算法結構
為了解決生化培養過程中,溫度和濕度相 互制約,相互影響的問題,需要對系統溫、濕 度變化進行解耦,然而生化培養過程的數學模 型難以直接獲取,導致常規的解耦方法無法使 用。
針對具有雙輸入雙輸出的生化培養箱,本文提出了一種基于神經元解耦的變參數模糊制方法,。
整個控制系統由基于改進模糊算法的溫、 濕度獨立控制,以及基于神經元的解耦補償兩 部分組成。
基于改進模糊算法,首先利用模糊控制器 根據溫、濕度設定值和系統檢測反饋值,實現 對溫、濕度獨立閉環控制,同時為了解決傳感 器漂移和固定參數模糊算法環境適應性差的問 題,采用粒子群算法算法對模糊隸屬度進行在 線優化。
神經元解耦補償器,位于模糊控制器與控 制對象之間,利用神經元的自學習特性,實現 對溫度和濕度控制量耦合關系的學習,利用解 耦結果對控制量進行補償。從而保證改進模糊 算法計算的控制量相互獨立,無需關心耦合關 系。
模糊控制器的設計
溫度模糊控制器采用雙輸入,單輸出結 構。輸入 e1 為生化培養過程溫度與設定值 偏 差, 模 糊 變 量 為 {NL, NM, NS, O, PS, PM, PL},論域 E1 = {-7,-6,-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5,6,7}。輸入 e2 為溫度偏 差變化率,模糊變量為 {NL, NS, O, PS, PL},論域 E2 = { -4, -3, -2, -1, 0, 1, 2, 3, 4}。 輸出u為溫度調節量,U的模糊變量為:{NL, NM, NS, O, PS, PM, PL}, 論 域 U = { -6,-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5,6}。
濕度模糊控制器,輸入 e1 為濕度與設定 值偏差,模糊變量為 {NL, NM, NS, O, PS, PM, PL}, 論 域 E1 = {-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5} ;輸入 e2 為濕度偏差變化 率,模糊變量為 {NL, NS, O, PS, PL}, 論域為 E2 = { -4, -3, -2, -1, 0, 1, 2, 3, 4} ;輸 出 u 為濕度調節量, U 的模糊變量為 :{NL, NM, NS, O, PS, PM, PL}, 論 域 U = { -6,-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5,6}。 為了更好的抑制環境參數變化對生化培養過程 控制系統的影響,方便參數調節,本文采用梯 形函數。
根據生化培養過程工藝的專家經驗,溫、 濕度模糊控制的規則,均按照偏差較大時快速 調節,偏差較小時精細調節的原則,總結出模 糊控制規則,如表 1 所示。 根據所本文所設計的隸屬度及模糊推理規 則,同時利用 Mamdani 模糊推理方法進行解模糊,得到模糊控制查詢表。通過清晰化接口和查詢表,分別得熱電偶電流和鼓風機轉速的調節量。