CN113253779A - 一种基于粒子群模糊pid算法的热泵温度控制*** - Google Patents

Abstract

本发明公开了一种基于粒子群模糊PID算法的热泵温度控制***，本发明对经过预处理的实验数据进行最小二乘法和辅助变量法建立空气源热泵温度控制***的数学模型。由于热泵温度控制***具有时变，非线性和纯滞后特性，在模糊PID控制的基础上，采用MATLAB设计了基于粒子群算法的二维自适应模糊PID控制器。通过优化***的各个参数，可以很好地控制***的水流量，优化和改善控制热泵***的温度效果。最后对其进行稳定性验证，即在***稳定后，对***加入干扰信号，对***造成干扰。观察***的稳定效果。仿真结果表明，基于粒子群算法(PSO)的模糊PID算法具有非常小的控制时间、快速的响应和很强的抗干扰能力。

Description

一种基于粒子群模糊PID算法的热泵温度控制***

技术领域

本发明属于热泵温度控制***领域，具体涉及一种基于粒子群模糊PID算法的热泵温度控制***。

背景技术

空气源热泵是将空气中的能源转换成供人们使用的热能，在社会资源节能方面具有很大的影响力。由于空气源热泵温度控制***具有时变、非线性、纯滞后等特点，对其控制***进行算法研究需要具备优化与改进功能。传统的PID控制控制理论已经很成熟，容易实现，可以消除静态误差，但是其缺点就是不能自适应地改变参数，从而对于时变***来说无法获得较好的控制效果。因此很多学者就研究了将模糊算法和PID进行结合的先进控制方法对空气源热泵的温度控制***的性能进行改善。

本发明针对空气源热泵的温度控制对象***模型进行辨识，通过从工厂采取的数据建立其模型。采用粒子群算法对模糊PID中的量化因子和比例因子以及PID中的比例、积分、微分三个参数进行优化，从而实现对热泵温度控制的自动调整与完善，并进行仿真分析。

发明内容

发明目的：为了解决现有技术的不足，本发明提供了一种基于粒子群模糊PID算法的热泵温度控制***。

技术方案：一种基于粒子群模糊PID算法的热泵温度控制***，其特征在于：选取二输入三输出模糊控制器，将温差e和温差变化率ec作为模糊控制器的输入变量，经过模糊控制器输出得到的三个参数作为PID控制器的三个参数的偏量值，从而对PID控制的参数进行实时调整和修改，所以对于该热泵的温度控制***采用自适应模糊PID控制***；

根据模糊PID控制器组成结构有：

K_p＝K_p′+ΔK_p (1)

K_i＝K_i′+ΔK_i (2)

K_d＝K_d′+ΔK_d (3)

其中，K_p、K_i、K_d是根据模糊PID算法整定后的最终值、K_p′、K_i′、K_d′是其中进行PID算法参数的基准值、ΔK_p、ΔK_i、ΔK_d是通过模糊控制在线修整的增加值；所以对进行PID算法的基准值设置为：

K′_p＝0.55，K′_i＝0.009，K′_d＝6；

由于影响模糊控制器性能的指标有论域范围、量化比例因子以及隶属度函数，因此，选取的温差e和温差变化率ec作为输入变量；将其映射到论域X＝[-6,6]；采用PB、PM、PS、ZO、NS、NM、NB这七种语言变量来描述温差和温差变化率以及控制量的变化；输出变量的变化范围是[-0.3,0.3]；输入量隶属度函数选取高斯函数，输出量隶属度函数选取三角形函数。

作为优化，粒子群优化模糊PID算法的控制如下：

首先假设粒子所能搜索的是个N维的空间，那么就可以用位置信息和速度信息来精确的表示第i个粒子的具体信息，则位置信息可以表示为x_i＝(x_i1,x_i2…x_iN)^T，速度信息可以表示为v_i＝(v_i1,v_i2…v_iN)^T，当在这N维空间中找到了位置信息和速度信息的最优位置的时候，再根据下面的式子来更新自己的位置和速度：

式中c₁和c₂表示加速因子；其作用是可以加速收敛和不陷入局部最优解；

和

表示的是在[0,1]随机产生的数值；w表示在空间中搜索粒子的惯性权值。对于该***的指标判定，由于ITAE指标能够同时兼顾调节时间和超调量，其实用性和选择性都比较好，因此选择其作为本***的适应度函数，指标函数为

