If(e=NB)and(ec=NB)then(kp=PB)(ki=NB)(kd=PS)
If(e=NM)and(ec=NB)then(kp=PB)(ki=NB)(kd=NS)
If(e=NS)and(ec=NB)then(kp=PM)(ki=NB)(kd=ZO)
If(e=ZO)and(ec=NB)then(kp=PM)(ki=NM)(kd=ZO)
If(e=PS)and(ec=NB)then(kp=PS)(ki=NM)(kd=ZO)
If(e=PM)and(ec=NB)then(kp=PS)(ki=ZO)(kd=PB)
If(e=PB)and(ec=NB)then(kp=ZO)(ki=ZO)(kd=PB)
3.4 解模糊
模糊推理得到的结果是一个模糊集合,但是实际模糊控制系统所得到的控制输出信号必须是模糊论域中的精确量。因此需要对模糊集合进行解模糊。
重心法具有更平滑的推理控制,即使对应于输入信号的微小变化,输出也会发生变化。因此本系统采用重心法进行反模糊化[5]。计算式如式2
式中xi为第个i个模糊输出量μ(xi)第i个模糊输出量的隶属度。
4 系统仿真
温室系统是一个非线性、大滞后、大惯性的系统,在仿真中需要将它近似为一个线性系统。在模拟过程中,太阳和云层的影响当成阶跃负载来处理。因为太阳光直接作用于温室,所以不需要考虑延时,而且同时作用于温室的各部分,所以也不考虑热容量及热损失。这是一个带延时的一阶模型,模型[6]如下式3:
式中:k为热量损失;α为由温室内部空气、温室材料及温室地面所决定的热容量;
反映由阀门运动延迟时间、热量由阀门传递到管道又由管道传递到空气所需时间之和。其中a=10.3J/m2 k=0.0263w/m2,
4.1 常规PID控制
在Simulink中搭建PID控制算法的整个系统的框图如图7,图中Transport Delay模块中设定延时时间为150秒,阶跃值设定为25,仿真时间5000s。
4.2 模糊PID控制
在Simulink中搭建模糊PID控制算法的整个系统的框图如图8。
4.3 仿真结果对比分析
如图9所示,常规PID控制的性能指标为:调节时间ts=2400s,超调量约为16％,稳态误差ess=0;模糊PID控制的性能指标为:调节时间ts=1900s,超调量约为12％,稳态误差ess=0。仿真结果表明:模糊PID调节时间明显比常规PID调节时间短、超调量小,能实现对系统的精确控制。
5 结束语
文本针对温室系统是一个非线性、大滞后、大惯性的系统的特性,采取了模糊PID控制算法对温室大棚进行控制。能根据控制中的结果进行自学习。提高自身的自适应性,并能在线整定PID的三个参数。有效地克服了经典控制对被控对象建模及常规PID不能在线调节参数的不足:仿真结果表明此算法有效、可行,并具有良好的动态和静态性能。
参考文献:
[1] F.LAFONT,J.-F.BALMAT.Optimized fuzzy control of a greenhouse[J].Fuzzy Sets and Systems,2002,(128):47-59.
[2] TRABELSI A,CLAFONT F,KAMOUN M.Fuzzy identification of a greenhouse[J].Applied Soft Computing,2007,7(3):1092-1101．
[3] TANAKAK,SUGENOM.Stability analysis and design of fuzzy control systems[J].Fuzzy Sets and System,2002,45(2):135-136.
[4] 于朝刚.温室气候环境微机测控系统与控制方法的研究[D].现代农业自动化装备研究所.2005.
[5] 韩峻峰,李玉惠.模糊控制技术[M].重庆大学出版社.2003.
[6] ALBERT SETIAWAN,LOUISD.ALBRIGHT,RIEHARDM.PHELAN.Application of pseudo derivative feedback algorithm in greenhouse air temperature control[J].Computer and Elecronics in Agriculture.2000,3(26):283-302.
作者简介:李珂(1986-),男,硕士,研究方向:智能控制。