散熱器試驗(yàn)臺(tái)送風(fēng)系統(tǒng)規(guī)則自提取模糊控制試驗(yàn)

陳永攀，盧 振，張吉禮，劉 輝

散熱器試驗(yàn)臺(tái)送風(fēng)系統(tǒng)規(guī)則自提取模糊控制試驗(yàn)

陳永攀1，盧 振2，張吉禮2，劉 輝3

(1. 哈爾濱工業(yè)大學(xué)市政環(huán)境工程學(xué)院，哈爾濱 150090；2. 大連理工大學(xué)土木水利學(xué)院，大連 116024；3. 北京西門子西伯樂斯電子有限公司，北京 100085)

提出了環(huán)境試驗(yàn)室送風(fēng)系統(tǒng)規(guī)則自提取模糊控制方法，試驗(yàn)研究了基于送風(fēng)加熱器調(diào)節(jié)的送風(fēng)溫度與測(cè)試室溫度的模糊控制和比例積分(PI)控制效果．試驗(yàn)結(jié)果表明，對(duì)于無滯后環(huán)節(jié)的送風(fēng)加熱器-送風(fēng)溫度控制回路，傳統(tǒng)PI控制方法具有較好的控制性能，收斂速度快；基本模糊控制方法收斂較慢，存在穩(wěn)態(tài)誤差；規(guī)則自提取模糊控制方法超調(diào)大，但收斂速度加快，穩(wěn)態(tài)誤差減?。畬?duì)于具有滯后環(huán)節(jié)的送風(fēng)加熱器-測(cè)試室溫度控制回路，規(guī)則自提取模糊控制方法超調(diào)小、穩(wěn)態(tài)誤差小、控制效果最好．可見，對(duì)于無滯后環(huán)節(jié)的被控過程，采用PI控制方法即可滿足要求；而規(guī)則自提取模糊控制方法非常適用于具有大滯后環(huán)節(jié)的過程控制．

