基于智能解耦補償?shù)纳囵B(yǎng)箱智能控制

羅偉　湖南學院鐵道職業(yè)技術(shù)　湖南株洲　412001

?

基于智能解耦補償?shù)纳囵B(yǎng)箱智能控制

羅偉湖南學院鐵道職業(yè)技術(shù)湖南株洲412001

2013年度湖南省教育廳科學研究項目（課題編號：13C591）

文章摘要】

針對生化培養(yǎng)箱過程控制系統(tǒng)中，存在溫、濕度變化耦合性強、設(shè)備性能易變的問題，本文提出了一種新的設(shè)計方法，首先采用模糊控制器對溫、濕度獨立控制，再采用粒子群算法對模糊隸屬度進行在線優(yōu)化，同時引入神經(jīng)元學習算法，實現(xiàn)對溫度和濕度控制量解耦關(guān)系的學習，系統(tǒng)實際運行效果實現(xiàn)證明了本文方法的有效性。

【關(guān)鍵詞】

國家標準學科分類代碼：510-80

1　生化培養(yǎng)箱工藝原理

生化培養(yǎng)箱是是生物、醫(yī)學、環(huán)境保護等行業(yè)的科研機構(gòu)的重要試驗設(shè)備，廣泛應用于恒溫恒濕試驗、培養(yǎng)試驗等。生化培養(yǎng)箱主要由制熱、制冷、加濕、反饋系統(tǒng)及控制系統(tǒng)等部分組成，其原理如圖1所示。主要采用熱電阻絲和壓縮機進行溫度的升降調(diào)節(jié)，實現(xiàn)溫度可控，同時利用加濕器進行濕度調(diào)節(jié)，實現(xiàn)濕度可控。

圖1　生化培養(yǎng)箱原理示意圖

當生化培養(yǎng)箱工作溫度偏離給定值時，如溫度升高，感溫電橋輸出信號，經(jīng)放大控制壓縮機制冷，降低箱體溫度;倘若溫度低于給定值時，電加熱管對加溫管道進行加熱，通過風扇向箱體輸入熱空氣，使箱體內(nèi)部的溫度快速升高，使溫度達到平衡。如箱體內(nèi)濕度偏低，感濕電橋輸出信號，濕度控制系統(tǒng)工作，加濕器進行噴霧;反之，需要減濕時壓縮機工作致冷，帶出箱體內(nèi)的水分，達到除濕的目的，穩(wěn)定箱體濕度。

生化培養(yǎng)過程中溫度和濕度的變化相互影響，耦合性較強。電加熱管工作時，溫度升高，水分擴散增強，濕度升高;壓縮機工作時，會帶出箱體內(nèi)的水分，降低濕度。加濕器工作時帶入一定量的冷濕水分，會影響箱體內(nèi)的溫度。因此，生化培養(yǎng)過程的溫、濕度交叉耦合嚴重。

2　算法結(jié)構(gòu)

為了解決生化培養(yǎng)過程中，溫度和濕度相互制約，相互影響的問題，需要對系統(tǒng)溫、濕度變化進行解耦，本文提出了一種基于神經(jīng)元解耦的變參數(shù)模糊制方法，整個控制系統(tǒng)由基于改進模糊算法的溫、濕度獨立控制，以及基于神經(jīng)元的解耦補償組成。改進模糊算法采用粒子群算法算法對模糊隸屬度進行在線優(yōu)化。神經(jīng)元解耦補償器，利用解耦結(jié)果對控制量進行補償。

本文采用了梯形結(jié)構(gòu)的模糊控制器隸屬度函數(shù)，每個隸屬度函數(shù)，有4個參數(shù)待確定，因此溫、濕度模糊控制器各自的輸入、輸出共12個變量的梯形隸屬度函數(shù)參數(shù)，共同構(gòu)成了各自PSO的解空間。根據(jù)生化培養(yǎng)過程的控制指標，大量粒子以當前的位置最優(yōu)的粒子為參照更新自身速度矢量V，調(diào)節(jié)自己的位置，在解空間中搜索更優(yōu)的位置。通過大量粒子不斷的迭代更新，逐步在空間中聚合到最優(yōu)的位置，從而得到隸屬度函數(shù)的最優(yōu)解集。

根據(jù)生化培養(yǎng)過程的工藝分析，可知溫度控制和濕度控制存在嚴重耦合關(guān)系，不利于控制策略的實施，為了保證溫度控制策略和濕度控制策略的相互獨立，需要對系統(tǒng)進行解耦，采用神經(jīng)元算法進行解耦補償?shù)姆椒梢越鉀Q生化培養(yǎng)過程的復雜非線性。

圖2　實時溫濕度曲線圖

3　系統(tǒng)運行實驗

為了測試本文算法應用于生化培養(yǎng)箱后實際溫濕度控制效果，本文設(shè)計了一個由2個運行時段組成的測試方案，時段1設(shè)置參數(shù)為溫度40 ℃、濕度55% ; 時段2設(shè)置參數(shù)為溫度50 ℃、濕度45%。各時段運行時間均設(shè)置為25分鐘，且循環(huán)運行。每分鐘記錄一次數(shù)據(jù)繪制出如圖2所示的實時溫濕度曲線。

由圖6 可知，系統(tǒng)運行前溫度為28℃，濕度為70%。在時段1中，由于采用了耦合補償算法和變參數(shù)模糊控制，生化培養(yǎng)箱的溫度在4分鐘內(nèi)基本到達控制精度范圍（40℃±0.5）。然后對濕度進行模糊控制，圖中顯示，濕度快速到達控制精度范圍內(nèi)（55%±5）。

當系統(tǒng)運行到30 分鐘時，到達時段切換點進入時段2。當前溫濕度為時段1 的控制溫濕度40℃和55%，而時段2 的設(shè)定溫濕度為50℃和45%，系統(tǒng)瞬時誤差很大。由于變參數(shù)模糊控制對隸屬度進行調(diào)節(jié)，使溫濕度快速到達控制點，且滿足控制要求。

【參考文獻】

[1]魏徳敏；文星宇.基于混合PSO算法的桁架動力響應優(yōu)化[J].振動與沖擊,2011,22（5）: 92-95.

[2]韋振中,黃廷磊.基于支持向量機和粒子群算法的特征選擇[J].廣西工學院學報,2006,17（2）: 103～106.

[3]湖澤新.基于神經(jīng)網(wǎng)絡(luò)的解耦控制新方法及其應用[J].控制與決策,2009,18（6）:409-412.

生化培養(yǎng)箱；解耦；智能控制

中圖分類號：TP273+.21

文獻標識碼：A

【作者簡介】

羅偉（1979-），男，湖南株洲人，碩士，副教授，研究領(lǐng)域：控制工程。