CN115185316A - 一种基于烟花算法的智能高精度温度控制方法和装置 - Google Patents
一种基于烟花算法的智能高精度温度控制方法和装置 Download PDFInfo
- Publication number
- CN115185316A CN115185316A CN202211099039.4A CN202211099039A CN115185316A CN 115185316 A CN115185316 A CN 115185316A CN 202211099039 A CN202211099039 A CN 202211099039A CN 115185316 A CN115185316 A CN 115185316A
- Authority
- CN
- China
- Prior art keywords
- temperature
- module
- firework
- temperature control
- pid controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000010438 heat treatment Methods 0.000 claims abstract description 8
- 238000009529 body temperature measurement Methods 0.000 claims description 20
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000004880 explosion Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 5
- 230000001537 neural effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 206010017472 Fumbling Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Temperature (AREA)
Abstract
本发明公开了一种基于烟花算法的智能高精度温度控制方法和装置,针对精密测量领域的小功率温度控制,采用PID控制算法作为系统的主要控制算法,并利用神经算法领域中的烟花算法来实时优化PID控制算法中的比例项、积分项、微分项这三个关键系统参数,进而改变温度控制系统输出给被控对象的加热/制冷功率,本方法融合了PID控制算法稳定性好、可靠性高和烟花算法优化能力强的特点,弥补了以往固定参数PID算法整定过程难度高、依赖经验且耗时长,和模糊PID算法中温度控制精度不足等缺陷,通过烟花算法对传统PID算法参数不断进行寻优改进,可以有效提高温控系统的精度,且有效降低了温控系统对操作人员的要求。
Description
技术领域
本发明涉及量子精密测量和高精度温度控制领域,具体涉及一种基于烟花算法的智能高精度温度控制方法和装置。
背景技术
随着原子自旋操控、精密光谱等技术的迅速发展,基于原子自旋效应和精密光谱测量技术的量子传感技术以其远超经典测量技术灵敏度极限的优势受到了越来越多研究者的关注。在量子精密测量领域,绝大多数系统都会有温控系统的存在,诸如激光器温度控制、原子气室温度控制等,这类温度控制系统有普遍有一个特点,就是它们对温控精度和温控时间有很高的要求。
传统的温度控制算法大多采用PID算法,这种算法原理简单,稳定性高,且实现复杂度低,但是这种算法的参数整定非常依赖开发人员的经验。一般基于PID算法的温控系统对于不同的被控对象都需要寻找一组对于该被控对象最优的比例项(Kp)、积分项(Ki)、微分项(Kd)参数,而这三个参数有无数种组合,确定一组最优的参数需要开发者依据系统温控结果反馈来反复进行尝试,即使有经验的工程师也需要经过若干次的反复尝试才有可能找到一组满足条件的参数,但是如果使用者经验不足,那么这种摸索尝试的过程就会非常漫长,这会带来极大的人力资源浪费。因此利用神经网络算法中的烟花算法来让系统具备自学习的能力,让系统自身在一定规则条件下不断去尝试新的参数,并最终找到符合我们预设条件的一组参数,这对于温度控制系统来说有着非常积极的意义。
发明内容
