CN101751049A - 一种调节地铁车厢温度的方法 - Google Patents

Abstract

本发明所述的方法以模糊控制理论，以模糊自适应PID控制算法为基础，调节地铁车厢温度，将PID控制和模糊控制的优点结合起来，采用模糊规则在线整定PID的K_P、K_I、K_D三个参数的模糊自适应PID控制方法从一个新的角度上把规则的条件、操作用模糊集表示，并把这些模糊控制规则以及有关信息作为知识存入计算机知识库中，然后计算机根据控制系统的实际响应情况即可自动实现对PID参数的最佳调整。

Description

一种调节地铁车厢温度的方法

技术领域

本发明涉及一种控制技术领域，具体涉及应用于城市轨道交通车厢温度的调节方法。

背景技术

在目前的轨道交通中，夏天常会这样一些情况，车厢中乘客较多时，车厢内的空调仿佛不起作用，闷热无比；而当车厢中乘客较少时，车厢内的温度又很低，阵阵冷风让人感觉奇冷无比。原因是因为温度的调节与控制方法较单一，没有根据车厢的实际温度与人员多少来实时调节。即不具有自适应控制能力。

目前，实现温度控制的主要方法有：PID控制方法、模糊控制方法。常规的PID控制方法原理简单、实现方便，是一种能够满足大多数实际需要的基本控制器，但PID控制只能确定闭环系统的少数主要零极点，闭环特性从根本上是基于动态特性的低阶近似假定的。无法同时满足跟踪设定值和抑制扰动的不同性能要求，在很多情况下对被控对象的结构或参数变化不敏感。即不具有自适应控制能力，对于时变、非线性系统控制效果不佳。模糊控制易于控制、能实现较理想的非线性控制，且不依赖被控对象的精确数学模型，可以用于控制那些系统模型无法确定的系统；同时还具有抗干扰能力强，响应速度快，鲁棒性好，能够较大范围的适应参数变化。但是模糊控制也存在着稳态误差和模糊规则不易确定等不足。

发明内容

本发明的目的在于克服上述方法的不足，将模糊自适应PID控制方法引入实际应用，结合PID控制和模糊控制的优点，研究出模糊自适应PID控制器，解决PID控制动态特性不太理想的问题，并提供一种切实可用的用于调节地铁车厢温度的方法。本发明的技术方案如下所述。

一种调节地铁车厢温度的方法，包含如下步骤：

a、提取地铁车厢的采样温度；

b、将采样温度输入集成PID自适应模糊控制器的单片机系统，系统计算得到的数值调整地铁车厢的温度。

其中，所述PID自适应控制器包含模糊控制器和PID控制器，所述模糊控制器的输入量为温度偏差e和偏差变化率ec，输出量为PID参数的修正量比例系数ΔK_p、积分作用系数ΔK_i、微分作用系数ΔK_d，上述三个PID参数与温度偏差e和偏差变化率ec具有如下关系：

$\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i{\mathrm{\μ}}_{U1}\left(x_i\right)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\μ}}_{U1}\left(x_i\right)}=\frac{(-3\×0.5-2\×0.5-1\×0.5+0\×0.5+1\×0.5)}{0.5\×5}=-1,$

K_p＝K_p+{e_i，ec_i}_p、

K_d＝K_d+{E_i，EC_i}_d、

Ki＝Ki+{E_i，EC_i}_i、

$U\left(k\right)=\mathrm{KpE}\left(k\right)+\mathrm{Ki}\underset{j=0}{\overset{k}{\mathrm{\Σ}}}E\left(j\right)+\mathrm{Kd}[E\left(k\right)-E(k-1)].$

本发明所述的方法以模糊控制理论，以模糊自适应PID控制算法为基础，调节地铁车厢温度，将PID控制和模糊控制的优点结合起来，采用模糊规则在线整定PID的K_P、K_I、K_D三个参数的模糊自适应PID控制方法从一个新的角度上把规则的条件、操作用模糊集表示，并把这些模糊控制规则以及有关信息作为知识存入计算机知识库中，然后计算机根据控制系统的实际响应情况即可自动实现对PID参数的最佳调整。

附图说明

图1是本发明中PID自适应模糊控制器的结构图；

图2是本发明中E、EC、ΔK_P、ΔK_I、ΔK_D隶属度函数图；

图3是本发明中系统一般响应曲线；

图4是本发明中带干扰的模糊自适应PID控制模型示意图；

图5是本发明中Subsystem的封装内部结构图；

图6是本发明中系统总体设计图；

图7是本发明中主程序流程图；

图8是本发明中模糊自适应PID算法流程图

具体实施方式

现依据附图，对本发明做进一步的描述。

实施例1

本发明提供一种调节地铁车厢温度的方法，包含如下步骤：

a、提取地铁车厢的采样温度；

b、将采样温度输入集成PID自适应模糊控制器的单片机系统，系统计算得到的数值调整地铁车厢的温度。

所述的PID自适应模糊控制器的结构图如图1所示。由图可见，PID自适应模糊器控制由常规PID控制器1和模糊推理2两部分组成，模糊推理2实质就是一个模糊控制器，只不过它的输入是偏差e和偏差变化率ec，输出是PID三个参数：ΔK_p、ΔK_i、ΔK_d。PID参数模糊自整定是找出PID三个参数和偏差e和偏差变化率ec之间的模糊关系，在运行中通过不断检测偏差e和偏差变化率ec，根据模糊控制原理来对PID3个参数进行在线修改，以满足不同偏差e和偏差变化率ec对控制参数的不同要求，从而使被控对象具有良好的动、静态性能。

