发布时间：2020-04-22所属分类：科技论文浏览：1次
摘 要： 摘要:温度控制系统是智能家居体系的重要子系统，直接关系到住户的舒适度.传统的温度控制系统主要采用反馈控制，即使我们尝试实施常规的PID控制也无法获得理想的控制效果.因此，在智能家居环境下的温度控制系统中，尝试采用基于模糊PID控制的方法，经过仿真分
摘要:温度控制系统是智能家居体系的重要子系统，直接关系到住户的舒适度.传统的温度控制系统主要采用反馈控制，即使我们尝试实施常规的PID控制也无法获得理想的控制效果.因此，在智能家居环境下的温度控制系统中，尝试采用基于模糊PID控制的方法，经过仿真分析，系统的稳定性和动态性能都得到了显著提升.
关键词:温度控制;设计;仿真
伴随着科技的进步，人们的生活水平不断提高.近年来，人工智能和物联网技术迅猛发展，直接带动了智能家居产业蓬勃兴起.智能家居是以住宅为平台，基于多种关联技术构成的个性化家居系统，经过对各种数据的收集和科学分析，为用户提供符合个性需求的服务.智能家居广泛融合了信息技术、网络通信、智能控制等多门学科.有效提升智能家居产品智能化程度，进一步改善用户体验感受，降低用户使用门槛是目前进行相关研究的重要方向.将各种技术应用到智能家居控制系统中，较大程度地提高产品的智能化程度和用户体验，项目的研究具有较大的理论和实用价值，意义重大[1].
温度控制系统作为智能家居体系中的一个重要子系统，对住户的舒适度产生直接影响.传统的温度控制系统主要采用反馈控制方法，即通过对输出温度信号进行实时采集，并且通过反馈通道送到系统输入端，与用户设置信号进行负反馈运算，从而实现自动控制.此种系统的性能往往不能令人满意.在日常生活中，室内的温度会受到很多方面因素的影响，例如室外自然温度、室内照明装置散发的热量、电气设备工作散热、用户活动因素等等，而这些都属于不规则的随机干扰量，即使我们尝试实施常规的PID控制，也无法获取理想的控制效果.
在二十世纪六七十年代，国外控制理论专家提出了模糊集合的概念，实现了模糊性和集合论的统一，标志着模糊数学的产生[2].模糊性与随机性不同，主要是用来处理模糊现象.传统的自动控制可以通过建立系统数学模型加以研究，但随着控制系统的复杂程度越来越高，多因素耦合程度提升，加上非线性因素，数学模型的获取将十分困难.因此，智能家居环境下的温度控制系统，可以尝试采用基于模糊控制的方法.
推荐阅读：智能家居论文发表期刊
1基本控制思路
温度模糊控制系统的的基本框图如图1所示.
在整个温度控制系统中，模糊控制器是最核心的环节，主要由以下几部分构成:
(1)模糊化接口:即模糊量化处理模块.主要是用来接收温度给定值与被控对象最终输出间的偏差量(由模/数转换器传送).模糊控制器需要将信号由确切量转化为模糊量.在某些特殊情况下，如果控制器是双输入通道，应考虑根据偏差量计算出偏差变化率，然后再进行模糊量化处理.
(2)模糊控制算法模块:当偏差(或者偏差变化率)的模糊量输入到该模块时，根据知识库(通常是依据控制经验，提前储存起来的专家知识，可以模拟人类模糊推理能力)，完成模糊控制器的输出模糊量的推理过程.
(3)确切化接口:即去模糊化处理模块.经过模糊控制算法模块输出的是模糊控制量，而在进行实际温度控制时，必须是确切的值，因此在本环节主要是将模糊运算得到的模糊输出转换成确切的控制量，以便能够被实际系统所接受，然后再通过数/模转换器变换成模拟量，传递到执行机构[3].
2温度模糊控制器的设计
对于在智能家居中应用的温度控制系统而言，对于模糊控制器的设计很关键.在传统的温度自动控制系统中，广泛地采用常规PID控制方式，如图2所示.
系统中，PID控制器接收的是温度偏差信号e(t)，分别进行比例、积分和微分运算.采用模糊控制器进行设计，可以获得更快的响应速度和更高的可靠性，并且可以大大简化参数设置过程，对于参数变化也拥有更强的适用性.