为了解决现有技术中存在的问题,本发明提出了一种基于烟花算法的智能高精度温度控制方法和装置。
本发明所述的一种基于烟花算法的智能高精度温度控制装置,包括主控制器、DAC数模转换模块、可调功率输出模块、温度调节单元、温度测量模块、上位机,所述主控制器的输出端连接DAC数模转换模块的输入端,DAC数模转换模块的输出端连接可调功率输出模块的输入端,可调功率输出模块的输出端连接温度调节单元的输入端,温度调节单元的输出端连接被控对象,被控对象同时连接温度测量模块的输入端,温度测量模块的输出端连接主控制器的输入端,所述上位机连接主控制器;
所述主控制器通过内部的通信模块接收上位机的初始化参数,并通过温度测量模块实时采集被控对象的温度信息,采用内部的PID控制器,且利用烟花算法在线优化温度控制系统的比例项(Kp)、积分项(Ki)、微分项(Kd)这三个关键参数,生成控制因子给DAC数模转换模块,控制DAC数模转换模块输出电压值,从而控制可调功率输出模块的输出功率,最终通过温度调节单元调整被控对象的温度,主控制器通过不断学习去寻找一组最优的PID控制器参数,直至最终满足系统对于温度控制精度的要求。
作为优选,所述温度测量模块包括温度传感器和ADC模数转换器,温度测量模块实时采集被控对象的温度信息,根据所需要达到的温控精度来选择温度传感器和ADC模数转换器的型号。
作为优选,所述温度测量模块包括温度传感器和ADC模数转换器,温度测量模块实时采集被控对象的温度信息,根据所需要达到的温控精度来选择温度传感器和ADC模数转换器的型号。
作为优选,所述DAC数模转换模块用于接收主控制器的控制信息,产生对应的模拟信号来控制可调功率输出模块的输出功率,DAC数模转换器的精度根据需要达到的温控精度来选择。
作为优选,所述可调功率输出模块设有电压跟随引脚,且其输出功率满足温度控制装置的最大功率需求。
作为优选,所述主处理器包括通信模块、烟花算法实现模块和PID控制器,所述通信模块连接上位机被控对象和PID控制器;所述烟花算法实现模块连接PID控制器,所述PID控制器连接温度测量模块、烟花算法实现模块和DAC数模转换模块;所述通信模块接收上位机的初始化参数,得到期望目标温度值,烟花算法实现模块接收该期望目标温度值和温度测量模块采集的实际温度值并不断对PID控制器的控制因子进行优化,PID控制器调整DAC数模转换模块的输出电压值。
作为优选,所述PID控制器的比例项、积分项、微分项的初始值根据温控系统的被控对象的不同而不同,具体由上位机进行输入,PID控制器的关键参数的修正值由烟花算法给出,初始值加上修正值为温度控制装置每次实施的实时参数。
作为优选,所述的温度调节单元包括加热膜和制冷片,加热膜用于升温,制冷片用于降温。
1. 本发明还提供了一种基于烟花算法的智能高精度温度控制方法,包含以下步骤:
S1:主控制器根据上位机的输入信息,得到被控对象的期望温度目标值,并通过温度测量模块得到被控对象的实际温度值;
S2:计算期望温度目标值和实际温度值的误差,得到温度变量,并将该变量作为PID控制器的输入变量;
S3:将变量输入PID控制器,PID控制器调整控制参数并输出给DAC数模转换模块,DAC数模转换模块实时调整可调功率输出模块的输出功率,控制温度调节单元调整被控对象的温度。
S4:烟花算法实现模块采用烟花算法在线优化PID控制器的比例项、积分项、微分项三个参数,采用定义的目标函数计算适应值,并将该值作为判断烟花算法输出参数优劣的标准,不断调整被优化的参数值,直到得出一组最优的PID控制器参数,使目标函数的适应值最小。
作为优选,所述步骤S4中烟花算法在线优化PID控制器参数的具体步骤如下:
S4.1:初始化烟花算法的参数,设置烟花种群、高斯爆炸的个数,设置每个烟花爆炸的强度和幅度,将温度控制系统的控制精度指标作为烟花算法的适应度函数,记为f(t);设置烟花算法的最大迭代次数,并令当前迭代次数t = 1;
S4.2:根据烟花成员位置,构建PID控制器模型;根据目标函数f(t)评价各烟花成员的适应值F;
S4.3:使用爆炸规则让每一个烟花生成火花,每一个烟花产生火花的个数为
其中,St为第t个烟花产生的火花个数,m是允许的最大数值,用来限制产生的火花总数,Ymax是当前时刻烟花种群中适应度值最差的个体的适应度值,f(xt)为烟花个体xt的适应度值,ε是一个极小的值,避免分母为零;
