雷竞技网页版研究与评论-国际期刊雷竞技苹果下载

国际电气、电子和仪器工程高级研究杂志

菜单

在线刊号(2278-8875)印刷版(2320-3765)

所有提交的EM系统将被重定向到网上投稿系统．作者被要求将文章直接提交给网上投稿系统各自的日志。

基于PID和PIIntelligent的温室温度控制反馈技术

Y. El Afou1、2， L.贝尔库拉2，乌塔努特先生1格尔巴维先生1拉哈利1， A. Ed-Dahhak3.拉哈布3.C.加入4， B.布基基1
  1. 传感器穆雷物理系电子与仪器组Ismaïl摩洛哥梅克内斯大学理学院
  2. INRIA, NON-A组，LAGIS, UFR, IEEA, Bât。P2，利勒1科技大学，科学城，维伦纽瓦-阿斯克塞德克斯，利勒1
  3. 模型ing，系统控制和电信部门团队电气工程Ismaïl大学，技术高中，梅克内斯，摩洛哥
  4. INRIA, NON-A组和CRAN (UMR CNRS 7039)，南希大学，南希，法国
有关文章载于Pubmed，谷歌学者

更多相关文章请访问国际电气、电子和仪器工程高级研究杂志

国际电气、电子和仪器工程高级研究杂志

摘要

随着先进温室技术的出现，电脑化温室自然势在必行。它创造了新的机会，根据植物的特定需求来操纵室内环境。温室温度是影响植物生长的主要因素。通常，它与其他气候参数密切相关。本文探讨了采用PID控制器和pi智能控制器控制温室内部温度的新方法。这两个控制器都有很好的效果，除了PID需要一种参数识别方法，该方法应尽可能长时间有效。因此，有必要重复所选择的识别技术面，以实现外部参数的意外变化。然而，pi智能控制器允许长时间保持调整增益，这得益于实现识别和代数方法。为了实时可视化气候参数的演变，开发了一个图形界面。

关键字
计算机温室，气候参数，控制，PID控制器，pi智能。

介绍
近年来，温室气候控制的研究已成为许多研究课题的挑战。文献中提出了许多控制方法:(Rodríguez et al. (2001);Bennis et al.(2008))设计了一种基于物理模型的温室气候控制前馈控制器;提出了最优控制方法(Ioslovich et al.，(2009))。(Berenguel et al.，(2003))和(Speetjens et al.(2009))研究了温室温度控制的自适应控制策略。提出了一种新的无模型控制方法来控制温室温度。对于非线性、未知或部分已知的动力学问题，它是一种简单而有效的方法。在保留PID减少计算成本的同时，它能够处理一般类型的非线性。无模型控制已被证明是一种简单但非常有效的非线性反馈技术的未知或部分已知动力学(Fliess等人(2009);Fliess等人(2013); Join et al. (2013); Lafont et al. (2013); Lafont et al. (2014), Choi et al. (2009)). We shall here use so-called intelligent PID (or i-PID). While retaining the PID reduced computational cost, it is able to cope with general types of nonlinearities. A precise relationship between i-PID and PIDs is given in (d’Andréa-Novel et al. (2010)). It particularly emphasizes the ease of tuning of i- PID gains and gives a clearcut explanation of the performance of usual PIDs.
温室是为在可控的环境条件下种植植物而设计的。温室栽培有几个优点:它有助于保持最佳的植物生长环境，保护作物免受虫害和不同的室外条件。因此，温室的生产变得相当复杂和昂贵。因此，想要保持竞争力的温室种植者需要通过更好地管理生产条件来最大化他们的投资。为了充分利用作物的生长机会，有必要对系统进行自动化控制。利用计算机引入自动化技术是农业生产的一大进步(Yang et al. (2013);Eredics(2009))。事实上，温室气候控制有三个基本组成部分:传感器、计算机和执行器。传感器用于采集植物生长的重要信息，执行器用于对采集到的信息进行修改。温室环境的管理在很大程度上依赖于温度变化。 This later is the result of complex, interactive heat, mass exchanges between the inside air and the several elements of the greenhouse and the outside climatic parameters. The process depends on the structure of the greenhouse type, the state of the crop and the actuating control signals typically ventilation and heating which are able to modify the inside temperature conditions. The various orders (heating and ventilating) of a greenhouse aim at the spontaneous improvement of the internal climate, but this control is never complete. It is difficult in fact to act on an element of the environment without modifying another element.
我们实验室的研究表明，温室内部温度是对温室影响最大的参数(Ezzine et al.(2010))。然而，自动气候控制要求开发适当的控制规律，这些控制规律是基于代表线性和非线性系统的模型。因此，我们不得不对温室温度控制系统进行研究。为了充分利用温室作物和资源管理的增强可能性，使用远程自动控制调节和控制变量是必不可少的(El Afou1等人(2013);El Afou2等人(2013);Guerbaoui等人(2013))。
研究结果为温室下气候参数控制策略的实施提供了依据。与传统的PID控制器相比，所提出的策略是pi智能控制器。读者可以参考最近的书(Van Straten et al.(2011))，以获得属于建模/识别/控制框架的建模和最优控制的综合方法(Iya et al.(2009))。采用Matlab/Simulink软件对控制器策略进行编程。
本文的组织结构如下:以下部分描述了论证的实验框架。简要介绍了无模型控制器方法。我们描述了控制器的实现，并给出了主要的实验结果。