有益效果：本发明对经过预处理的实验数据进行最小二乘法和辅助变量法建立空气源热泵温度控制***的数学模型。由于空气源热泵温度控制***具有时变，非线性和纯滞后特性，在模糊PID控制的基础上，利用MATLAB设计了基于粒子群算法的二维自适应模糊PID控制器。通过优化***的各个参数，可以很好地控制***的水流量，优化和改善控制热泵***的温度效果。最后对其进行稳定性验证，即在***稳定后，突然添加脉冲干扰信号，对***造成干扰。观察***的稳定效果。仿真结果表明，基于粒子群算法(PSO)的模糊PID算法具有非常小的控制时间，平滑的输出曲线和快速的响应和很强的抗干扰能力。

附图说明

图1是本发明的模糊控制***的组成示意图；

图2是本发明的模糊控制器的组成示意图；

图3是本发明的自适应模糊PID控制***示意图；

图4是本发明的先模糊后PID控制***示意图；

图5是本发明的控制器结构图；

图6是本发明的e,ec的隶属度函数曲线；

图7是本发明的ΔK_p、ΔK_i和ΔK_d的隶属度函数曲线；

图8是本发明的模糊规则表；

图9是本发明的模糊规则三维图；

图10是本发明的PSO算法流程图；

图11是本发明的粒子群优化模糊PID控制框图；

图12是本发明的参数设置流程图；

图13是本发明的仿真模型；

图14是本发明的最优适应值曲线；

图15是本发明的K_p、K_i优化曲线；

图16是本发明的K_d优化曲线；

图17是本发明的e、ec优化曲线；

图18是本发明的仿真曲线；

图19是本发明的脉冲扰动仿真结果示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，以使本领域的技术人员能够更好的理解本发明的优点和特征，从而对本发明的保护范围做出更为清楚的界定。本发明所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

1.热泵温度模糊PID控制器的设计

模糊控制***一般指的是一个具有模糊的输入、输出或者状态的***。模糊控制对于线性或者非线性***的执行都具有较强的鲁棒性，它是一种典型的通过模拟人的逻辑思维从而达到对研究***控制作用的智能控制算法。其结构框图如图1所示。

对于一个模糊控制***来说，主要是需要确定该***的模糊集合、隶属度函数、模糊关系、模糊逻辑等参数。根据图1可知，对于模糊控制***来说最主要的部分是模糊控制器，而一个模糊控制器的控制***的好坏是取决于人为根据研究***特点设定的模糊规则、模糊决策和推理算法。其组成结构如图2所示。

针对模糊控制器的结构设计主要需要定义的参数有模糊控制器的输入变量、输出变量以及各输入、输出变量的变化范围和量化因子、在各输入输出语言变量的量化域内定义模糊子集、模糊控制规则、模糊控制表。

因为热泵***是带有滞后的非线性***，说明***温度随时间的变化不断变化并且不是线性的，而且对于温度的控制精度需要很高，所以运用模糊PID控制器要优于单用传统PID控制器或模糊控制器。模糊PID控制算法是由偏差和偏差变化率利用模糊控制器得到PID控制器的三个参数的偏量值，这三个参数是对PID控制的参数进行实时调整和修改。从而使得***的控制效果更好。一般来说，模糊PID控制***有自适应模糊PID控制与先模糊后PID控制两种方法。其中自适应模糊PID控制是根据实时的偏差和偏差变化率，运用模糊控制算法对PID调节器的比例、积分和微分三个参数的数值进行实时修改。其结构如图3所示。

先模糊后PID控制方法是在***中设定一个可实现切换的偏差量，当***中e大于这个设定量时，该***就采用模糊控制改变控制量，而***中e小于这个值时，则该***采用常规PID控制，图4为该控制***结构。

由于热泵的温度控制***是一个具有实时变化的***，本发明根据空气源热泵温度控制***的已知条件选取二输入三输出模糊控制器，将温差e和温差变化率ec作为模糊控制器的输入变量，经过模糊控制器输出得到的三个参数作为PID控制器的三个参数的偏量值，从而对PID控制的参数进行实时调整和修改，所以对于该热泵的温度控制***采用自适应模糊PID控制***；

根据模糊PID控制器组成结构，可以得到模糊PID控制器的比例、积分、微分三个输出变量分别满足式(1)、(2)、(3)：

K_p＝K_p′+ΔK_p (1)