同时,为了限制烟花爆炸产生的火花数量出现异常,为烟花种群设置了爆炸数量限制 公式,即,
其中,St为印花爆炸产生的火花数量,a和b为给定的常数;
从现有烟花成员及新产生的火花成员中择优选取规模为M的个体作为下一代烟花种群成员;
S4.4:令迭代次数t=t+1;
S4.5:计算烟花群体的最优解,判定迭代次数和最优适应值F是否满足终止条件,若不满足,则否则返回S4.2,继续下一代烟花寻优,直至寻优结束,得到最优的PID控制器参数;
S4.6:利用烟花算法寻优得到的最优参数值作为当前环境下PID控制器的最优参数项,动态调节被控对象的温度。此时认为一个烟花算法过程已经结束,但是系统仍然会继续监测温控系统的自身运行状况,一旦外界环境发生变化,导致温度控制系统的精度不满足预设条件,系统又会用烟花算法进行下一次的PID参数自动寻优过程。
本发明通过温度传感器采集被控对象温度,并通过烟花算法改进的PID算法来实时调整温度控制系统的PID控制器参数,以改变温控系统的输出功率,进而调整被控对象的温度。本发明可以有效改进传统PID算法参数整定过程复杂、耗时的缺陷,基于自学习的方式实现系统参数自动寻优,最大限度地提高温控系统的智能性和高精度的性能。所采用的技术方案是:基于烟花算法的智能高精度温度控制方法,根据被控对象的实时温度信息,采用PID控制的方式,并利用烟花算法自动寻找最优的PID控制器参数,动态调节温度控制系统的功率输出。
本发明有机融合了PID控制原理简单、可靠性高和烟花算法优化能力强等优点,一方面,较传统的PID控制方式更为灵活稳定;另一方面,无需依赖经验设置,采用烟花算法对PID控制系统的Kp、Ki、Kd等关键参数进行自动优化,避免了由于开发人员经验的主观性和现有数据的滞后性造成的不利因素,更好满足了PID控制系统的稳定性、准确性和快速性等方面的性能要求。通过对温度控制对象进行智能控制,解决了现有温度控制系统智能化不足、依赖经验、温控精度不高的缺陷,有效提高了温控系统的温控精度和使用范围。
附图说明
图1是本发明的温度控制装置系统框图;
图2为本发明的温度控制方法流程图;
图3为本发明的烟花算法流程图。
具体实施方式
下面结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供了一种基于烟花算法的智能高精度温度控制装置,该装置包括主控制器、DAC数模转换模块、可调功率输出模块、温度调节单元、温度测量模块、上位机,所述主控制器的输出端连接DAC数模转换模块的输入端,DAC数模转换模块的输出端连接可调功率输出模块的输入端,可调功率输出模块的输出端连接温度调节单元的输入端,温度调节单元的输出端连接被控对象,被控对象同时连接温度测量模块的输入端,温度测量模块的输出端连接主控制器的输入端,所述上位机连接主控制器;
所述主控制器通过内部的通信模块接收上位机的初始化参数,并通过温度测量模块实时采集被控对象的温度信息,采用内部的PID控制器,且利用烟花算法在线优化温度控制系统的比例项、积分项、微分项这三个关键参数,生成控制因子给DAC数模转换模块,控制DAC数模转换模块输出电压值,从而控制可调功率输出模块的输出功率,最终通过温度调节单元调整被控对象的温度,主控制器通过不断学习去寻找一组最优的PID控制器参数,直至最终满足系统对于温度控制精度的要求。
所述温度测量模块包括温度传感器和ADC模数转换器,温度测量模块实时采集被控对象的温度信息,根据所需要达到的温控精度来选择温度传感器和ADC模数转换器的型号,温度传感器可以选择pt1000铂电阻、NTC热敏电阻等,ADC模数转换器可选择AD9248、ADS1248等。
所述DAC数模转换模块用于接收主控制器的控制信息,产生对应的模拟信号来控制可调功率输出模块的输出功率,DAC数模转换器的精度根据需要达到的温控精度来选择,可以选择DAC081C085、DAC121C085等。
所述可调功率输出模块设有电压跟随引脚,且其输出功率满足温度控制装置的最大功率需求,可以选择LM5146RGYR。
所述主处理器包括通信模块、烟花算法实现模块和PID控制器,所述通信模块连接上位机被控对象和PID控制器;所述烟花算法实现模块连接PID控制器,所述PID控制器连接温度测量模块、烟花算法实现模块和DAC数模转换模块;所述通信模块接收上位机的初始化参数,得到期望目标温度值,烟花算法实现模块接收该期望目标温度值和温度测量模块采集的实际温度值并不断对PID控制器的控制因子进行优化,PID控制器调整DAC数模转换模块的输出电压值,由于烟花算法的实现需要较大的算力,因此主处理器应该有较大的运算处理能力,可以选择DSP处理器和FPGA处理器等。
