一种基于网络拓扑型智能PID温度控制方法及控制芯片技术

本发明专利技术公开了一种基于网络拓扑型智能PID温度控制方法，包括如下步骤：步骤1：计算得出增量式PID控制的输出增量

【技术实现步骤摘要】
一种基于网络拓扑型智能PID温度控制方法及控制芯片


[0001]本专利技术涉及控制
，特别是涉及一种基于网络拓扑型智能PID温度控制方法及控制芯片。

技术介绍

[0002]温度控制，是指通过以温度作为被控变量的开环或闭环控制系统，来实现温度高低的调节或者维持环境温度在恒定值左右。
[0003]在生物医疗领域内，温度控制应用范围非常广泛。由于生物医疗领域中，很多情况下需要将环境温度控制在一定的范围之内，甚至是很精确地范围之内，因此生物医疗领域中使用的温控设备对温度控制性能要求很高。在国内大多生产厂家未达到其使用性能要求，较多用户只能选择进口设备，而价格是高昂的。
[0004]常用PID(比例P、积分I和微分D)调节器/温控仪控制算法包括常规PID、模糊控制、神经网络、fuzzy
‑
PID、神经网络PID、模糊神经网络、遗传PID及广义预测等算法。常规PID控制易于建立线性温度控制系统被控对象模型；模糊控制基于规则库，并以绝对或增量形式给出控制决策；神经网络控制采用数理模型模拟生物神经细胞结构，并用简单处理单元连接成复杂网络；puzzy
‑
PID为线性控制，且结合模糊与PID控制优点。
[0005]因此，突破传统的PID控制瓶颈至关重要，传统PID控制方法对温度控制主要存在较多不足，如存在超调或温度过冲，温度调节和稳定时间太长，受环境温度变化影响较大，造成冬季和夏季产生较大的温度偏差，对用户的试验造成破坏。传统的PID控制，还存在现场PID参数整定麻烦、易受外界干扰、对于滞后大的过程控制和调节时间过长等问题。