实验温室的全景图
图1展示了温室系统的示意图。建立温室是为了开发一个综合数据采集系统来控制内部气候。该系统与一台计算机(PC)相连。传感器和调节模块使我们能够测量温室内外不同的气候参数。采用NI-6024E多功能测量卡进行采集和数据处理，实现对复杂测量数据的控制和管理。这个实验温室配备了许多传感器:
-内外温度传感器(LM35DZ)，数据以℃表示。
-内外湿度传感器(HIH-4000-001)，数据以%表示。
-二氧化碳浓度传感器(Figaro AM4模块)，数据以ppm表示，命名为CO2。
为了改善温室下的气候，我们安装了加热系统、脉冲送风和变速风扇(Ed-Dahhak et al. (2007);Lachhab等人(2007);Ed-Dahhak等人(2009);Guerbaoui等人(2011))。
图像

所使用控制器的理论研究
A. PID控制器
PID控制是采用比例、积分和导数作为主要工具的反馈控制方法(Hensel et al. 2012, Beshi et al. 2011和2012)。控制的目的是使过程变量y(t)作为一个合适的值，称为设定点yr(t)。为了达到这个目的，在控制器的命令下改变被操纵的变量u(t)。在本应用中，过程变量y(t)是温度，被操纵变量u(t)是控制器的命令。“扰动”是除被操纵变量外影响过程变量的任何因素。然而，在某些应用中，主要干扰以不同的方式进入过程，或者需要考虑复数干扰。误差e(t)定义为:e(t) = yr(t) - y(t)。式中，yr(t)为期望轨迹，y(t)为测量变量。PID是一种控制器，它将当前、过去和未来的误差都考虑在内。在引入数字化实现后，对控制系统结构提出了一定的改变，并被许多应用所采用。 However, that change doesn’t influence the essential part of the analysis and design of the PID controllers. The transfer function C(s) of the PID controller is:
图像
B. pi智能控制器
本节简要总结了无模型控制的思想，仅限于本应用的需要，单变量情况和阶1的推导。读者可以参考关于这个主题的大量参考书目，特别是因为现有的项目(Gédouin等人(2011)，Fliess (2008, 2009);Fliess et al. (2011);Abouaissa et al.(2011))用于单变量无模型控制，(Mboup et al. (2009)， Liu et al.(2011))用于导数估计。无模型控制是基于系统的局部建模，从其输入输出的唯一知识，从而避免了有时困难的建模和识别有效的宽工作范围的步骤。它以估计噪声信号导数的代数技术为基础，将导数信号y(i)(t)表示为短区间内的积分[(t - t)， t]，它是一阶的，对于这个应用已经足够了。该导数的估计形式如下:
图像（2）
在实践中，式(2)在每个采样时间t = kTs, k = 1,2…，t = nsTs，其中ns为样本数，Ts用于时间窗口t，作为离散和，使用基本离散方法计算积分:
图像
这种估计技术可以应用于过程行为的快速现象学模型，并在短时间内有效:
图像
图像（5）
因此，这种估计允许pi智能的实现。当闭环控制器为PID类型时，可命名为无模型控制，智能PID表示为:
图像