所述PID控制器的比例项、积分项、微分项的初始值根据温控系统的被控对象的不同而不同,具体由上位机进行输入,PID控制器的关键参数的修正值由烟花算法给出,初始值加上修正值为温度控制装置每次实施的实时参数。
温度调节单元包括加热膜和制冷片,加热膜用于升温,制冷片用于降温。
本发明的一种基于烟花算法的智能高精度温度控制方法,具体操作如图2所示:
S1:主控制器根据上位机的输入信息,得到被控对象的期望温度目标值Tset(t),并通过温度测量模块得到被控对象的实际温度值Tcurrent(t);
S2:计算期望温度目标值Tset(t)和实际温度值Tcurrent(t)的误差,得到温度变量e(t),即e(t) = Tset(t) - Tcurrent(t),并将该变量e(t)作为PID控制器的输入变量;
S3:将变量e(t)输入PID控制器,PID控制器调整控制参数并输出给DAC数模转换模块,DAC数模转换模块实时调整可调功率输出模块的输出功率,控制温度调节单元调整被控对象的温度。
S4:烟花算法实现模块采用烟花算法在线优化PID控制器的比例项、积分项、微分项三个参数,采用定义的目标函数f(t)计算适应值F,并将该适应值F作为判断烟花算法输出参数优劣的标准,不断调整被优化的参数值,直到得出一组最优的PID控制器参数,使目标函数的适应值最小,实现动态调节被控对象的输出功率:
所述步骤S4中烟花算法在线优化PID控制器参数的具体步骤如图3所示:
S4.1:初始化烟花算法的参数,设置烟花种群、高斯爆炸的个数,设置每个烟花爆炸的强度和幅度,将温度控制系统的控制精度指标作为烟花算法的适应度函数,记为f(t);设置烟花算法的最大迭代次数,并令当前迭代次数t = 1;
S4.2:根据烟花成员位置,构建PID控制器模型;根据目标函数f(t)评价各烟花成员的适应值F;
S4.3:使用爆炸规则让每一个烟花生成火花,每一个烟花产生火花的个数为
其中,St为第t个烟花产生的火花个数,m是允许的最大数值,用来限制产生的火花总数,Ymax是当前时刻烟花种群中适应度值最差的个体的适应度值,f(xt)为烟花个体xt的适应度值,ε是一个极小的值,避免分母为零;
同时,为了限制烟花爆炸产生的火花数量出现异常,为烟花种群设置了爆炸数量限制 公式,即,
其中,St为印花爆炸产生的火花数量,a和b为给定的常数;
从现有烟花成员及新产生的火花成员中择优选取规模为M的个体作为下一代烟花种群成员;
S4.4:令迭代次数t=t+1;
S4.5:计算烟花群体的最优解,判定迭代次数和最优适应值F是否满足终止条件,若不满足,则否则返回S4.2,继续下一代烟花寻优,直至寻优结束,得到最优的PID控制器参数;
S4.6:利用烟花算法寻优得到的最优参数值作为当前环境下PID控制器的最优参数项,动态调节被控对象的温度。此时认为一个烟花算法过程已经结束,但是系统仍然会继续监测温控系统的自身运行状况,一旦外界环境发生变化,导致温度控制系统的精度不满足预设条件,系统又会用烟花算法进行下一次的PID参数自动寻优过程。
基于本发明设计了相应的的温度控制系统,实现对原子气室的温度控制,并进行了几种算法下温控精度的对比,如下表1所示:
表1
算法类型 | 普通PID | 模糊PID | 基于烟花算法的PID |
温度控制精度 | ±0.08 | ±0.05 | ±0.008 |
基于同样的温度控制系统硬件,普通PID算法可以实现±0.08℃的温控精度,模糊PID算法可以实现±0.05℃的温控算法精度,而基于烟花算法的PID控制算法可以实现±0.08℃的温控精度,相较于普通PID算法温控精度有非常明显的提高。
本领域普通技术人员可以理解,以上所述仅为发明的优选实例而已,并不用于限制发明,尽管参照前述实例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内,所做的修改、等同替换等均应包含在发明的保护范围之内。
Claims (9)
