生化培養(yǎng)箱智能控制系統(tǒng)的模糊控制器設(shè)計(jì)

為了解決生化培養(yǎng)過(guò)程中，溫度和濕度相 互制約，相互影響的問(wèn)題，需要對(duì)系統(tǒng)溫、濕 度變化進(jìn)行解耦，然而生化培養(yǎng)過(guò)程的數(shù)學(xué)模 型難以直接獲取，導(dǎo)致常規(guī)的解耦方法無(wú)法使用。

針對(duì)具有雙輸入雙輸出的生化培養(yǎng)箱，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(gè)控制系統(tǒng)由基于改進(jìn)模糊算法的溫、 濕度獨(dú)立控制，以及基于神經(jīng)元的解耦補(bǔ)償兩 部分組成。

基于改進(jìn)模糊算法，首先利用模糊控制器 根據(jù)溫、濕度設(shè)定值和系統(tǒng)檢測(cè)反饋值，實(shí)現(xiàn) 對(duì)溫、濕度獨(dú)立閉環(huán)控制，同時(shí)為了解決傳感 器漂移和固定參數(shù)模糊算法環(huán)境適應(yīng)性差的問(wèn) 題，采用粒子群算法算法對(duì)模糊隸屬度進(jìn)行在線(xiàn)優(yōu)化。

 神經(jīng)元解耦補(bǔ)償器，位于模糊控制器與控 制對(duì)象之間，利用神經(jīng)元的自學(xué)習(xí)特性，實(shí)現(xiàn) 對(duì)溫度和濕度控制量耦合關(guān)系的學(xué)習(xí)，利用解 耦結(jié)果對(duì)控制量進(jìn)行補(bǔ)償。從而保證改進(jìn)模糊 算法計(jì)算的控制量相互獨(dú)立，無(wú)需關(guān)心耦合關(guān)系。

根據(jù)生化培養(yǎng)過(guò)程工藝的專(zhuān)家經(jīng)驗(yàn)，溫、 濕度模糊控制的規(guī)則，均按照偏差較大時(shí)快速 調(diào)節(jié)，偏差較小時(shí)精細(xì)調(diào)節(jié)的原則，總結(jié)出模 糊控制規(guī)則，如表 1 所示。

根據(jù)所本文所設(shè)計(jì)的隸屬度及模糊推理規(guī) 則，同時(shí)利用 Mamdani 模糊推理方法進(jìn)行解 模糊，得到模糊控制查詢(xún)表。通過(guò)清晰化接口 和查詢(xún)表，分別得熱電偶電流和鼓風(fēng)機(jī)轉(zhuǎn)速的 調(diào)節(jié)量。

 兩種控制策略下對(duì)應(yīng)的箱 體內(nèi)溫、濕度變化曲線(xiàn)分別如圖 2 和圖 3 所 示。不難看出，本文的方法，由于采用了解耦 補(bǔ)償，溫、濕度變化的耦合性得以改善，局部 擾動(dòng)明顯減小 ；同時(shí)由于采用了模糊控制， 相對(duì)于 PID 控制，不但提升了控制精度，同時(shí) 較小了系統(tǒng)超調(diào)量、也加快了系統(tǒng)響。系統(tǒng)進(jìn) 入穩(wěn)態(tài)后，采用本文方法的溫度控制誤差小于 0.4℃，相對(duì)濕度誤差僅為 2.5%。從對(duì)比實(shí)驗(yàn) 結(jié)果上看本文方法在控制系統(tǒng)性能上，優(yōu)于傳 統(tǒng)的模糊控制控制。