散熱器試驗(yàn)臺(tái)；送風(fēng)系統(tǒng)；自組織模糊控制；規(guī)則自提取

低溫?zé)崴崞鳠峁ば阅茉囼?yàn)臺(tái)是典型的多輸入多輸出、大滯后熱工系統(tǒng)，比例積分微分(proportion integration differentiation，PID)控制對(duì)該類系統(tǒng)很難取得較好的控制效果，而模糊控制、特別是自組織模糊控制則是一種有效的控制方法[1]．在多輸入多輸出模糊控制方面，Tobi和Hanafusa[2]將空調(diào)系統(tǒng)的溫度和濕度作為輸入，將加熱器、表冷器及加濕器的控制閥開度作為輸出，建立了多輸入多輸出模糊控制器．Albert等[3]利用神經(jīng)網(wǎng)絡(luò)建立了空調(diào)機(jī)組多輸入多輸出動(dòng)態(tài)特性辨識(shí)/控制器，仿真分析了模糊控制和PID控制下空調(diào)機(jī)組動(dòng)態(tài)響應(yīng)特性和能耗大?。趶?fù)雜空調(diào)系統(tǒng)模糊控制方面，Huang和Nelson[4-5]較早地研究了由VAV空調(diào)系統(tǒng)、制冷系統(tǒng)和房間熱力系統(tǒng)構(gòu)成的復(fù)雜建筑空調(diào)系統(tǒng)模糊控制問題，提出了模糊規(guī)則模型建立方法，即模糊模型應(yīng)以一個(gè)中心點(diǎn)為對(duì)稱設(shè)置；仿真和試驗(yàn)證明了該模型建立方法的有效性．隨后，他們又利用相平面分析法提出了規(guī)則模型自調(diào)整模糊控制器[6]，實(shí)現(xiàn)了利用相平面上的參考軌跡來調(diào)整模糊控制規(guī)則，仿真和試驗(yàn)結(jié)果表明，該方法具有較好的控制性能．模糊控制規(guī)則是保證模糊控制具有較高控制性能的關(guān)鍵．Cox[7]給出了一類基于神經(jīng)網(wǎng)絡(luò)提取模糊規(guī)則的自適應(yīng)模糊控制系統(tǒng)．1993年，Nie等[8]在模糊控制器中引入模糊競(jìng)爭(zhēng)機(jī)構(gòu)和重復(fù)學(xué)習(xí)控制算法，使得基于徑向基函數(shù)網(wǎng)絡(luò)的模糊控制器在缺少專家知識(shí)的情況下，能夠自組織控制器結(jié)構(gòu)，自動(dòng)提取控制規(guī)則，以達(dá)到滿意的控制效果．1998年，葉其革等[9]提出一種具有結(jié)構(gòu)和參數(shù)學(xué)習(xí)能力的自組織模糊神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)方法，無需事先確定模糊控制規(guī)則，在控制過程中由神經(jīng)網(wǎng)絡(luò)在線產(chǎn)生模糊控制規(guī)則、調(diào)整規(guī)則參數(shù)．1999年，Wang等[10]將遺傳算法(genetic algorithms，GA)的強(qiáng)搜索能力與Kalman濾波器收斂迅速的特點(diǎn)相結(jié)合，提出了一種提取規(guī)則的混合算法．2002年，Chen等[11]使用GA從訓(xùn)練數(shù)據(jù)中提取規(guī)則，并利用GA調(diào)整規(guī)則的前件和后件隸屬函數(shù)．模糊控制規(guī)則的優(yōu)化與自組織大大提高了模糊控制的性能．但為滿足實(shí)時(shí)控制的要求，不僅需要良好的控制算法，而且需要滿足實(shí)時(shí)控制的要求，即模糊控制規(guī)則優(yōu)化與自組織算法應(yīng)簡(jiǎn)捷且易于實(shí)現(xiàn)．為此，筆者從模糊控制規(guī)則提取的角度，提出了規(guī)則自提取模糊控制方法，在此基礎(chǔ)上，進(jìn)行了低溫?zé)崴崞鳠峁ば阅茉囼?yàn)臺(tái)送風(fēng)系統(tǒng)基本模糊控制和零初始規(guī)則的規(guī)則自提取模糊控制的試驗(yàn)研究，并將上述結(jié)果與比例積分(proportion integration，PI)控制進(jìn)行比較，以研究各種不同控制算法在測(cè)試室系統(tǒng)中的適應(yīng)性和控制性能．

1 規(guī)則自提取模糊控制方法

1.1控制器基本結(jié)構(gòu)

圖1為規(guī)則自提取模糊控制器基本結(jié)構(gòu)，其中，T為采樣周期，s；θ為溫度設(shè)定值，℃；k表示第k次采樣；y為被控過程的輸出；e*、ec*和u*分別為基本模糊控制器中偏差、偏差變化和控制量的精確量； Ke、ceK和Ku分別為e*、ec*和u*的量化因子和比例因子；e′和ce′為規(guī)則自組織模塊中的偏差和偏差變化的精確量；eK′、ceK′為規(guī)則自組織模塊中的量化因子；Ku’為比例因子；p(kT)為當(dāng)前采樣時(shí)刻規(guī)則的調(diào)整量；ANN為被控過程的神經(jīng)網(wǎng)絡(luò)模型．

圖1 規(guī)則自提取模糊控制器Fig.1 Self-abstracting fuzzy rule controller

模糊控制規(guī)則采用Mamdani型規(guī)則，即

式中：e、ec和u分別為偏差、偏差變化和控制量；Ai、Bj和Cij分別為定義在偏差變化和控制量論域上的模糊集；i=1，2，…，m，m為控制規(guī)則總數(shù)；j=1，2，…，n.

