欢迎来到天天文库
浏览记录
ID:13030193
大小:2.76 MB
页数:49页
时间:2018-07-20
《单片机温度控制器_学位论文.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、毕业设计(论文)1引言1.1课题的背景及意义温度是工业生产中需要控制的最常见最基本的工艺参数之一,例如:冶金、机械、电子、石油、化工、制造等行业中广泛使用的各种加热炉、热处理反映炉等,对工件的处理温度要求严格控制。PID温度控制是最早发展起来的控制策略之一,PID控制结构简单、容易实现,并且具有较强的鲁棒性,因而被广泛应用于各种工业过程控制中,是最广泛的一种控制策略。从发展初期至今,PID控制器的各种参数整定方法层出不穷。但是由于PID控制器简单的结构使它在品质控制上有着局限性,并且使得PID控制器对大时滞、不稳对象等被控对象的控
2、制性能不是很好,同时PID控制器无法同时满足对设定值跟踪和抑制外扰的不同性能要求[1]。因此在实际应用中,这些先进的整定方法并没有像预期的那样产生完美的控制效果。随着被控对象越来越复杂,如具有非线性、参数时变、数学模型无法精确获得等特点的对象,传统PID设计方法已经很难取得良好的控制效果了。此时,用一些先进的智能算法来改进PID控制器已经成为一种必然的趋势了。发展至今,温度控制技术发展经历了三个阶段:1、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通过将所测温度与设定温度相比较,如果低于设定温度,则启动控制
3、开关加热,反之则关断控制开关。其控温方法比较简单,没有考虑温度变化的滞后性,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,常用于一些线性定常系统的控制,控制效果良好,但对于非线性系统,例如控制大滞后、大惯性、时变性温度系统,控制品质难以保证。智能控制为解决这问题提供了新的思路,因此成为目前工业控制质量的重要途经。模糊控制是智能控制研究中最为活跃而富有成果的领域,对于温度控制这种复杂对象更具有良好的控制效果[2]。本文的研究对象为试验箱,实现其对温度的控制,由
4、于其结构相对简单,故本文采用了改进型PID控制的方法,即分阶段切换控制的思想,以下将对该研究对象做一个详细的介绍。49毕业设计(论文)1.2国内外研究现状当今国内外的自动控制技术都是基于反馈的概念。反馈理论的要素包括三个部分:测量、比较和执行。测量关心的变量,与期望值相比较,用这个误差纠正调节控制系统的响应。这个理论和应用自动控制的关键是,做出正确的测量和比较后,如何才能更好地纠正系统,PID控制器作为最早实用化的控制器已有50多年历史,由于PID具有简单、直观、鲁棒性好的特点,成为工业过程控制中最为常用的控制方式。目前,不管是国
5、外还是国内的温度控制也主要采用PID控制。PID控制效果与控制参数的选择有很大关系,而PID参数的整定是一项十分繁琐的工作。虽然PID参数的整定和优化的方法很多,但传统的非智能整定方法如Zieger-Nichols法显然是一种经验法且并非最优解,不能获得理想的控制效果[3]。目前智能型整定方法如模糊PID、神经网络PID虽然能较好地实现PID控制参数的优化,但需要在线整定,计算量大,使得控制器的负担很重。温控的控制受到被控对象、环境等诸多因素的影响,难以建立精确的数学模型,采用传统的控制方式控制器参数选择将是件很困难的事。1.3一
6、些先进理论1.3.1神经网络与PID的结合神经网络是一种利用数理模型的方法模拟生物神经细胞结构及对信息的记忆和处理而构成的信息处理方法。神经网络以其高度的线性映射、自组织、自学习和联想记忆等功能,可对复杂的线性系统建模[4]。该方法响应速度快,抗干扰能力强、算法简单,且易于用硬件和软件实现。在温度控制系统中,将温度的影响因素作为网络的输入,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,自我完善与修止,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。1.3.2模糊控制与PID的结合49毕业设计(
7、论文)模糊控制与PID的具体结合形式有多种,主要是Fuzzy—PID复合控制和模糊自整定PID参数的方法。Fuzzy—PID复合控制是指当系统偏差较大时采用模糊控制[5],这样响应速度快,动态性能好:当系统偏差较小时采用PID控制,使其具有好的静态性能,保证控制精度,是一种模糊控制和PID控制分阶段切换控制的方法。模糊自整定PID参数的方法是根据系统偏差和偏差变化率,由模糊推理来调整PID参数,也就是一种以模糊规则来调节PID参数的自适应控制方法[6]。1.3.3模糊控制与神经网络的结合模糊控制所依赖的专家经验一般不容易获得,一成
8、不变的控制规则也很难适应不同被控对象的要求,所以应该使模糊控制向着自适应的方向发展。基于这样的要求,可以利用神经网络的学习能力来修正系统偏差和偏差变化率的比例系数、修正模糊控制的隶属函数,从而达到优化模糊控制器的作用,进一步改进实时控制的效果[7]
此文档下载收益归作者所有