在PID自适应模糊控制器结构图中，系统的输入量是设定的温度值，所以这里选择模糊控制器的输入量为温度的偏差e和偏差变化率ec，输出量为PID参数的修正量ΔK_p、ΔK_i、ΔK_d，它们的语言变量、基本论域、模糊子集、模糊论域和量化因子可见表1所示。

表1

选择各变量的隶属度函数为均匀三角函数，这根据表1作出各个变量的隶属度函数如图2所示。根据上表中E、EC、ΔK_P、ΔK_I、ΔK_D隶属度函数，可以近似的得出各个语可以近似的得出各个语言变量的赋值表。

PID自适应模糊控制器就是找出在不同时刻PID三个参数与偏差e和偏差变化率ec之间的模糊关系，在运行中不断检测偏差e和偏差变化率ec，根据模糊控制原理来对PID三个参数进行在线修改，以满足不同的偏差e和偏差变化率ec对参数的不同的要求，而使被控对象有良好的动、静态性能。从传统的稳定性、响应速度、超调量和稳定精度等各方来来考虑K_P、K_I、K_D的作用如下：

比例系数K_P的作用是加快系统的响应速度，提高系统的调节精度。K_P越大，系统的响应速度越快，系统的调节精度越高，但易产生超调，甚至会导致系统不稳定。K_P取值过小，则会降低调节精度，使响应速度变慢，从而延长调节时间，使系统静态、动态特性变坏。

积分作用系数K_I的作用是消除系统的稳态误差。K_I越大，系统的静态误差消除越快，但K_I过大，在响应过程的初期会产生积分饱和现象，从而引起响应过程的较大超调。若K_I过小，将使系统静态误差难以消除，影响系统的调节精度。

微分作用系数K_D的作用是改善系统的动态特性，其作用主要是在响应过程中抑制偏差向任何方向的变化，对偏差变化进行提前预报。但K_D过大，会使响应过程提前制动，从而延长调节时间，而且会降低系统的抗干扰性能。

PID参数的整定必须考虑到不同时刻三个参数的作用及相互之间的关系。参数K_P、K_I、K_D自整定要求如下：

(1)当偏差e较大时，为了加速系统的响应速度，应取较大的K_P；为了避免由于开始时偏差e的瞬间变大可能出现的微分过饱和而使控制作用超出许可范围，应取较小的K_D；

为了防止系统响应出现较大的超调，产生积分饱和，应对积分作用加以限制，通常取K_I＝0，去掉积分作用。

(2)当偏差e和偏差变化率ec处于中等大小时，为了使系统响应具有较小的超调，K_P应取小一些，K_I取值适当，K_D的取值对系统影响较大，取值要大小适中，以保证系统的响应速度。

(3)当偏差e较小即接近于设定值时，为使系统有良好的稳态性能，应增加K_P和K_I的取值，同时为避免系统在设定值附近出现振荡，并考虑系统的抗干扰性能，K_D的取值相当重要。一般偏差变化率ec较小时，K_D取值应该较大些：当偏差变化率ec较大时，K_D取值应该较小些。

(4)偏差变化率ec的大小表明偏差的变化率，偏差变化率ec值较大，K_P的取值越小，K_I取值越大。

根据系统响应曲线，进一步分析在不同时刻的偏差e和偏差变化率ec时，对于参数K_P，K_I、K_D的要求，如图3所示。

在系统动态过程中，PID控制作用应跟随系统状态变化而变化。设PID自适应模糊控制器输出u(t)与给定值U相等。从图中可以看出，y(t)在bc段的超调量是由于ab段u(t)大于U，这是过程存在惯性和滞后造成的，cd段回调是由于bc段u(t)小于U。同样de段的下调是因为cd段u(t)小于U的原因，ef回升是因为de段u(t)的升高。

表2  ΔK_P模糊控制规则表

表3  ΔK_I模糊控制规则表

表4  ΔK_D模糊控制规则表

模糊推理是不确定性推理方法的一种，其基础是模糊逻辑，推理方法有Zadeh方法、Mamdani方法和Baldwin方法等，采用Mamdani方法推理方法进行推理(极大极小值法)。规则如果Ai且Bi，那么C的模糊关系可以表示为：[μ_Ai∧μ_Bi]∧μ_Ci，否则的意义是”OR”，在推理计算过程中可以写成并集形式。由此推理结果为

C′＝(A′ANDB′)°([(A₁ANDB₁)→C₁]∪，...，[[(A_n1ANDB_n)→C_n]])＝C′₁∪C′₂∪C′₃∪，...，∪C′_n

其中：Ci′＝(A′ANDB′)ο[(AiANDBi)→Ci]