表1為初始模糊控制規(guī)則，NB(negative big)、NM(negative medium)、NS(negative small)、ZE(zero)、PS (positive small)、PM(positive medium)和PB (positive big)為模糊等級(jí)．

表1 模糊控制規(guī)則表Tab.1 Fuzzy control rule set

1.2實(shí)現(xiàn)方法

設(shè)被控對(duì)象的時(shí)滯時(shí)間為dT，即(k-d)T時(shí)刻的控制作用在kT時(shí)刻才產(chǎn)生響應(yīng)．因此，可根據(jù)kT時(shí)刻系統(tǒng)響應(yīng)大小，通過性能評(píng)價(jià)和校正規(guī)則表(如表2所示)，實(shí)現(xiàn)對(duì)(k-d)T時(shí)刻的作用模糊控制規(guī)則[12]進(jìn)行校正，并將校正的結(jié)果寫入模糊控制規(guī)則表，以使得系統(tǒng)在以后的控制過程按校正后的規(guī)則工作．

表2 規(guī)則自組織模塊的校正規(guī)則Tab.2 Adjusting rule set of rule self-organizing module

(1)(k-d)T時(shí)刻作用模糊控制規(guī)則的判定．設(shè)e*((k-d)T)及ec*((k-d)T)是(k-d)T時(shí)刻的偏差和偏差變化，根據(jù)作用模糊子集推理方法[7]，確定作用模糊控制規(guī)則．

(2)(k-d)T時(shí)刻作用模糊控制規(guī)則后件校正量的確定．由圖1可知，根據(jù)被控過程在當(dāng)前時(shí)刻的輸出和參考輸入，求出該時(shí)刻的偏差和偏差變化，將其送入規(guī)則自組織模塊，根據(jù)表2所示的校正規(guī)則表，利用作用模糊子集推理方法，得出(k-d)T時(shí)刻作用模糊控制規(guī)則后件的調(diào)整量，記為ΔCij((k-d)T)．

(3)(k-d)T時(shí)刻作用模糊控制規(guī)則后件的校正．根據(jù)表1和Cij((k-d)T)則可實(shí)現(xiàn)對(duì)(k-d)T時(shí)刻作用模糊控制規(guī)則后件的校正，校正后的規(guī)則稱為(k+1)T時(shí)刻的作用規(guī)則，即

2 散熱器試驗(yàn)臺(tái)及其送風(fēng)系統(tǒng)模糊控制系統(tǒng)結(jié)構(gòu)

2.1散熱器試驗(yàn)臺(tái)簡(jiǎn)介

圖2所示的低溫?zé)崴崞鳠峁ば阅茉囼?yàn)臺(tái)由環(huán)境測(cè)試室、墻壁送風(fēng)冷卻系統(tǒng)、熱水系統(tǒng)、制冷系統(tǒng)和測(cè)控系統(tǒng)構(gòu)成[1]．環(huán)境測(cè)試室平面圖如圖3所示，尺寸為3,976,mm×3,976,mm×2,800,mm，鋼制圍護(hù)結(jié)構(gòu)，外設(shè)保溫層，內(nèi)設(shè)矩形風(fēng)道均勻送風(fēng)，送風(fēng)量約11,000,m3/h，如圖4所示．送風(fēng)系統(tǒng)設(shè)有蒸發(fā)器和電加熱器，通過調(diào)節(jié)電加熱器控制送風(fēng)溫度，以維持測(cè)試室溫度穩(wěn)定．本低溫?zé)崴崞鳠峁ば阅茉囼?yàn)臺(tái)是按照國際標(biāo)準(zhǔn)化組織的ISO3147、ISO3148、ISO3149和ISO3150等有關(guān)標(biāo)準(zhǔn)于1980年研制成功，在1983年7月由原城鄉(xiāng)建設(shè)環(huán)境保護(hù)部科技局主持通過了鑒定，并于2002年進(jìn)行現(xiàn)代化改造，增加了計(jì)算機(jī)測(cè)控系統(tǒng)，是國內(nèi)最早建立的散熱器靜態(tài)熱工試驗(yàn)臺(tái)．試驗(yàn)數(shù)據(jù)精度高，復(fù)現(xiàn)性好，多年來一直為全國各地散熱器進(jìn)行鑒定和測(cè)試．

圖2 低溫?zé)崴崞鳠峁ば阅茉囼?yàn)臺(tái)Fig.2 Low temperature water radiator performance rig

圖3 測(cè)試室平面示意Fig.3 Plan sheet of testing room

圖4 風(fēng)系統(tǒng)原理示意Fig.4 Schematic diagram of air system

2.2送風(fēng)溫度及測(cè)試室溫度模糊控制系統(tǒng)結(jié)構(gòu)