1.一种基于烟花算法的智能高精度温度控制装置,其特征在于:包括主控制器、DAC数模转换模块、可调功率输出模块、温度调节单元、温度测量模块、上位机,所述主控制器的输出端连接DAC数模转换模块的输入端,DAC数模转换模块的输出端连接可调功率输出模块的输入端,可调功率输出模块的输出端连接温度调节单元的输入端,温度调节单元的输出端连接被控对象,被控对象同时连接温度测量模块的输入端,温度测量模块的输出端连接主控制器的输入端,所述上位机连接主控制器;
所述主控制器通过内部的通信模块接收上位机的初始化参数,并通过温度测量模块实时采集被控对象的温度信息,采用内部的PID控制器,且利用烟花算法在线优化温度控制系统的比例项、积分项、微分项这三个关键参数,生成控制因子给DAC数模转换模块,控制DAC数模转换模块输出电压值,从而控制可调功率输出模块的输出功率,最终通过温度调节单元调整被控对象的温度,主控制器通过不断学习去寻找一组最优的PID控制器参数,直至最终满足系统对于温度控制精度的要求。
2.根据权利要求1所述的一种基于烟花算法的智能高精度温度控制装置,其特征在于:所述温度测量模块包括温度传感器和ADC模数转换器,温度测量模块实时采集被控对象的温度信息,根据所需要达到的温控精度来选择温度传感器和ADC模数转换器的型号。
3.根据权利要求1所述的一种基于烟花算法的智能高精度温度控制装置,其特征在于:所述DAC数模转换模块用于接收主控制器的控制信息,产生对应的模拟信号来控制可调功率输出模块的输出功率,DAC数模转换器的精度根据需要达到的温控精度来选择。
4.根据权利要求1所述的一种基于烟花算法的智能高精度温度控制装置,其特征在于:所述可调功率输出模块设有电压跟随引脚,且其输出功率满足温度控制装置的最大功率需求。
5.根据权利要求1所述的一种基于烟花算法的智能高精度温度控制装置,其特征在于:所述主处理器包括通信模块、烟花算法实现模块和PID控制器,所述通信模块连接上位机被控对象和PID控制器;所述烟花算法实现模块连接PID控制器,所述PID控制器连接温度测量模块、烟花算法实现模块和DAC数模转换模块;所述通信模块接收上位机的初始化参数,得到期望目标温度值,烟花算法实现模块接收该期望目标温度值和温度测量模块采集的实际温度值并不断对PID控制器的控制因子进行优化,PID控制器调整DAC数模转换模块的输出电压值。
6.根据权利要求1所述的一种基于烟花算法的智能高精度温度控制装置,其特征在于:所述PID控制器的比例项、积分项、微分项的初始值根据温控系统的被控对象的不同而不同,具体由上位机进行输入,PID控制器的关键参数的修正值由烟花算法给出,初始值加上修正值为温度控制装置每次实施的实时参数。
7.根据权利要求1所述的一种基于烟花算法的智能高精度温度控制装置,其特征在于:所述的温度调节单元包括加热膜和制冷片。
8.一种基于烟花算法的智能高精度温度控制方法,其特征在于,包含以下步骤:
S1:主控制器根据上位机的输入信息,得到被控对象的期望温度目标值,并通过温度测量模块得到被控对象的实际温度值;
S2:计算期望温度目标值和实际温度值的误差,得到温度变量,并将该变量作为PID控制器的输入变量;
S3:将变量输入PID控制器,PID控制器调整控制参数并输出给DAC数模转换模块,DAC数模转换模块实时调整可调功率输出模块的输出功率,控制温度调节单元调整被控对象的温度;
S4:烟花算法实现模块采用烟花算法在线优化PID控制器的比例项、积分项、微分项三个参数,采用定义的目标函数计算适应值,并将该值作为判断烟花算法输出参数优劣的标准,不断调整被优化的参数值,直到得出一组最优的PID控制器参数,使目标函数的适应值最小。
9.根据权利要求8所述的一种基于烟花算法的智能高精度温度控制方法,其特征在于,所述步骤S4中烟花算法在线优化PID控制器参数的具体步骤如下:
S4.1:初始化烟花算法的参数,设置烟花种群、高斯爆炸的个数,设置每个烟花爆炸的强度和幅度,将温度控制系统的控制精度指标作为烟花算法的适应度函数,记为f(t);设置烟花算法的最大迭代次数,并令当前迭代次数t = 1;
S4.2:根据烟花成员位置,构建PID控制器模型;根据目标函数f(t)评价各烟花成员的适应值F;
S4.3:使用爆炸规则让每一个烟花生成火花,对烟花种群的数量进行限制;从现有烟花成员及新产生的火花成员中择优选取规模为M的个体作为下一代烟花种群成员;
S4.4:令迭代次数t=t+1;
S4.5:计算烟花群体的最优解,判定迭代次数和最优适应值F是否满足终止条件,若不满足,则否则返回S4.2,继续下一代烟花寻优,直至寻优结束,得到最优的PID控制器参数;
