基于模糊PID控制的温室环境控制系统研究_弓正.pdf

物联网技术    2018年  / 第 8期    智能处理与应用Intelligent Processing and Application98基于模糊PID控制的温室环境控制系统研究弓  正，张  昊，胡欣宇（山西农业大学， 山西 晋中 030800）摘  要 ： 模糊 PID控制器最初应用于工业控制领域 ， 但在多耦合 、 易扰动的温室环境中存在着系统易超调 、 响应速度不够快等缺陷 。 针对这一问题 ， 在常规模糊 PID控制系统的基础上分别加入了积分单元的混合式模糊 PID控制器 、 开关式模糊PID控制器及参数自整定模糊 PID控制器 。 其可实现不同温室环境的控制需求 ， 若温室环境对控制精度要求较高 ， 可使用混合式模糊 PID控制器 ； 若需实现稳态性能好 、 响应速度快 、 易于实现的温室环境高性能控制 ， 可使用开关式模糊 PID控制器 ；若温室环境系统要求较长周期的精确控制 ， 可使用参数自整定模糊 PID控制器 。关键词 ： 温室 ； 环境控制 ； 模糊控制技术 ； PID控制技术中图分类号 ： TP273      文献标识码 ： A      文章编号 ： 2095-1302（ 2018） 08-0098-03收稿日期 ： 2018-03-31   修回日期 ： 2018-05-02DOI ： 10.16667/j.issn.2095-1302.2018.08.0310  引  言温室的实际生产过程存在着农业的特殊性与复杂性 ， 以及诸多非线性环境因子 ， 且各环境参数之间相互耦合 。 因此 ，高效的温室环境控制一直是现代化温室的关键问题之一 ， 具有重要的研究意义 。 2015 年 ， 王君1提出了结合遗传算法与模糊逻辑网络智能算法 ， 并建立了作物生长模型 ， 构建了加入作物生长模型的温室环境远程智能控制系统 ； 2015 年 ， 黄侠等2建立了传统温室控制与农业专家相结合的控制系统 ； 2017 年 ， 彭辉等3构建了一个包含温室外部环境因素的数学模型 ， 提出了将神经网络 、 遗传优化算法与模糊逻辑控制相结合的控制方案 。1 PID 温室控制与模糊控制的复合策略模糊 PID 控制一般采用二维模糊控制器 ， 是以偏差 e 与偏差变化率 ec 作为控制器的输入量 ， 通常这种控制器具有微分与比例的模糊控制作用4， 但缺乏积分部分的模糊控制作用 。 由于在常规的线性控制理论中 ， 往往比例控制单元能获得较快的动态响应与较高的稳态精度 ， 积分控制单元能够消除稳态偏差但动态响应速度慢 ， 因此将 PI 或 PID 控制与模糊 PID 温室控制结合 ， 构成 Fuzzy-PI 或 Fuzzy-PID（ 即 “模糊比例 - 积分控制 ”或 “模糊比例 - 积分 -微分控制 ”） 的复合控制 ， 同时发挥比例单元与积分单元的优势 ， 使系统达到稳态精度高 、 动态响应迅速 、超调量小的良好性能 。2  混合式模糊 PID 控制器设计2.1  控制系统原理图模糊 PID 温室控制器由于未加入积分控制单元 ， 易使系统产生偏差 。 因此 ， 为消除系统余差 、 提高系统稳定性 ， 在这一控制系统中加入了积分控制单元 ， 称为 “混合式模糊 PID 控制器 ”。 该控制器的原理如图 1 所示 。图 1  混合式模糊 PID 控制器原理图2.2  控制系统的  Simulink 实现混合式模糊 PID 控制器的与模糊 PID 温室控制器仿真对比原理图 ， 如图 2 所示 。2.3  Matlab 仿真模糊 PID 温室控制器的仿真结果与混合式模糊 PID 控制器的仿真结果对比如图 3 所示 。图 2  混合式模糊 PID 控制器与模糊 PID 温室控制器仿真对比原理图2018年  / 第 8期    物联网技术智能处理与应用Intelligent Processing and Application99图 3  模糊 PID 温室控制器的与混合式模糊  PID 控制器的仿真结果对比图模糊 PID 温室控制器与混合式模糊 PID 控制器的误差对比如图 4 所示 。图 4  混合式模糊 PID 控制器与模糊 PID 温室  控制器误差曲线对比图通过图 3 与图 4 可证明 ： 加入积分控制单元的模糊 PID控制器具有超调小 、 响应速度更快的特征 ， 并且系统输出能够在扰动后达到新的稳态时 ， 实现更好的跟踪设定值 。 通过观察与对比混合式模糊 PID 控制器与模糊 PID 温室控制器误差曲线可知 ， 前者可实现比后者更强的消除系统误差作用 。3  开关式模糊 PID 控制器设计3.1  控制系统原理图开关式模糊 PID 控制器是基于传统 PID 控制与模糊 PID控制器的各自优点 ， 将其结合使用 。 控制器原理如图 5 所示 。图 5  开关式模糊 PID 控制器的控制原理图3.2  控制系统的 Simulink 仿真开关式模糊 PID 控制器的仿真模型如图 6 所示 。图 6  开关式模糊 PID 控制器的仿真模型3.3  Matlab 仿真开关式模糊 PID 控制器将模糊控制器与传统 PID 控制器相结合 ， 通过开关选择调用其中一个控制单元进行控制 ， 仿真响应曲线如图 7 所示 ： 在控制初期 ， 由模糊控制单元执行控制 ， 对相应曲线进行粗略的调控 ， 以达到良好的稳态性能 ；然而由于模糊控制单元未加入积分部分 ， 易出现积分饱和 ， 导致系统超调 ， 因此当模糊控制使系统响应出现超调后 ， 切换转入 PID 控制器单元进行控制 ， 减弱系统超调 、 实现精细调控 。仿真结果表明 ： 开关式模糊 PID 控制器可缩短系统过渡时间 、提高系统响应速度 ， 且实现了良好的稳态性能 。