基于神经网络PID 算法的集热控制系统的研究

傅强生，董帅帅，任永鹏，黄泽枫，高晓红

（吉林建筑大学，吉林长春，130000）

0 引言

集热控制系统是一个值得深入研究的课题，但是传统集热控制系统消耗能源更多且工作效率低。在当前矿物资源严重缺乏的今天，更加高效且节能的集热控制系统的研究具有急迫性和重要性。传统集热控制系统的被控对象都具有时变性、大滞后、多干扰、非线性、数学模型不确定等特点。因此，我们采用一种新型控制算法—神经网络PID 算法，通过神经网络和PID 控制算法相结合以弥补传统PID 控制算法的不足之处，通过PLC 控制整个系统。控制方式问题的解决，可以改善传统集热控制系统能耗问题的现状，进一步提高工作效率，达到集热和节能的作用。

首先，国内外学术界对神经网络PID 控制算法的研究相对比较活跃，发表的文章也累积了一定的数量，本文主要讲解神经网络和PID 控制算法相结合，这样在借鉴前人研究的基础上将对传统PID 控制算法依赖被控对象的数学模型的问题进行了更加深化的研究。其次，神经网络和PID 控制算法相结合是本研究很重要的观念，在一定程度上弥补了对该问题研究的不足，丰富了集热控制系统的研究的内容。

1 研究路线

系统采用PID 控制器，它是一种使用传统PID 算法的控制器，它在很多的工业控制领域都有着广泛的涉及，它适用在条件复杂且在容易出现异常以及故障的情况下进行控制，具有很优良的鲁棒性，于是广泛运用在工业的控制需求中。尽管传统PID 从最开始到现在以及很长一段时间了，但经过许多学者的调整使PID 控制器在工业控制应用中一直沿用。

早在1942 年，国外就有人提出了新的PID 控制法，(ZN)参数整定法，并且在工业控制中有着广泛的应用[1]，但是它也有明显的缺点，并不能很好的解决PID 控制系统的参数调节问题。接着Cohen 和Coon 为了增强抗干扰性，提出了基于带有时间延迟的一阶模型(FOLPD)的方法[2]。但是缺点也很明显，比如他的响应速度较慢。在此之后，Kim和Chu 等对PID 控制进行了进一步的优化[3]。时间来到2002 年，KimDH 和Hong 等提出一种搜索算法，利用免疫算法与传统的PID 控制器结合，进行控制器的自动调节[4]。它模仿于蚂蚁群体工作的优化方式，以此找到控制器调节的最佳解决方案[5]。Chiha 与Liouane 等对此进行进一步改进，对多目标函数进行最小化，最终其控制效果相较于参数整定法有了明显改善。而随着遗传算法的提出发展，一些人如Kumar和Jain等想到把遗传算法与传统PID控制器结合，经过测试发现，这种结合的控制效果在各个方面都得到了显著提高[6]。

只是使用PID 控制还远远不够，传统的PID 控制对外界的干扰应变能力差，很容易因为外界因素干扰产生偏差，PID 对于自己适应自行调整能力差，于是考虑到以上情况加入神经网络来弥补传统PID 的缺陷，神经网络是类似生物的神经系统，类似于人类身体的神经系统，它是一个可以应对外界干扰及时做出调整的算法，它有很好的自适应性可以弥补传统PID 的缺陷。

图1 神经网络结构

开始小组成员对项目的理论知识研究较为薄弱，所以首先我们在网上查找相关文献，并且巩固基础知识例如PLC和传感器。通过文献查找了解国内外的研究成果和研究情况，总结了太阳能集热控制研究的主要方法以及优劣。定性分析搭建系统，根据太阳能集热的基本控制原理，结合相关的材料、化学和物理的研究，对太阳能集热温度、水量、流速等影响因素进行分析，结合神经网络和PID 控制的基础方法搭建系统，并建立PLC 控制系统。

2 控制系统与神经网络模糊控制器的设计

集热控制整体系统可以分为三个部分集热部分、换热部分、供热部分，如图2 所示；太阳能集热装置是系统控制过程中的核心源泉和关键设备，作为生活用水供暖过程中的供暖热源，最主要的反应就是在其中进行，也是实现节能环保的关键节。