S4.6:利用烟花算法寻优得到的最优参数值作为当前环境下PID控制器的最优参数项,动态调节被控对象的温度,此时认为一个烟花算法过程已经结束,但是系统仍然会继续监测温控系统的自身运行状况,一旦外界环境发生变化,导致温度控制系统的精度不满足预设条件,系统又会用烟花算法进行下一次的PID控制器参数自动寻优过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211099039.4A CN115185316A (zh) | 2022-09-09 | 2022-09-09 | 一种基于烟花算法的智能高精度温度控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211099039.4A CN115185316A (zh) | 2022-09-09 | 2022-09-09 | 一种基于烟花算法的智能高精度温度控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115185316A true CN115185316A (zh) | 2022-10-14 |
Family
ID=83524311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211099039.4A Pending CN115185316A (zh) | 2022-09-09 | 2022-09-09 | 一种基于烟花算法的智能高精度温度控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115185316A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117032341A (zh) * | 2023-08-08 | 2023-11-10 | 东莞理工学院 | 一种用于芯片截面热应变测量的温控系统及控制方法 |
CN117032341B (zh) * | 2023-08-08 | 2024-06-11 | 东莞理工学院 | 一种用于芯片截面热应变测量的温控系统及控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003313204A (ja) * | 2002-04-19 | 2003-11-06 | Nitto Denko Corp | 重合温度制御方法 |
CN109709800A (zh) * | 2018-12-29 | 2019-05-03 | 嘉兴学院 | 基于烟花算法-自适应模糊pid的led路灯智能控制方法及装置 |
CN111612247A (zh) * | 2020-05-19 | 2020-09-01 | 西安建筑科技大学 | 一种并联冷机负荷优化分配方法、存储介质及设备 |
CN112394638A (zh) * | 2020-11-16 | 2021-02-23 | 上海冷森光电科技有限公司 | Pid模糊控制的自适应激光器功率稳定技术 |
CN114967790A (zh) * | 2022-05-05 | 2022-08-30 | 山西大学 | 基于机器学习的激光器温度控制系统及方法 |
-
2022
- 2022-09-09 CN CN202211099039.4A patent/CN115185316A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003313204A (ja) * | 2002-04-19 | 2003-11-06 | Nitto Denko Corp | 重合温度制御方法 |
CN109709800A (zh) * | 2018-12-29 | 2019-05-03 | 嘉兴学院 | 基于烟花算法-自适应模糊pid的led路灯智能控制方法及装置 |
CN111612247A (zh) * | 2020-05-19 | 2020-09-01 | 西安建筑科技大学 | 一种并联冷机负荷优化分配方法、存储介质及设备 |
CN112394638A (zh) * | 2020-11-16 | 2021-02-23 | 上海冷森光电科技有限公司 | Pid模糊控制的自适应激光器功率稳定技术 |