技术实现思路

[0006]本专利技术所要解决的技术问题是提供一种鲁棒性强，超调量小，升温时间快的基于网络拓扑型智能PID温度控制方法及控制芯片。
[0007]为解决上述技术问题，本专利技术采用如下的技术方案。
[0008]一种基于网络拓扑型智能PID温度控制方法，其包括如下步骤：
[0009]步骤1：计算得出增量式PID控制的输出增量Δu(k)；
[0010]步骤2：确定网络拓扑NN的结构；
[0011]步骤3：确定系统的实际误差err(k)；
[0012]步骤4：确定非线性识别器FM的数学模型；
[0013]步骤5：计算和修正非线性识别器FM；
[0014]步骤6：计算和修正网络拓扑NN。
[0015]所述步骤1中，所述增量式PID控制的输出增量Δu(k)的计算公式为：
[0016]Δu(k)＝a0e(k)
‑
a1e(k
‑
1)+a2e(k
‑
2)
ꢀꢀꢀ
(7)
[0017]上述公式(7)中，
[0018]k
p
为比例系数，T
i
为积分时间常数，T
d
为微分时间常数，T为采样周期。
[0019]所述步骤2包括如下步骤：
[0020]步骤21：确定网络拓扑NN的输入节点数m、隐含节点数q和输出个数r；
[0021]步骤22：确定激活函数f(x)；
[0022]步骤23：确定输出层的三个输出点；
[0023]步骤24：确定网络拓扑NN的输出层权计算公式；
[0024]步骤25：确定网络拓扑NN的隐含层权计算公式。
[0025]所述步骤22中，上述激活函数为：
[0026][0027]所述步骤24中，网络拓扑输出层权计算公式为：
[0028][0029]所述步骤25中，隐含层权计算公式为：
[0030][0031]其中，i＝1，2，...，q。
[0032]初定学习速率η为0.02，动量系数a为0.05，k为0，进行学习计算。
[0033]本专利技术还提供了一种基于如上述任一项所述控制方法的芯片。
[0034]本专利技术的有益效果是：
[0035]本专利技术公开了一种基于网络拓扑型智能PID温度控制方法及控制芯片，包括如下步骤：步骤1：计算得出增量式PID控制的输出增量Δu(k)；步骤2：确定网络拓扑NN的结构；步骤3：确定系统的实际误差err(k)；步骤4：确定非线性识别器FM的数学模型；步骤5：计算和修正非线性识别器FM；步骤6：计算和修正网络拓扑NN。
[0036]本专利技术公开了的基于网络拓扑型智能PID温度控制方法及控制芯片，其相应的温度控制系统包括信号输入、网络拓扑训练数据的激活处理、网络拓扑非线性预测调整、网络拓扑预测PID控制芯片或控制器和被控制体。本专利技术在于温控PID参数结合网络拓扑非线性预测方式和其激活处理法实现自适应调整，使温控响应速度快、控制精度高、动态调整效果好、自适应能力强、具有优秀的鲁棒性，达到非常理想的温控效果，克服了普通PID温度控制上随环境温度变化大而产生漂移的问题，解决了普通PID温度控制精度差、响应速度慢、自适应能力较弱、稳定性差的诸多问题。采用网络拓扑型自学习PID温度进行控制，结合网络拓扑训练数据的激活处理和对PID进行低通滤波处理，达到理想的温控效果。
[0037]本专利技术的基于网络拓扑型智能PID温度控制方法及控制芯片，具有鲁棒性强、超调量小、升温时间快、温度稳定快、能通过对环境温度的变化测试其具有优秀的稳定性等优点。
附图说明
[0038]图1是本专利技术基于网络拓扑型智能PID温度控制方法的系统框图。
[0039]图2是本专利技术基于网络拓扑型智能PID温度控制方法和常规普通PID方法的对比。
[0040]图3是本专利技术基于网络拓扑型智能PID温度控制方法的温度采集示意图。
具体实施方式
[0041]下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。
[0042]如图1
‑
3，本专利技术的一种基于网络拓扑型智能PID温度控制方法，其包括如下步骤：
[0043]步骤1：计算得出增量式PID控制的输出增量Δu(k)；
[0044]步骤2：确定网络拓扑NN的结构；
[0045]步骤3：确定系统的实际误差err(k)；
[0046]步骤4：确定非线性识别器FM的数学模型；
[0047]步骤5：计算和修正非线性识别器FM；
[0048]步骤6：计算和修正网络拓扑NN。
[0049]所述步骤1中，所述增量式PID控制的输出增量Δu(k)的计算公式为：
[0050]Δu(k)＝a0e(k)
‑
a1e(k
‑
1)+a2e(k
‑
2)
ꢀꢀꢀ
(7)
[0051]上述公式(7)中，
[0052]k
p
为比例系数，T
i
为积分时间常数，T
d
为微分时间常数，T为采样周期。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络拓扑型智能PID温度控制方法，其特征在于，包括如下步骤：步骤1：计算得出增量式PID控制的输出增量Δu(k)；步骤2：确定网络拓扑NN的结构；步骤3：确定系统的实际误差err(k)；步骤4：确定非线性识别器FM的数学模型；步骤5：计算和修正非线性识别器FM；步骤6：计算和修正网络拓扑NN。2.根据权利要求1所述的基于网络拓扑型智能PID温度控制方法，其特征在于，所述步骤1中，所述增量式PID控制的输出增量Δu(k)的计算公式为：Δu(k)＝a0e(k)
‑
a1e(k
‑
1)+a2e(k
‑
2)
ꢀꢀ
(7)上述公式(7)中，k
p
为比例系数，T
i
为积分时间常数，T
d
为微分时间常数，T为采样周期。3.根据权利要求1所述的基于网络拓扑型智能PID温度控制方法，...

【专利技术属性】
技术研发人员：宋波，陈丽娟，
申请(专利权)人：苏州环美生物医疗科技有限公司，
类型：发明
国别省市：