圖5 送風(fēng)溫度及測(cè)試室溫度基本模糊控制系統(tǒng)結(jié)構(gòu)Fig.5 Structure of basic fuzzy control system for supply air temperature and testing room air temperature

圖5 為送風(fēng)溫度及測(cè)試室溫度基本模糊控制系統(tǒng)結(jié)構(gòu)，A*、B*和C*分別為e*、ec*和u*的模糊量；tSA為送風(fēng)溫度，℃；troom為測(cè)試室溫度，℃；控制量u的含義為某控制周期內(nèi)送風(fēng)系統(tǒng)開關(guān)型電加熱器的通電時(shí)間與控制周期的百分比．反饋量開關(guān)與A連接，表示測(cè)試量為送風(fēng)溫度；反饋量開關(guān)與B連接，表示測(cè)試量為測(cè)試室溫度．圖6為送風(fēng)溫度及測(cè)試室溫度規(guī)則自提取模糊控制系統(tǒng)結(jié)構(gòu)．在實(shí)際試驗(yàn)中，初始規(guī)則有兩種設(shè)置方式：一是表1規(guī)則為非零初始規(guī)則；二是初始規(guī)則后件全部為零，即零初始規(guī)則．

圖6 送風(fēng)溫度及測(cè)試室溫度規(guī)則自提取模糊控制系統(tǒng)結(jié)構(gòu)Fig.6 Structure of self-abstracting rule fuzzy control system for supply air temperature and testing room air temperature

3 送風(fēng)溫度模糊控制試驗(yàn)結(jié)果分析

3.1模糊控制試驗(yàn)過程

(1)根據(jù)需要設(shè)定送風(fēng)溫度，熱水系統(tǒng)流量設(shè)定為100,kg/h，供水溫度采用PID控制，其設(shè)定值為92,℃．

(2)當(dāng)送風(fēng)溫度tSA＜13,℃時(shí)，送風(fēng)系統(tǒng)電加熱器滿負(fù)荷啟動(dòng)加熱；當(dāng)tSA＞15,℃時(shí)，電加熱器關(guān)閉，其他情況采用模糊控制進(jìn)行控制，維持送風(fēng)溫度在設(shè)定值附近．

(3)啟動(dòng)熱水系統(tǒng)、送風(fēng)系統(tǒng)和制冷系統(tǒng)．

(4)通過送風(fēng)溫度控制軟件，設(shè)定不同的模糊控制方式．

3.2模糊控制試驗(yàn)結(jié)果

基于送風(fēng)系統(tǒng)調(diào)節(jié)的測(cè)試室溫度模糊控制系統(tǒng)結(jié)構(gòu)如圖5和圖6所示，且反饋量開關(guān)與A連接．

(1)基本模糊控制結(jié)果．送風(fēng)溫度設(shè)定值為13.5℃．偏差的論域?yàn)閇-1.0，1.0] ℃，偏差變化論域?yàn)閇-0.2，0.2],℃，控制量論域?yàn)閇15%，70%]．模糊控制規(guī)則如表1所示，試驗(yàn)結(jié)果見圖7．可見，送風(fēng)溫度基本模糊控制約存在10,min的過渡期，超調(diào)達(dá)到0.25,℃；進(jìn)入穩(wěn)定狀態(tài)后仍有較大的波動(dòng)，且存在0.1,℃的穩(wěn)態(tài)誤差．穩(wěn)定時(shí)間至少持續(xù)30,min，穩(wěn)定期間溫度控制在13.5～13.6,℃之間，滿足散熱器試驗(yàn)臺(tái)的精度要求和持續(xù)穩(wěn)定時(shí)間要求．

圖7 送風(fēng)溫度基本模糊控制結(jié)果Fig.7 Testing results of basic fuzzy control of supply air temperature