仿真结果
A. PID控制器
温室温度演化模型的建立需要将开环加热温度设为一个阶跃。作为一阶纯时滞系统得到的传递函数可以表示为(El Afou et al. (2013)):
图像(7）
PID控制器的参数从已识别的系统进行整定(Dindeleux (1981)):
图像(8)
图像（9)
图像（10）
我们利用这些参数在仿真模式下用MATLAB软件控制代表我们系统的模型。为了了解PID控制器在闭环系统中的行为，我们在SIMULINK中进行了模型仿真。图2显示了利用所开发的算法所获得的性能。我们还注意到输出呈现20秒的短延迟，它完全遵循24°C在225秒的设定值。
图像
B. pi智能控制器
微分是一种基本的数学运算，在许多科学领域都有广泛的应用。因此，有好的方法来计算和操作导数是很重要的。在我们的例子中，基于导数估计的新方法称为无模型控制，即使信号被噪声破坏，我们也将证实更好的结果。我们考虑通过包含一些额外噪声的测量得到的信号y。其目的是估计信号y的时间导数，从其损坏的测量到一阶。我们可以重写一阶的数值导数，如下所示:
图像（11）
在这个应用程序中，我们选择ns=11，简单时间s Ts=5s，那么间隔T= 55 s是滑动的，以便在每个瞬间得到这个估计。我们将式(11)转换为在Simulink中实现的数值导数算法，如图3所示。
图像
为了测试该算法，我们将数值一阶导数与图4所示的简单导数进行了比较。根据这个模式，我们可以观察到在估计的数值导数和简单导数之间存在一些相似之处。我们得出结论，所开发的算法准确地表示了一阶导数。
图像
为了更进一步，我们在导数的输入中添加了白噪声。图5给出了简单的一阶导数，图6给出了模拟的一阶数值导数。可以看出，数值推导具有良好的性能。估计的第一个数值导数比简单的第一个导数好。上述结果是估计技术的基础。
图像
图像
在本文中，研究仅限于内部温度的控制。图7为PI-intelligent在闭环下获得的内部温度阶跃响应仿真结果。我们注意到，静态误差等于零，系统速度快(上升时间tm≈19秒)，没有超调。我们还注意到，观察到的输出在开始时呈现出20.6 s的纯延迟，在350 s的持续时间后，它是完美的跟踪精度的设定点。通过对该智能控制器的参数进行简单的调整，可以提高控制器的性能。此外，这些调优参数可以得到较好的结果，而设定值是由噪声实现的。
图像

实时反馈技术的结果
答:应用程序
室内温度是温室的重要参数，对温室栽培影响最大(Ezzine et al.(2008))。为了控制内部温度，我们使用了加热器和风扇两个执行器。然后，我们把这一过程看作是一个单独的输入，根据室内温度的值和固定的设定值分别分布在采暖和通风上。这种混合过程使建模变得危险，并充分证明了所提出的无模型方法是正确的。在本研究中，在制定控制策略时未考虑测量的相对湿度和CO2。控制系统结构如图8所示。请注意，如果[F]e = 0，则我们得到经典的调节器，如简单的PID控制器。
图像
为了实现温室过程的实时控制，我们设计了一种能够与温室过程通信的算法。为此，我们首先将模式仿真中给出的反馈算法的输入和输出分别更改为模拟输入和输出，将所开发的算法应用于实际系统。在运行仿真之前，必须构建SIMULINK;一些代码将在命令窗口中执行。如果命令窗口上没有错误，我们最终连接到一个目标，并通过启动实时运行模拟。
B. PID控制器
为了测试之前控制器的性能，我们通过几个设定值来激励执行器(加热器和风扇)，并实时测量温室下的温度响应。首先给出PID控制器的闭环阶跃响应，如图9所示。我们可以观察到，当执行机构被经典定律控制时，跟踪效果很好，而在稳态时，跟踪效果不理想。除了外部气候的强烈影响外，我们还可以注意到参考轨迹在一个设定值附近振荡。此时，该控制器无法拒绝无用的扰动。在图9中，噪声在7 h到18 h之间出现较强。
图像
此外，我们在图10中展示了发送到执行器的PID控制器的演化过程。开始时，该控制器不断增长，在15h时达到3v的最大值。之后，它保持稳定在这个值附近。这意味着所使用的控制器不能最小化执行器所消耗的功率。此外，还存在被控系统生命周期被忽视的问题。传统的基于辨识方法的控制器在较长时间内是无效的，这是导致控制器性能不佳的原因。此外，这些方法(后一种方法)需要针对每一个较大的外部参数气候变化来实施。这就是为什么我们使用pi智能控制器来监测温室温度的原因。
图像
C. pi智能控制器
图11给出了在20°C ~ 23.5°C范围内，以步长为参考轨迹的pi智能控制性能。我们可以观察到，pi智能控制器比PID智能控制器能更快地抑制扰动。此外，内部温度的变化也证明了智能控制器的性能更好。外部温度给出了我们调节内部温度的条件。虽然采用智能控制器的闭环条件较差，但仍能获得较好的性能。结果表明，pi智能控制器能够在合理的误差范围内精确控制温度。它的有效性表现为在设定值附近波动最小，没有超调。
图像
类似地，我们提出pi智能控制器的演化如图12所示。我们注意到输出的值不超过1.25 V，有时还会下降。这些良好的性能是通过过程行为的快速现象学模型和数值导数(方程4和5)获得的。后者允许实现包含过程所有未知参数的参数F(方程5)。总之，该智能控制器具有良好的性能，我们可以长时间保持这些参数，并为执行器的实时控制信号产生最小的功率。
图像