K_i＝K_i′+ΔK_i (2)

K_d＝K_d′+ΔK_d (3)

其中，K_p、K_i、K_d是根据模糊PID算法整定后的最终值、K_p′、K_i′、K_d′是其中进行PID算法参数的基准值、ΔK_p、ΔK_i、ΔK_d是通过模糊控制在线修整的增加值；所以对进行PID算法的基准值设置为：

K′_p＝0.55，K′_i＝0.009，K′_d＝6；

由于影响模糊控制器性能的指标有论域范围、量化比例因子以及隶属度函数，因此，对于该热泵温控***选取温差e和温差变化率ec作为输入变量；将其映射到论域X＝[-6,6]；采用PB、PM、PS、ZO、NS、NM、NB这七种语言变量来描述温差和温差变化率以及控制量的变化；输出变量的变化范围是[-0.3,0.3]；输入量隶属度函数选取高斯函数，输出量隶属度函数选取三角形函数。

根据设定要求得到控制器结构图如图5所示，e、ec的隶属度函数曲线图如图6所示，ΔK_p、ΔK_i、ΔK_d的隶属度函数曲线图如图7所示，模糊规则表如图8所示。根据标准模糊控制规则表，将这些模糊规则写入模糊***中，可以得到模糊规则的三维视图如图9所示。

由于空气源热泵温度控制***的时变非线性特点，所以使用模糊控制器与PID控制算法相结合能提高该***的控制效果与精度。模糊控制器中各模糊子集函数为全交叠的均匀分布，能实现在不同时刻输出变量的最优的集合分布。但模糊控制的参数自身取值带有一定的主观性和经验性，所以缺乏自适应的能力。由于粒子群具有收敛快，精度高等优点，所以进一步研究了粒子群优化模糊PID算法的控制效果。

2.粒子群算法优化参数

粒子群是一种基于群体智能进化的算法，将对***控制优化问题看做鸟群在空中觅食的问题，将鸟群寻找的食物看做这个优化问题的最优解。每一个在空中觅食的鸟都能看作是一个在解空间中进行搜索的一个粒子。它的飞行速度是决定飞行方向和距离，所有的粒子都有一个被目标函数所决定的适应值用于评价粒子的好坏。每一个粒子都记住了到目前为止在飞行过程中发现的最好位置(记为Pbest)坐标和当前位置坐标，通过粒子间的共享比较得到整个群体到目前为止发现的最好的位置(记为Gbest)。然后所有粒子就会提高速度尽可能的朝着这两个最优的点飞去。

首先假设粒子所能搜索的是个N维的空间，那么就可以用位置信息和速度信息来精确的表示第i个粒子的具体信息，则位置信息可以表示为x_i＝(x_i1,x_i2…x_iN)^T，速度信息可以表示为v_i＝(v_i1,v_i2…v_iN)^T，当在这N维空间中找到了位置信息和速度信息的最优位置的时候，再根据下面的式子来更新自己的位置和速度：

式中c₁和c₂表示加速因子；其作用是可以加速收敛和不陷入局部最优解；

和

表示的是在[0,1]随机产生的数值；w表示在空间中搜索粒子的惯性权值。对于该***的指标判定，由于ITAE指标能够同时兼顾调节时间和超调量，其实用性和选择性都比较好，因此选择其作为本***的适应度函数，指标函数为

PSO算法按照图10所示的步骤进行迭代求解。

3.仿真分析

(1)空气源热泵热水机主要是由翅片式蒸发器、压缩机、冷凝器和膨胀阀四个主要组成。其工作过程是通过逆向卡诺循环原理，实现将空气中的能量转移到水中，达到加热冷水作用。通过最小二乘法与辅助变量法建立二阶纯滞后模型约为：

用粒子群优化模糊PID控制框图如图11，控制器的优化就是通过自整定在线寻找最优的隶属度函数分布。

(2)在粒子群优化程序中，每个粒子通过不断的更新自己位置和速度，然后将这些参数不断的输入到simulink仿真中，达到控制仿真模块的功能。则主程序和仿真模块之间的连接程序为：