(2)規(guī)則自提取模糊控制結(jié)果．考慮實(shí)際需要，送風(fēng)溫度設(shè)定值為14,℃，基本模糊控制器的實(shí)際偏差論域?yàn)閇-1.0，1.0],℃，實(shí)際偏差變化論域?yàn)閇-0.2，0.2],℃，實(shí)際控制量論域?yàn)閇15%，70%]．規(guī)則自組織模塊的偏差論域?yàn)閇-1.0，1.0],℃，實(shí)際偏差變化論域?yàn)閇-0.2，0.2],℃，控制調(diào)整量論域?yàn)閇-0.018%，0.018%]．初始規(guī)則見表1，校正規(guī)則見表2．送風(fēng)溫度規(guī)則自提取模糊控制試驗(yàn)結(jié)果見圖8，調(diào)整后的模糊控制規(guī)則如表3所示．由圖8可見，以零初始規(guī)則的送風(fēng)溫度規(guī)則自提取模糊在總體上比基本模糊控制具有更好的控制性能，過渡期減小到約8,min；進(jìn)入穩(wěn)定狀態(tài)后，不存在穩(wěn)態(tài)誤差；但其超調(diào)約0.3,℃，大于基本模糊控制的超調(diào)．由表3可見，由于采用了作用模糊子集推理方法[12]，在送風(fēng)溫度規(guī)則自提取模糊控制過程中，僅涉及到15條模糊控制規(guī)則，其他規(guī)則在整個(gè)過程均沒有起作用．穩(wěn)定時(shí)間至少持續(xù)30,min，穩(wěn)定期間溫度控制在13.9～14.1,℃之間，滿足散熱器試驗(yàn)臺(tái)的精度要求和持續(xù)穩(wěn)定時(shí)間要求．

圖8 送風(fēng)溫度規(guī)則自提取模糊控制結(jié)果Fig.8 Testing results of self-abstracting rule fuzzy control of supply air temperature

表3 送風(fēng)系統(tǒng)規(guī)則自提取后的模糊控制規(guī)則Tab.3 Fuzzy control rule set after self-abstracting rule fuzzy control of supply air system

圖9為送風(fēng)溫度的規(guī)則自提取模糊控制和基本模糊控制的相平面軌跡，其中，S1和S2分別為自提取模糊控制和基本模糊控制的過程起點(diǎn)，而E1和E2分別為自提取模糊控制和基本模糊控制的過程終點(diǎn)．

由圖9可以看出，盡管自提取模糊控制的起點(diǎn)距離終點(diǎn)很遠(yuǎn)，但系統(tǒng)很快就向終點(diǎn)逼近并圍繞終點(diǎn)運(yùn)動(dòng)；而基本模糊控制卻相反，最終的運(yùn)動(dòng)仍然偏離終點(diǎn)．可見，規(guī)則自提取模糊控制比基本模糊控制具有更好的控制品質(zhì)．

圖9 送風(fēng)溫度模糊控制相平面軌跡Fig.9 Phase plane trajectory of fuzzy control of supply air temperature

3.3PI控制試驗(yàn)

本文的重點(diǎn)是在散熱器試驗(yàn)臺(tái)上驗(yàn)證規(guī)則自提取模糊控制的可靠性，而且熱工系統(tǒng)多數(shù)為慢時(shí)變過程，不要求過高的反應(yīng)速度，用PI控制即可滿足要求，因此作為階段性的工作，試驗(yàn)采用了積分分離PI控制算法．在以后的工作中將會(huì)加入微分的控制試驗(yàn)．采用的積分分離PI控制方法為

式中：Kp為PI控制的比例系數(shù)；Ti為積分系數(shù)．進(jìn)行送風(fēng)溫度PI控制試驗(yàn)時(shí)，熱水流量為100,kg/h，送風(fēng)溫度設(shè)定為14.5,℃，供水溫度設(shè)定在92,℃．積分分離條件為：當(dāng)tSA＜13.5,℃時(shí)送風(fēng)系統(tǒng)電加熱器滿負(fù)荷加熱；當(dāng)tSA＞15.5,℃時(shí)，電加熱器關(guān)閉；其他情況為PI控制．啟動(dòng)2臺(tái)制冷機(jī)．試驗(yàn)時(shí)Kp=10，Ti=80．