1)按照广泛采用的二维模糊控制器结构进行设计，如图3所示，该种结构可以克服一维模糊控制器动态性能不佳的缺点，同时避免维数过高、模糊控制规则复杂的问题.本系统中的二维模糊控制器是以室内温度的误差信号和误差的变化量信号作为输入
2)为了有效提高模糊控制的精度，在系统设计的模糊控制器中，选取负大(NB)、负中(NM)、负小(NS)、负零(NO)、正零(PO)、正小(PS)、正中(PM)、正大(PB)以及平均值(AZ)等模糊状态[4].对于温度误差变量，可以选择如下模糊集合:{NB，NM，NS，NO，PO，PS，PM，PB}对于室内温度变化量信号而言，可以划分7个模糊状态(除了NS和NM).无论对于哪种信号，都可以根据实际情况来选取相应的隶属函数.在现代化的智能家居系统中，根据我们的实际经验来进行语义规则的推导，获得模糊控制的状态表，模糊控制器将以此作为推理的根据.
(3)获得控制变量、温度误差和温度误差变化量的模糊集后，可以借助MATLAB中专用的模糊逻辑工具箱，依照实际情况选择相应的算法，进行相应的仿真分析.
综合以上分析，本系统最终采用基于自适应模糊控制的PID控制技术，总体采用二维模糊控制器结构，将误差变化率ec和误差e作为控制器输入量，依照两个变量的变化，在模糊控制规则表制订的规则之下，对于PID控制器kp、ki和kd三个关键参数进行适当地调节，经过模糊化模块、近似推理模块以及模糊数据清晰化处理，得到相应的输出量，加到设计的PID控制器中，在线调整PID参数.控制器结构如图4表示.
3仿真分析
系统设计完成后，可以借助MATLAB软件对温度模糊控制系统进行仿真分析，在仿真过程中，可以综合应用SIMULINK工具箱和模糊逻辑工具箱(FuzzyLogicToolbox).其中，SIMULINK是MATLAB最早开发的仿真环境，特色鲜明.我们可以使用它进行电路或系统的组织或者绘制，在进行仿真参数的设置后，可以启动仿真工作.温度模糊控制系统的运行状态和相关结果可以通过示波器工具(Scope)对仿真曲线和仿真波形进行观测.模糊逻辑工具箱可以通过对函数命令的调用或者应用图形用户界面(GUI)来实现模糊推理系统的生成以及编辑[5].
如果进行模糊控制，则需要进行模糊控制器的设计，在此过程中，需要通过一定的模糊逻辑算法，遵循特定的模糊控制规则，对传统的PID控制器中的比例(P)、积分(I)、微分(D)环节的参数实时进行必要的优化，从而获得更加理想的控制过程.控制规则的制订一般是基于人们的长期经验积累，是通过长期学习、实践后形成的，它是技术知识的一种集合，操作者经过对被控对象或被控过程的观测，在已有经验和知识的基础上，进行综合的分析，通过对控制作用的调整，完成预期控制目标.控制装置依据预先设置的输入信号以及负反馈信号，通过计算获得实际温度与理想温度的偏差e，同时获得当前偏差变化量de，由模糊规则开启模糊推理过程，之后对模糊化参数进行去模糊化处理(也称解模糊化)，最终输出基于模糊控制的控制器的各项系数[6].应用MATLAB软件，进行控制器模型的建立，如图6所示.
进行仿真后，可以得到在两种控制模式下的仿真曲线，如图7所示.可以对图中的两条仿真曲线进行对比，不难归纳出，如果温度控制系统采用模糊PID控制后，仿真曲线的最大超调量更小(稳定性更好)，调节时间变短(快速性增强).此外，模糊PID控制器的结构简单，无论是硬件设计方面，还是后期软件实现都比较容易.而采用常规的PID控制器进行温度控制，算法上会比较简单，鲁棒性能得到基本的保证，控制效果也比较好.但这种装置不具备自适应能力，一旦室内情况发生变化，无法实时地在线自整定参数.特别的，如果参数变化超出了一定的范围，整个控制系统的性能将明显受到影响.因此，对于常规的PID控制器来说，更多是应用在线性时不变系统中，如果是在非线性时变的系统中应用，控制效果不是十分理想.
4结语
温度控制系统是智能家居系统中的重要部分，在智能家居温度控制系统中应用模糊PID控制器，鲁棒性更好，控制精度更高，对于环境的适应性也会更强.相应的控制方法也可以广泛地应用到智能家居的其他子系统中去.
SCI SSCI AHCI