SwarmSize＝40；％粒子群规模

ObjFun＝@PSO_PID；％待优化函数句柄

for i＝1:SwarmSize

fSwarm(i,:)＝feval(ObjFun,Swarm(i,:))；％粒子群的适应值

end

(3)PSO算法中的各个参数的选取如下：惯性因子w＝0.6，加速常数c1＝1.414,c2＝1.623，粒子数SwarmSize＝100，最大迭代次数MaxIter＝100，最小适应值MinFit＝0.1，最大速度V_max＝2，最小速度V_min＝-2。

(4)根据PSO算法的流程，对参数设置进行了一下的设置步骤，如图12所示。

(5)本次实验是对空气源热泵温度控制***进行PID控制、模糊PID和粒子群优化模糊PID的仿真模型效果的对比，其仿真模型如图13。最优适应值曲线图如图14，K_p、K_i优化曲线图如图15，K_d优化曲线图如图16，e、ec优化曲线图如图17，Simulink模块仿真模型如图18，仿真结果分析如表1。

表1三种控制方案的性能参数指标

(6)稳定性验证：为了验证粒子群优化算法对***的稳定性的提高，在***稳定后，添加脉冲干扰信号，实现对***造成干扰的现象。脉冲干扰的仿真结果如图19所示。

图19是PSO优化的模糊PID稳定性验证实验的结果。针对***扰动，与模糊PID相比，粒子群算法进行约200s的调整后，***稳定，控制***的动态质量得到提高，达到我们预期的实验结果。

通过比较传统的PID控制，模糊控制PID和PSO优化算法的响应曲线，发现三种控制方法最终都将变得稳定。区别在于：传统的PID控制***响应曲线具有较长的***调整过渡过程时间，扰动和振荡更多；与传统的PID控制相比，尽管模糊PID控制的性能在调节时间和扰动方面有所提高，但与该算法仍存在较大差距。基于PSO的模糊PID不仅结合了模糊控制和PID控制的优点，而且还优化了比例因子和量化因子，以减少随机性。产生的优化曲线几乎没有超调，有效地缩短了上升和调整时间，并且响应速度更快，并且提高了热泵***的鲁棒性和抗干扰性能。

Claims (2)

1.一种基于粒子群模糊PID算法的热泵温度控制***，其特征在于：选取二输入三输出模糊控制器，将温差e和温差变化率ec作为输入，而将控制器输出变量得到的三个参数作为PID控制器三个参数的偏量值，从而实现对PID控制的参数的实时调整和修改，所以对于该热泵的温度控制***采用自适应模糊PID控制***；

根据模糊PID控制器组成结构有：

K_p＝K_p'+ΔK_p (1)

K_i＝K_i′+ΔK_i (2)

K_d＝K_d′+ΔK_d (3)

其中，K_p、K_i、K_d是根据模糊PID算法整定后的最终值、K_p'、K_i'、K_d'是其中进行PID算法参数的基准值、ΔK_p、ΔK_i、ΔK_d是通过模糊控制在线修整的增加值；所以对进行PID算法的基准值设置为：

K'_p＝0.55，K′_i＝0.009，K'_d＝6；

由于影响模糊控制器性能的指标有论域范围、量化比例因子以及隶属度函数，因此，选取的温差e和温差变化率ec作为输入变量，将其映射到论域X＝[-6,6]；采用PB、PM、PS、ZO、NS、NM、NB这七种语言变量来描述温差和温差变化率以及控制量的变化；输出变量的变化范围是[-0.3,0.3]；根据热泵温度特性，输入量隶属度函数选取高斯函数，输出量隶属度函数选取三角形函数。

2.根据权利要求1所述的基于粒子群模糊PID算法的热泵温度控制***，其特征在于使用粒子群优化算法对模糊PID算法控制，过程如下：

首先假设粒子所能搜索的是个N维的空间，那么就可以用位置信息和速度信息来精确的表示第i个粒子的具体信息，则位置信息可以表示为x_i＝(x_i1,x_i2…x_iN)^T，速度信息可以表示为v_i＝(v_i1,v_i2…v_iN)^T，当在这N维空间中找到了位置信息和速度信息的最优位置的时候，再根据下面的式子来更新自己的位置和速度：

式中c₁和c₂表示加速因子；其作用是可以加速收敛和不陷入局部最优解；

和

表示的是在[0,1]随机产生的数值；w表示在空间中搜索粒子的惯性权值。对于该***的指标判定，由于ITAE指标能够同时兼顾调节时间和超调量，其实用性和选择性都比较好，因此选择其作为本***的适应度函数，指标函数为

Images