4.2.1模糊子集的选取 ......................................................... 17 4.2.2模糊规则的建立 ......................................................... 18 4.2.3模糊推理及模糊决策 ..................................................... 21
4.3模糊PID控制的仿真 ...................................... 21 参考文献 ...................................................... 21 答 谢 .................................................... 22
1.绪论
恒温箱主要用来控制温度，在目前工业生产及科学研究中有着重要的作用，因此设计一个高精度的恒温箱温度控制系统有着重要的实际意义和应用价值。为了控制恒温箱的温度，常采用最早在时滞系统控制中应用的经典控制方法和近年来受到广泛关注的智能控制方法，同时二者相结合的复合控制方法由于具有二者的优点，因此也逐渐受到广泛的应用。本文中主要介绍PID控制算法、模糊控制算法及模糊PID控制算法对恒温箱的温度控制。
1.1选题的目的、意义
恒温箱主要用来控制温度，目前广泛的应用于实验室及科研工厂、企业等，同时它也为农业研究、生物技术测试提供所需要的各种环境模拟条件。因此可以广泛适用于药物、纺织、食品加工等无菌试验、稳定性检查以及工业产品的原料性、产品包装、产品寿命等测试。恒温箱还可供科研机关及医院做细菌培养之用，也可作育种、发酵以及大型养殖孵化等用途[1]。总之，恒温箱在目前工业生产及科学研究中有着重要的作用，因此设计一个高精度的温度控制系统有着重要的实际意义和应用价值。
Matlab是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks
公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境[2]。它可以实现对众多控制的仿真，而且仿真的效果好，可以直观的反应控制的效果，因此用Matlab对恒温箱的温度控制系统进行仿真可以检测算法的正确性以及实用性。
1.2对本课题涉及问题的研究现状
为了实现对恒温箱的温度控制,常采用最早在时滞系统控制中应用的经典控制方法和近年来受到广泛关注的智能控制方法，同时二者相结合的复合控制方法由于具有二者的优点，因此也逐渐受到广泛的应用。 1.2.1经典控制
所谓经典控制方法是指针对时滞系统控制问题提出并应用得最早的控制策略，主要包括PID控制、Smith预估控制、大林算法这几种方法。
PID控制器由于具有算法简单，鲁棒性好和可靠性高等特点，因而在实际控制系统设计中得到了广泛的应用。PID控制的难点在于如何对控制参数进行整定，以求得到最佳控制效果[3]。
然而PID在时滞过程中的应用受到一定的限制,由于PID算法只有在系统模型参数为非时变的情况下,才能获得理想效果。当一个调好参数PID控制器被应用到模型参数时变系统时,系统的性能会变差,甚至不稳定[4]。尤其对于时滞较大,即额定时滞的系统,常规PID控制往往无能为力。但是,可以将它与其他的方法结合起来改善时滞过程的控制效果,从而可以继续发挥PID控制的优点。许多学者提出了多种模糊PID控制算法,设计了多种模糊PID控制器,如与时间无关的确定性模糊PID控制器,自适应模糊PID控制器,使得控制性能得到了很大的改善。PID控制可以和模糊控制及神经网络结合起来,即基于神经网络的模糊自适应PID控制方法。
Smith预估器是得到广泛应用的时滞系统控制方法，该方法是一个时滞预估补偿算法。它通过估计对象的动态特性,用一个预估模型进行补偿,从而得到一个没有时滞的被调节量反馈到控制器,使得整个系统的控制就如没有时滞环节,减小超调量,提高系统的稳定性并且加速调节过程,提高系统的快速性[5]。
理论上Smith预估器可以完全消除时滞的影响,但是在实际应用中却不尽人意,主要原因在于:Smith预估器需要确知被控对象的精确数学模型,当估计模型和实际对象有误差时,控制品质就会严重恶化,因而影响了Smith预估器在实际应用中的控制性能[6]。于是在Smith预估器的基础上,许多学者提出了扩展型的或者改进型的方案,这些方案包括:多变量Smith预估控制,非线性系统的Smith预估器,改进的Smith预估器,自适应的Smith预估控制器。
大林算法是由美国IBM公司的Dahlin于1968年针对工业过程控制中的纯滞后特性而提出的一种控制算法。该算法的目标是设计一个合适的数字调节器D(z)，使整个系统的闭环传递函数相当于一个带有纯滞后的一阶惯性环节，而且要求闭环系统的纯滞后时间等于被控对象的纯滞后时间[3]。大林算法方法比较简单，只要能设计出合适的且可以物理实现的数字调节器D(z)，就能够有效地克服纯滞后的不利影响，因而在工业生产中得到了广泛应用。但它的缺点是设计中存在振铃现象，且与Smith算法一样，需要一个准确的过程数字模型，当模型误差较大时，控制质量将大大恶化，甚至系统会变得不稳定。 1.2.2智能控制
智能控制是一类无需人的干预就能够独立地驱动智能机器实现其目标的自动控制，它包括模糊控制、神经网络控制、遗传算法等[7]。
模糊控制是智能控制较早的形式，它吸取了人的思维具有模糊性的特点，从广义上讲，模糊逻辑控制指的是应用模糊集合理论，统筹考虑系统的一种控制方式，模糊控制不需要精确的数学模型，是解决不确定性系统控制的一种有效途径。模糊控制是一种基于专家规则的控制方法。在时滞过程中,模糊控制一般是针对误差和误差变化率而进行的,将输入量的精确值模糊化,根据输入变量和模糊规则,按照模糊推理合成规则计算控制量,再将它清晰化,得到精确输出控制过程，其中模糊规则是最重要的。但是,模糊控制存在控制精度不高、算法复杂等缺点[8]。因此如果能结合其它的算法来提高它的控制精度,那将是非常有效的，例如模糊Smith控制器、模糊自适应控制器、模糊PID控制算法等。
神经网络控制是研究和利用人脑的某些结构机理以及人的知识和经验对系统的控制。人们普遍认为，神经网络控制系统的智能性、鲁棒性均较好，能处理高维、非线性、强耦合和不确定性的复杂工业生产工程的控制问题，其显著特点是具有学习能力。神经网络的主要优势在于能够充分逼近任意复杂的非线性系统，且有很强的鲁棒性和容错性。一般来说，神经网络用于控制有两种方法，一种是用来实现建模，一种是直接作为控制器使用。与模糊控制一样，神经网络也存在算法复杂的缺点，同时神经网络学习和训练比较费时，对训练集的要求也很高[8]。 1.2.3结论
经典控制方法由于具有结构简单、可靠性及实用性强等特点，在实际生产过程中得到了广泛的应用。但它们都是基于参数模型的控制方法，因而自适应性和鲁棒性差、对模型精确性要求高、抗干扰能力差。而智能控制是非参数模型的控制方法，因而在鲁棒性、抗干扰能力方面有很大的优势。但智