送風(fēng)溫度PI控制試驗(yàn)結(jié)果見圖10．與上述模糊控制相比，PI控制的最大問題是過渡期太長，約20,min；但超調(diào)量小，約0.21,℃；進(jìn)入穩(wěn)態(tài)后控制效果好．穩(wěn)定時(shí)間至少持續(xù)20,min，穩(wěn)定期間溫度控制在14.4～14.6,℃之間，可滿足散熱器試驗(yàn)臺(tái)的精度要求和持續(xù)穩(wěn)定時(shí)間要求．

圖10 送風(fēng)溫度PI控制結(jié)果Fig.10 Testing results of PI control of supply air temperature

4 基于送風(fēng)電加熱器調(diào)節(jié)的測(cè)試室溫度模糊控制試驗(yàn)結(jié)果分析

4.1模糊控制試驗(yàn)過程

(1)在模糊控制試驗(yàn)中，熱水流量為100,kg/h，供水溫度為92,℃．

(2)當(dāng)測(cè)試室溫度troom＜17.3,℃時(shí)，滿負(fù)荷啟動(dòng)送風(fēng)電加熱器，當(dāng)troom＞18.3,℃時(shí)，關(guān)閉電加熱器；其他情況采用基本模糊控制和規(guī)則自提取模糊控制維持測(cè)試室溫度的穩(wěn)定．當(dāng)測(cè)試室溫度達(dá)到16,℃后，啟動(dòng)送風(fēng)系統(tǒng)和制冷系統(tǒng)．

(3)當(dāng)室溫達(dá)到16,℃時(shí)，啟動(dòng)循環(huán)風(fēng)機(jī)，啟動(dòng)冷卻水循環(huán)泵，啟動(dòng)制冷系統(tǒng)．

(4)通過測(cè)試室溫度控制軟件，設(shè)定不同的模糊控制方式．

4.2模糊控制試驗(yàn)結(jié)果

基于送風(fēng)電加熱器調(diào)節(jié)的測(cè)試室溫度模糊控制系統(tǒng)結(jié)構(gòu)如圖5和圖6所示，且其反饋量開關(guān)與B連接．

(1)基本模糊控制試驗(yàn)的測(cè)試室溫度設(shè)定值為18,℃，基本模糊控制偏差論域?yàn)閇-0.5，0.5],℃，偏差變化論域?yàn)閇-0.2，0.2],℃，控制量論域?yàn)閇15%，80%]，控制規(guī)則見表1．基本模糊控制的試驗(yàn)結(jié)果如圖11所示．可見，基于送風(fēng)電加熱器調(diào)節(jié)的測(cè)試室溫度基本模糊試驗(yàn)存在著0.1,℃以上的穩(wěn)態(tài)誤差．穩(wěn)定時(shí)間至少持續(xù)30,min，穩(wěn)定期間溫度控制在17.9～18.0,℃之間，滿足散熱器試驗(yàn)臺(tái)的精度要求和持續(xù)穩(wěn)定時(shí)間要求．

(2)規(guī)則自提取模糊控制實(shí)際偏差論域?yàn)閇-0.5，0.5] ℃，實(shí)際偏差變化論域?yàn)閇-0.2，0.2],℃，實(shí)際控制量論域?yàn)閇15%，80%]．規(guī)則自組織模塊中的實(shí)際偏差論域?yàn)閇-0.5，0.5],℃，實(shí)際偏差變化論域?yàn)閇-0.2，0.2],℃，控制調(diào)整量論域?yàn)閇-0.012%，0.012%]．初始規(guī)則見表1，校正規(guī)則見表2．圖12為測(cè)試室溫度規(guī)則自提取模糊控制試驗(yàn)結(jié)果，自提取后的控制規(guī)則如表4所示．可見，基于送風(fēng)電加熱器調(diào)節(jié)的測(cè)試室溫度規(guī)則自提取模糊控制穩(wěn)定過程較長，約50,min．穩(wěn)定時(shí)間至少持續(xù)25,min，穩(wěn)定期間溫度控制在17.7～17.8,℃之間，滿足散熱器試驗(yàn)臺(tái)的精度要求和持續(xù)穩(wěn)定時(shí)間要求．