图 7  开关式模糊 PID 控制系统的响应曲线4  自整定模糊 PID 控制器设计4.1  控制系统的原理图自整定模糊 PID 控制器采用二维模糊控制器作为控制结构 ， 通过模糊规对 PID 参数在线整定5， 满足不同的输入量偏差 e 与偏差变化率 ec 对于 PID 参数的比例因子 、 积分因子 、微分因子的不同要求 。 自整定模糊 PID 控制器的原理如图 8所示 。图 8  自整定模糊 PID 控制器的原理4.2  控制系统的 Simulink 实现自整定模糊 PID 控制器需要在控制过程中不断的监测6输入量偏差 e 和偏差变化率 ec， 确定 e， ec 与 Kp， Ki， Kd之间的模糊关系并用模糊逻辑规则进行描述 ， 再通过模糊推理将 Kp， Ki， Kd修正整定并输出 ， 从而得到满足 e 和 ec 要求的PID 控制器参数 ， 以实现控制系统良好的稳态性能与动态性能 ， 发挥各控制单元的最大控制作用 。 其中 Kp'， Ki'， Kd' 为预  整定值 ： Kp=Kp'+ Kp， Ki=Ki'+ Ki， Kd=Kd'+ Kd。Kp， Ki， Kd在稳定性 、 调节精度 、 响应速度与稳定性方面有如下特征7：其一 ， Kp作为比例系数 ， 其值越大 ， 则调节时间越短 、调节精度越高 、 系统响应越快 ， 从而优化系统稳态性能 。物联网技术    2018年  / 第 8期    智能处理与应用Intelligent Processing and Application100其二 ， Ki作为积分系数能够实现消除系统余差 、 减小稳态误差的目的 。 当 Ki较大时 ， 系统稳态误差消除迅速 ， 但 Ki过大则会导致响应初期过程产生积分饱和现象所引起的系统超调 ； 反之 ， 若 Ki较小 ， 虽不会引起超调现象 ， 但难以消除静态误差 。其三 ， Kd是微分系数 ， 微分系数能够起到抑制响应过程中的偏差变化的作用 ， 从而提升系统的动态性能 ， 提前预报偏差的变化 ； 但 Kd越大则造成调节过程延时 ， 且系统的抗扰动性能也会相应降低 。Simulink 中 PID 控制器和模糊 PID 温室控制器的模块结构分别如图 9 和图 10 所示 。图 9  PID 控制器图 10  模糊 PID 温室控制器将模糊 PID 控制器与 PID 控制器分别打包封装与连接 ，如图 11 所示 。4.3  Matlab 仿真自整定模糊 PID 控制系统响应曲线如图 12 所示 ， 该控制系统的响应速度快 、 系统稳定性好 、 调节精度高 ， 且未产生系统震荡与超调现象 。通过实践证明 ， 利用 Matlab 中的模糊逻辑控制工具箱可便捷地编辑 FIS 文件以实现模糊 PID 温室控制系统 ， 并且可灵活地设置与修改控制器参数 ， 通过 Simulink 将控制系统仿真结果直观呈现 。5  结  语控制系统仿真结果表明 ， 相较于单一 PID 控制与单一模糊逻辑控制 ， 模糊 PID 控制系统具有更好的系统稳定性及更小的误差 ， 可有效抑制振荡与超调产生 ， 响应速度也明显提升 ，验证了在温室环境控制中运用模糊 PID 控制方法的良好控制性能与可行性 。图 11  模糊 PID 温室控制器与 PID 控制器的封装图 12  自整定模糊 PID 控制系统的响应曲线参考文献1 雷 勇 ，李 泽 滔 . 温室温度系统的自适应模糊 PID 控制 J. 控制工程，2014（S1 ）：23-27.2 王君 . 基于模糊控制策略的温室远程智能控制系统的研究 D. 长春 ：吉 林 大 学，  2015.3 黄侠，吴舰，吴楠 . 大棚花卉种植智能辅助决策支持系统关键技术 J. 中国农业信息， 2015（6 ）：60-62.4 王成阁，吴敏 . 参数自整定模糊控制器厚度监控 AGC 的实现 J. 有色金属加工， 2004，33 （3 ）：42-46.5 宋立业，彭继慎，程英，等 . 自适应模糊 PID 控制在压射控制系统中的应用 J. 计算机系统应用， 2012，21 （3 ）：163-166.6 吴春，庞洪，陈明，等 . 一种自整定模糊 PID 控制仿真 J. 桂林航天工业学院学报， 2008，13 （4 ）：17-19.7杨 婷 婷 ，单 玉 波 . PID 调节器参数整定仿真 J. 城市建设理论研究，2015（16 ）：201-2158 EDDINE C，  MANSOURI K，  BELMEGUENAI A，  et al. FPGA implementation of adaptive Neuro-Fuzzy inference systems controller for greenhouse climate J. International journal of advanced  computer science & applications，  2016，  7（1 ）：31.9 VERA M，  FERNNDEZ J，  NATALE L，  et al. Temperature control in a MISO greenhouse by inverting its fuzzy modelJ. Computers & electronics in agriculture，  2016（124 ）：168-174.10 KUDINOV Y，  KOLESNIKOV V. Optimization of fuzzypidcontroller's parameters J. Procedia computer science，  2017 ： 618-622.