比较研究
在本节中，我们介绍了使用PID和pi智能控制器获得的实验结果的比较。为了便于曲线的可读性，我们选择了2 ~ 5 h的调节温度。这些都是为了监测21 ~ 23℃的温室内部温度，也为了保证比较的公平性。在最佳PID值下的温度行为如图13所示。平滑的理论温度行为显示出轻微的超调量，但没有波纹。实验表明，在设定点附近有更多的超调和波动。实验开始时大约有20 s的延迟，这可能是由于空气混合延迟造成的。PID控制器对22°C和23°C的设定值跟踪良好。但是，该控制器的最大误差为0.4°C。我们可以看到，控制信号的变化数量很小。这一事实是执行器寿命的关键问题，特别是在温室通风和加热系统由机械执行器组成。
图像
将优化后的pi智能参数插入实验控制器，如图14所示。理论曲线在与设定点交点处存在一定的波动。然而，对设定值的良好跟踪显示了最大误差为0.2°C。该控制器易于实现，在跟踪设定点方面非常有效。因此，采用跟踪设定点的方法是最优的。
图像
所有控制器都能将温室空气温度精确控制在合理的误差范围内。我们注意到使用不同的初始温度值，因为两个控制器都是在不同外部温度值的条件下应用的。这使得比较研究变得困难。但是，我们将对结果进行分析，以确定每种使用的控制器的优点和不便之处。图15和图16分别显示了PID控制器和PI- intelligent计算的命令演化。
图像
图像
我们注意到PID控制器在达到固定目标时损耗了很大的功率。实际上，与其他命令相比，它等于零，命令重置的次数也很低。最大电压不超过1v。对于pi智能控制器，我们注意到命令更快，并在几个时刻停止。这种进化证明了这种智能控制器是控制温室温度的最佳方法。尽管三个阶的PID控制取得了良好的性能，但我们注意到，由于气候参数的广泛变化和所使用的识别方法的有效性的限制，PID控制开始饱和。然而，我们注意到，无模型控制允许获得良好的性能，因此使用的执行器没有饱和。

结论
本文介绍了采用PID控制器和pi智能控制器对温室温度进行控制的方法。然而，在复杂的温室环境中，多个控制器的调谐是一个挑战。通常，大多数控制器的调校是基于识别技术，这取决于外部天气条件。因此，我们求助于自适应控制器，它可以在线识别过程。PID控制器的基本困难是一个具有常量参数的反馈系统，并且没有直接的过程知识，因此整体性能是被动的和妥协的。当PID控制器单独使用时，当必须降低PID环路增益以使输出轨迹在设定值附近振荡而没有超调时，会给出较差的性能。它们在非线性存在时也有困难，对变化的过程行为没有反应，对大扰动的响应有滞后。为了克服这些困难，我们使用了pi智能控制器。它很容易实现，并且在跟踪设定值方面非常有效。在线估计每个采样时间扰动误差的导数。 The PI- intelligent controller ensure good performances without having to tune again and again the PID parameters and guarantees a suitable adaptation when the plant is changing with time.

致谢
这项工作得到了PHC Hubert Curien Volubilis基金(Ref. MA/09/211)的支持。

参考文献





































全球科技峰会