圖11 測(cè)試室溫度基本模糊控制試驗(yàn)結(jié)果Fig.11 Testing results of basic fuzzy control of testing room temperature

圖12 測(cè)試室溫度規(guī)則自提取模糊控制試驗(yàn)結(jié)果Fig.12 Testing results of self-abstracting rule fuzzy control of testing room temperature

表4 規(guī)則自提取后的模糊控制規(guī)則Tab.4 Fuzzy control rule set after self-abstracting rule

4.3PI控制試驗(yàn)結(jié)果

采用式(3)的PI控制模型，Kp=20，Ti=3,200．測(cè)試室溫度設(shè)定為17.5,℃.當(dāng)troom＜ 17,℃時(shí)，送風(fēng)系統(tǒng)電加熱器滿負(fù)荷加熱；當(dāng)troom＞ 18,℃時(shí)，電加熱器關(guān)閉；其他情況為PI控制．試驗(yàn)中其他條件同上，則基于送風(fēng)系統(tǒng)調(diào)節(jié)的測(cè)試室溫度PI控制試驗(yàn)結(jié)果如圖13所示．可見，基于送風(fēng)電加熱器調(diào)節(jié)的測(cè)試室溫度PI控制試驗(yàn)的過渡期很長，約200,min，且有較大的超調(diào)量，約0.165,℃．穩(wěn)定時(shí)間至少持續(xù)30,min，穩(wěn)定期間溫度控制在17.4～17.6,℃之間，滿足散熱器試驗(yàn)臺(tái)的精度要求和持續(xù)穩(wěn)定時(shí)間要求．試驗(yàn)結(jié)果表明，采用相同的PI控制模型，對(duì)送風(fēng)溫度的控制過渡期約20,min，對(duì)測(cè)試室溫度的控制過渡期達(dá)到20,min，有10倍之差的過渡期時(shí)間證明測(cè)試室溫度控制確實(shí)是大滯后控制系統(tǒng)．

圖13 測(cè)試室溫度PI控制試驗(yàn)結(jié)果Fig.13 Testing results of PI control of testing room temperature

5 結(jié) 論

(1)對(duì)于送風(fēng)溫度的控制，傳統(tǒng)PI控制方法具有較好的控制效果，系統(tǒng)輸出雖有小幅超調(diào)，但收斂很快，其穩(wěn)態(tài)誤差在所試驗(yàn)的3種控制方法中最小；基本模糊控制系統(tǒng)收斂較慢，且有0.1,℃的穩(wěn)態(tài)誤差；規(guī)則自提取模糊控制過程出現(xiàn)較大超調(diào)，但是系統(tǒng)收斂加快，穩(wěn)態(tài)誤差?。?/p>

(2)基于送風(fēng)電加熱器調(diào)節(jié)的測(cè)試室溫度控制屬于典型的大滯后過程控制，盡管規(guī)則自提取模糊控制在3種控制方法中的控制效果相對(duì)最好，但也存在較長的穩(wěn)定時(shí)間．

(3)基于作用模糊子集推理方法的規(guī)則自提取模糊控制方法在規(guī)則自提取過程中，涉及規(guī)則少、模糊控制算法效率高，便于實(shí)現(xiàn)規(guī)則在線獲取和模糊控制．

［1］ 張吉禮. 模糊-神經(jīng)網(wǎng)絡(luò)控制原理與工程應(yīng)用 [M]. 哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2004.

Zhang Jili. Principle and Engineering Application of Fuzzy Neural Network Control [M]. Harbin：Harbin Institute of Technology Press，2004(in Chinese).

［2］ Tobi T，Hanafusa T. A practical application of fuzzy control for an air-conditioning system [J]. International Journal of Approximate Reasoning，1991，5(3)：331-348.

［3］ Albert T P，Chan W L，Chow T T，et al. A neural network based identifier/controller for modern HVAC control [J]. ASHRAE Transactions，1995，101(2)：14-31.