可写为：[A°(A_i→C_i)∩B°(B_i→C_i)]

其隶属度函数为：μ＝∨{μ_A′∧[μ_Ai∧μ_c′]}∩∨{μ_B′∧[μ_Bi∧μ_C′]}

由于模糊控制器输出是一个模糊集合，它无法对精确的模拟或数字系统进行控制。因此，必须进行精确化计算得出此模糊集中最有代表意义的确定值作为系统的输出控制，主要有最大隶属度法、重心法、加权平均法等，而使用加权平均法，根据公式(1)

$\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i{\mathrm{\μ}}_{U1}\left(x_i\right)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\μ}}_{U1}\left(x_i\right)}=\frac{(-3\×0.5-2\×0.5-1\×0.5+0\×0.5+1\×0.5)}{0.5\×5}=-1---\left(1\right)$

推导的方法就可以计算出在不同的偏差和偏差变化率时，PID参数的调整量的输入值，也就是模糊控制表对应的数值，由此可以计算出ΔK_P的模糊控制器的查询表。同理，可以计算出ΔK_I、ΔK_D的模糊控制器的查询表。

表4  ΔK_P模糊查询表

表5  Δk_I模糊查询表

表6  Δk_D模糊查询表

将以上三张模糊控制表装入单片机控制系统的存储器中，根据误差E与误差变化率EC查找表中相应的值{Ei，，ECi}，所以将这些参数代入PID控制器的位置型式可以得到公式：

K_p＝K_p+{e_i，ec_i}_p

K_d＝K_d+{E_i，EC_i}_d

Ki＝Ki+{E_i，EC_i}_i

$U\left(k\right)=\mathrm{KpE}\left(k\right)+\mathrm{Ki}\underset{j=0}{\overset{k}{\mathrm{\Σ}}}E\left(j\right)+\mathrm{Kd}[E\left(k\right)-E(k-1)]$

实施例2

本发明所述的PID自适应模糊控制器的仿真模型请见图4所示，其中Subsystem中封装着Fuzzy Logic Controller系统如图5所示。其中单片机选择AT89C52，它是美国ATMEL公司生产的低电压、低功耗和高性能CMOS 8位单片机，片内含8k bytes的可反复擦写的只读程序存储器(PEROM)和256bytes的随机存取数据存储器(RAM)，器件采用ATMEL公司的高密度、非易失性存储技术生产，并且与80C51的引脚和指令系统完全兼容。片内置通用8位中央处理器(CPU)和Flash存储单元，功能强大AT89C52单片机适合于许多较为复杂控制应用场合。

集成PID自适应模糊控制器的温度控制系统采用集散控制系统，分为上位机和下位机两部分，其中上位机是远离被控对象，可以通过串口与下位机通信，在线调节被控参数，达到对被控对象的控制，同时可以实现显示、报警、数据存储等功能。为了防止上位机在不能工作时带来的损失，下位机也有键盘、显示和报警等功能，这样当上位机不工作时可以直接利用下位机来控制被控对象，同时下位机是放置现场，结合被控对象，考虑检测系统和执行机构等装置，同时还有与上位机通信的模块。图6是系统的总体设计。

下位机程序主要包括主程序、A/D转换程序、定时器T0中断服务程序、定时器T1中断服务程序、键盘扫描程序、显示程序和串口通信程序，由于Keil C51软件编译后生成的汇编代码效率非常之高，多数语句生成的汇编代码很紧凑，容易理解。在开发大型软件时更能体现高级语言的优势。这些程序主要由KeilC51实现。

主程序包括AT89C52本身的初始化以及各种并行I/O口的初始化等，其中主程序的流程图如图7所示。根据计算出的模糊控制表，响应的流程图见图8所示。

Claims (2)

1.一种调节地铁车厢温度的方法，包含如下步骤：

a、提取地铁车厢的采样温度；

b、将采样温度输入集成PID自适应模糊控制器的单片机系统，系统计算得到的数值调整地铁车厢的温度。

2.如权利要求1所述的调节地铁车厢温度的方法，其特征在于，所述PID自适应控制器包含模糊控制器和PID控制器，所述模糊控制器的输入量为温度偏差e和偏差变化率ec，输出量为PID参数的修正量比例系数ΔK_p、积分作用系数ΔK_i、微分作用系数ΔK_d，上述三个PID参数与温度偏差e和偏差变化率ec具有如下关系：

$\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i{\mathrm{\μ}}_{U1}\left(x_i\right)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\μ}}_{U1}\left(x_i\right)}=\frac{(-3\×0.5-2\×0.5-1\×0.5+0\×0.5+1\×0.5)}{0.5\×5}=-1,$

K_p＝K_p+{e_i，ec_i}_p、

K_d＝K_d+{E_i，EC_i}_d、

Ki＝Ki+{E_i，EC_i}_i、

$U\left(k\right)=\mathrm{KpE}\left(k\right)+\mathrm{Ki}\underset{j=0}{\overset{k}{\mathrm{\Σ}}}E\left(j\right)+\mathrm{Kd}[E\left(k\right)-E(k-1)].$

Images