概述

常用PID調節器/溫控儀控制算法包括常規PID、模糊控制、神經網絡、Fuzzy-PID、神經網絡PID、模糊神經網絡、遺傳PID及廣義預測等算法。 常規PID控制易于建立線性溫度控制系統被控對象模型；模糊控制基于規則庫，并以絕對或增量形式給出控制決策；神經網絡控制采用數理模型模擬生物神經細胞結構，并用簡單處理單元連接成復雜網絡；Puzzy-PID為線性控制，且結合模糊與PID控制優點。 溫度控制系統是變參數、有時滯和隨機干擾的動態系統，為達到滿意的控制效果，具有許多控制方法。故對幾種常見的控制方法及其優缺點進行了分析與比較。

常見溫度控制方法

1.常規PID控制PID控制即比例、積分、微分控制，其結構簡單實用，常用于工業生產領域。原理如圖1：

圖1 常見PID控制系統的原理框圖 明顯缺點是現場PID參數整定麻煩，易受外界干擾，對于滯后大的過程控制，調節時間過長。其控制算法需要預先建立模型，對系統動態特性的影響很難歸并到模型中。在我國大多數PID調節器廠家生產的調節器均為常規PID控制算法。 2.模糊控制模糊控制(Fuzzy Control)是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎的計算機控制。原理如圖2。昌暉儀表YR-GFD系列傻瓜式PID調節器使用的就是模糊控制算法。

圖2 模糊控制系統原理框圖 3.神經網絡控制神經網絡控制采用數理模型的方法模擬生物神經細胞結構，用簡單處理單元連接形成各種復雜網絡，并采用誤差反向傳播算法(BP)。原理如圖3：

圖3 神經網絡控制系統的原理框圖 4.Fuzzy-PID控制模糊控制不需知道被控對象的精確模型，易于控制不確定對象和非線性對象。PID本質是線性控制。將模糊控制與PID結合多，以Fuzzy-PID混合控制為例，據給定值與測量值之偏差e選擇智能控制器，根據e的變化選擇控制方法，當|e|≤emin或|e|≥emax時，采用PID控制；當emin≤|e|≤emax時，采用Fuzzy控制。其結構框圖如圖4。

圖4 Fuzzy-PID混合控制結構框圖 5.神經網絡PID控制在PID控制的基礎上，加入神經網絡控制器，構成神經網絡PID控制器，如圖5。神經網絡控制器NNC是前饋控制器，通過對PID控制器的輸出進行學習，在線調整自己，目標是使反饋誤差e(t) 或u(t)趨近于零，使自己逐漸在控制中占據主導地位，以減弱或最終消除反饋控制器的作用。暉儀表YR-GAD系列人工智能調節器/溫控儀使用的就是神經網絡PID控制控制算法。

圖5 神經網絡PID控制結構框圖 6.模糊神經網絡控制將模糊邏輯與神經網絡結合，采用神經網絡模糊邏輯推理網絡模型和快速的自學習算法，通過網絡的離線訓練和在線自學習使控制器具有自調整、自學習和自適應能力，達到模糊智能控制。如圖6。

圖6 模糊神經網絡控制系統結構圖 7.遺傳PID控制遺傳PID控制是將控制器參數構成基因型，將性能指標構成相應的適應度，利用遺傳算法來整定控制器的最佳參數，不要求系統是否為連續可調，能否以顯式表示。基于遺傳算法的自適應PID控制的原理框圖如7。 遺傳PID溫控系統將測量值與給定值進行比較，用遺傳算法來優化PID參數，然后將控制量輸出，實現將PID參數串接構成完整染色體，從而構成遺傳空間中的個體，過通過繁殖交叉和變異遺傳操作生成新一代群體，經過多次搜索獲得最大適應度值的個體。

圖7 基于遺傳算法的自適應PID控制結構圖 8.廣義預測控制預測控制(Predictive Control)是基于模型的計算機控制算法。其預測模型有脈沖響應模型、階躍響應模型、CAMRMA模型和CARIMA模型。基于CARIMA模型的廣義預測控制(GPC)是一種新型計算機控制算法。

常見溫度控制方法的對比分析

通過上述溫度控制方法的原理分析，下表給出各種溫度控制特性與應用場合的情況。

將線性與非線性控制相結合。使溫度能滿足用戶的精度要求是溫控系統的最終目的。 在實際應用中，根據具體的應用場合、不同的加熱對象、不同的控制要求和控制精度，選擇不同的控制方式。