CN114967790A (zh) * | 2022-05-05 | 2022-08-30 | 山西大学 | 基于机器学习的激光器温度控制系统及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117032341A (zh) * | 2023-08-08 | 2023-11-10 | 东莞理工学院 | 一种用于芯片截面热应变测量的温控系统及控制方法 |
CN117032341B (zh) * | 2023-08-08 | 2024-06-11 | 东莞理工学院 | 一种用于芯片截面热应变测量的温控系统及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110057045B (zh) | 用于空调器的控制方法 | |
CN108809167A (zh) | 一种基于模糊控制的bp神经网络pid调速控制算法 | |
JP3556956B2 (ja) | システム識別装置および方法 | |
Luoren et al. | Research of PID control algorithm based on neural network | |
CN113552797A (zh) | 一种基于改进粒子群优化的加热炉炉温控制方法和系统 | |
CN112700060B (zh) | 站所终端负荷预测方法和预测装置 | |
Fang et al. | A course control system of unmanned surface vehicle (USV) using back-propagation neural network (BPNN) and artificial bee colony (ABC) algorithm | |
CN111142404A (zh) | 一种基于压电陶瓷驱动的微定位平台及其建模与控制方法 | |
CN113819636B (zh) | 辐射空调系统的控制方法、装置及存储介质 | |
CN110259592A (zh) | 一种pid柴油发动机自适应电子调速方法 | |
CN116914751B (zh) | 一种智能配电控制系统 | |
CN116520909A (zh) | 哈里斯鹰算法优化模糊pid参数的高值耗材柜温度控制方法 | |
CN112149883A (zh) | 基于fwa-bp神经网络的光伏功率预测方法 | |
Wang et al. | Adaptive tracking control of FIR systems under binary-valued observations and recursive projection identification | |
CN113885324A (zh) | 一种建筑智能用电控制方法及系统 | |
CN117117992B (zh) | 输出功率调节方法、装置、计算机设备和存储介质 | |
CN115185316A (zh) | 一种基于烟花算法的智能高精度温度控制方法和装置 | |
CN117236746A (zh) | 一种空调负荷可调节潜力评估方法 | |
CN116865343A (zh) | 分布式光伏配电网的无模型自适应控制方法、装置及介质 | |
CN116880201A (zh) | 基于模糊神经网络的水网渠道状态控制系统 | |
CN116387957A (zh) | 一种激光器系统及激光器的输出控制方法、存储介质 | |
Li et al. | The research of temperature compensation for thermopile sensor based on improved PSO-BP algorithm | |
CN112748657B (zh) | 基于自适应遗传算法旋转惯导自抗扰控制器参数整定方法 | |
CN115468633A (zh) | 基于rbf神经网络的多点式流量计的校正方法和装置 | |
CN115763906A (zh) | 燃料电池中氢气进气系统的压力控制方法、装置及车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221014 |