图2 集热控制系统图

集热部分是由太阳能集热装置、光照度传感器、水泵和阀门构成，其中最主要的太阳能集热装置主要是由太阳能板也叫光伏板组件组成，这是一种在太阳光照射下可以将阳光聚合并通过特殊的材料（半导体材料）的光生伏特效应从而使得太阳能、光能转换为我们所需要的电能。太阳能集热装置连带光照传感器，光照传感器实时检测光照强度从而将光照强度转换为标准电压值，再将电压值送到PLC 控制中心进行检测和及时的控制；若光照强度不足以使太阳能集热装置产生足够的热量导致水温不足以满足用户需要，则需要通过换热部分进行进一步加工处理。

换热部分是由储水箱、循环水泵、阀门、温度传感器、液位传感器和辅热设备构成，其中辅热设备主要用于在光照不足导致水温没达到期望进行二次加热的设备，通过温度传感器以及液位传感器对储水箱实时检测从而进行准确的控制，若水箱内水温不够则通过PLC 控制中心对辅热设备进行控制加热水箱内部使得水温达到正常值，若液位传感器检测水箱内液位过低则通过补水阀补水使储水箱内有充足的水量，再达到合适的温度以及液位时通过循环泵和阀门将热水输送到供热部分供给用户。

供热部分则是由换热器、水阀、温度传感器、流量传感器组成，通过换热器以及循环泵使用户所处环境温度达到合适的温度，通过温度传感器来测量反馈实时温度，流量传感器用来检测管道内水流的流速，通过控制循环速度也可以使得温度达到标准，这一部分虽然设计较少，并且做出的检测和干预不能太多，因为供热是整个系统最终的目的，通常处于用户的生活环境中例如家庭等。

集热控制系统把神经网络的自学习能力等特点与模糊控制器中的模糊控制规则相结合，组成集合双方优点的集热控制系统。控制器对输入信号进行模糊化处理，然后运输到神经网络进行学习，不断改变隶属度函数值和宽度，调整网络权值大小，最终将输出变量解模糊化，进行输出。神经网络会不断重复学习，记忆模糊控制规则，达到最好的控制输出[7]。

误差值e、误差变化率ec作为模糊变量两个输入，并且制定合适的模糊规则，模糊控制规则如图3 所示。

图3 模糊控制规则

根据模糊规则进行模糊推理得到控制系统的三个参数Kp、Ki和Kd。输入变量和输出变量经过模糊化处理后，都采用7个模糊子集为｛NB、NM、NS、ZE、PS、PM、PL｝分别表示负大、负中、负小、零、正小、正中和正最大。模糊控制输出如图4 所示。

图4 模糊控制输出曲面观测窗

3 系统搭建

整个太阳能集热控制系统由集热、换热、供热三个部分组成，提前准备好所需的各个部件如S7-200 PLC、模拟量输入模块EMAE08、模拟量输出模块EMAQ04、光照度传感器、一体化温度变送器、一体化液位变送器、开关电源、MCGS 触摸屏、变频器MM440、电磁阀、温湿度传感器RS485 等，每个部件通过导线进行连接，搭建变压变频器给CPU 和其余传感器提供电源和适配的输入，通过PLC控制中心对系统自动检测控制，触摸屏可以进行人工检测，并且对PLC 进行人为操控。

图5 系统实物图

集热控制系统使用CPU 为226 型PLC 进行控制。它可以通过运用可编程存储器来发出指令，这些指令信息会直接传递至用户层。PLC 的特点有很多，例如较好的稳定性，较好的性能，操作也方便简单，而且具有抗干扰接口，所以在一些领域，如电气控制领域、通信领域等都有广泛的应用[8]。

4 结语

集热系统的研究通过神经网络与PID 控制算法结合，叙述了神经网络PID 控制器的设计过程。使用MCGS 组态软件进行监控系统的设计，并与S7-200 PLC 建立通信链接。实现了模糊神经网络PID 控制算法对集热控制系统的控制，验证了模糊神经网络PID 控制算法在实际应用中的可行性。在完成仿真后我们搭建起实物，在计算机上调试昆仑通态显示屏，通过显示屏进行调试控制，在计算机上也可以观察到整体系统的情况和数值的变化，最终经过反复的调试和程序修改实现了整体系统对集热控制和供热过程的实现。