［4］ Huang S，Nelson R M. Rule development and adjustment strategies of a fuzzy logic controller for an HVAC system (PartⅠ)：Analysis [J]. ASHRAE Transactions，1994，100(2)：841-850.

［5］ Huang S，Nelson R M. Rule development and adjustment strategies of a fuzzy logic controller for an HVAC system (PartⅡ)：Experiment [J]. ASHRAE Transactions，1994，100(2)：851-856.

［6］ Huang S，Nelson R M. Development of a self-tuning fuzzy logic controller [J]. ASHRAE Transactions，1999，105(1)：206-213.

［7］ Cox E. Adaptive fuzzy system [J]. IEEE Spectrum，1993，30(2)：27-31.

［8］ Nie J，Linkens D A. Learning control using fuzzified selforganizing radial basis function network [J]. IEEE Trans on Fuzzy Systems，1993，1(4)：280-287.

［9］ 葉其革，吳 捷. 一種自組織模糊神經(jīng)網(wǎng)絡(luò)控制器[J]. 控制與決策，1998，13(6)：694-698.

Ye Qige，Wu Jie. Self-organizing fuzzy neural networks controller [J]. Control and Decision， 1998，13(6)：694-698(in Chinese).

［10］ Wang Liang，Yen J. Extracting fuzzy rules for system modeling using a hybrid of genetic algorithms and Kalman filter [J]. Fuzzy Sets and Systems，1999，101(3)：353-362.

［11］ Chen S M，Chen Y C. Automatically constructing membership functions and generating fuzzy rules using genetic algorithms [J]. Cybernetics and Systems，2002，33(8)：841-862.

［12］ 歐進(jìn)萍，張吉禮. 作用模糊子集推理方法的研究與應(yīng)用[J]. 模糊系統(tǒng)與數(shù)學(xué)，2000，14(3)：58-65.

Ou Jinping，Zhang Jili. Study and application on the method of functioning-fuzzy-subset inference [J]. Fuzzy Systems and Mathematics，2000，14(3)：58-65(in Chinese).

Self-Abstracting Rule Fuzzy Control Experiment of Supply Air System in a Radiator Performance Rig

CHEN Yong-pan1，LU Zhen2，ZHANG Ji-li2，LIU Hui3
(1. School of Municipal and Environmental Engineering，Harbin Institute of Technology，Harbin 150090，China；2. School of Civil and Hydraulic Engineering，Dalian University of Technology，Dalian 116024，China；3. Beijing Siemens Cerberus Electronics Company Limited，Beijing 100085，China)

A self-abstracting rule fuzzy control(SARFC)method for supply air system in a radiator performance righas been put forward and fuzzy control experiments and proportion integration(PI)control experiments for the controlled loops of both supply air temperature and testing room air temperature have been carried out based on adjustment by the electrical heater set in the supply air system. Two types of fuzzy control have been experimented，i.e. basic fuzzy control and SARFC with zero initial control rules. Experiment resultsindicate that for the control loop of supply air electrical heater and supply air temperature without time delay，PI control has a better control performance and a higherconstringency speed than the fuzzy control，basic fuzzy control has a lower constringency speed and a stable error，and SARFC has a higher overshoot，higher constringency speed and smaller stable error. For the control loop of supply air electrical heater and testing roomair temperature with time delay，SARFC has a satisfactory control performance with a lower overshoot and smaller stable error than the basic fuzzy control and PI control. According to the experiments，SARFC is particularly suitable for the control process with a large time delay while PI is a good candidate for the control process without time delay.

radiator performance rig；supply air system；self-organizing fuzzy control；self-abstracting rule

TP273

A

0493-2137(2010)01-0043-07

2008-12-16；

2009-04-13.

“十一五”國家科技支撐計(jì)劃資助項(xiàng)目(2006BAJ01A09；2008BAJ12B05)；國家自然科學(xué)基金資助項(xiàng)目(50578049).

陳永攀（1980— ），男，博士研究生.

陳永攀，cyp257@126.com.