MCGS和智能控制策略在加热炉温度控制系统中的应用

1、第33卷第4期2011年7月工业炉Industrial FurnaceVol.33No.4Jul. 2011MCGS 和智能控制策略在加热炉温度控制系统中的应用刘会景（昆明理工大学信息工程与自动化学院，云南昆明650051）摘要：加热炉温度是钢厂中重要控制参数之一，温度控制系统具有非线性、时变性、滞后性等特性。利用COM 组件技术、MCGS （Monitor and Control Generated System ）组态软件的可视化画面制作技术和MATLAB 软件的丰富算法来完成模糊自适应PID 控制，实现了稳定的温度控制系统的人机界面。结果表明，不仅获得强鲁棒性、强抗干扰性和满意的控制性能

2、，同时提高了实时控制能力，方便地用于实际工业控制中。关键词：温度控制；MCGS ；模糊神经网络PID ；MATLAB ；自适应中图分类号：TP311.11；TP393.11文献标识码：A文章编号：1001-698804-0026-04（2011）Application of MCGS and Intelligent Control Strategyin Temperature Control System of Heating FurnaceLIU Hui -jing（College of Information Engineering and Automation ，Kunming Univ

3、ersityof Science and Technology, Kunming 650051, China ）Abstract:The furnace temperature is an important control parameter in steel plant, and the temperature control system has characteristics of nonlinear, time -varying, hysteresis and so on. By using the COM component technology, the visualizatio

4、n screen production technology of MCGS (Monitorand Control Generated System configuration software, and the rich algorithm of MATLAB software, the fuzzy adaptive PID control was completed, and the stable temperature control system of people -machine interface was achieved. The results showed that no

5、t only the strong robustness, the strong anti -interference and the satisfactory control performance were achieved, but also the real -time control ability was improved. It could be used conveniently in actual industrial control.Key words:temperature control; MCGS; fuzzy neural network PID; MATLAB;

6、adaptive轧钢加热炉控制的主要任务就是保证炉内具有良好的加热条件，以满足钢坯的轧制要求，同时最大程度地降低燃料消耗，提高经济效益。然而，由于炉内钢坯温度分布的不可检测性、加热炉的大热容量和多干扰，存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素，很难建立精确的数学模型。现代大型轧机大部分都是高速化、自动化、高精度和多品种，对加热炉的操作和控制提出了更高的要求1。2011-04-13收稿日期：基金项目：云南省教育厅科学研究基金资助项目（基于DSP 的信息整合技术的研究与开发）项目编号042140D.作者简介：刘会景（1982），女，工学硕士，讲师，研究方向为嵌入式系统及工业过程控制.

7、采用传统的控制理论和方法很难达到好的控制效果，也不能动态观察加热炉内的温度变化情况。随着组态软件技术的迅速发展和现代控制理论的不断完善，本文利用COM 组件技术，运用MCGS （Monitor and Control Generated System ）组态软件优秀的可视化画面制作技术来实现稳定的温度控制系统的人机界面，利用MATLAB 软件丰富的算法来完成模糊自适应PID 控制。1模糊自适应PID 控制器的设计设计模糊自适应PID 控制器是这项工作的重点内容之一。模糊自适应PID 是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种数学控制26工业炉方法，属于非线性控制方法，具有一定的自适

8、应控制能力，特别适合难于用精确数学模型描述的系统，并且有很强的鲁棒性和稳定性2。由于模糊控制器的输出条件具有类似多值继电器的特征，处于非连续状态，这样对系统的稳定性不利；而系统偏差很大时入口第33卷第4期2011年7月取当前采用值e (k =r (k -y (k 对e 进行模糊归档化处理线性系统辩识法估计出参数矢量（k ）计算调整神经网络PID 控制器(包括智能型PID 都会产生强烈振荡和带来很大的超调量。本设计方案既保持PID 控制器的无静差、稳定性好的优点，又具有模糊控制对参数适应性和调节速度快的长处。图1所示即是智能型带有模糊自整定控制器的主控制器。模糊推理K pBP 神经网络K i K

9、 dU (k =U (k -1+K p E(k -E(k -1+K i E(k +K d E(k -2E(k -1+E(k -2计算修正输出层加权系数W ij （2）计算修正隐含层加权系数W ij （3）K =k -1图2返回在线自校正工作流程图2K 1K 2设定温度值d/dtMCGS 与MATLAB 间的相互操作神经网络是通过不断的学习训练调整参数，而K 3K 4K 5K p K i K d加热炉误差信号PID 调节器热电偶及温度补偿装置每一次训练都是要刷新数据，这就要求在每一次学习过程的MATLAB 程序开始前提取有用数据，相应地在结束时保存相应的数据，以便下一次的提取。为了方便，采用LO

10、AD 和SAVE 命令，将数据以二进制文件格式暂存。MATLAB 编写的算法是在.m 函数文件中编写的，利用COM Builder 编译为DLL 在图1模糊自适应PID 控制器设计系统框图以误差信号和偏差变化率作为模糊PID 控制器的输入量，K p 、K i 、K d 为输出量，在线调整PID 参数。图1中的K 1、K 2、K 3、K 4、K 5为比例因子。模糊VC+6.0中的调用。MCGS 用Active DLL 构件的方式来实现功能构件，通过规范的OLE 接口挂接在PID 控制器调整PID 参数计算为：K p =K' p +K p K i =K' i +K i K d =K

11、' d +K d式中：K' p 、K' i 、K' d 为初始设定的PID 参数；K p 、K i 、MCGS 中，使其构成一个整体4。由于功能构件和MCGS运行在同一个进程内，所以功能构件的运行速度快，可靠性高，即使构件本身有问题，也不会影响到MCGS 的可靠运行。使用VC+6.0开发MCGS 的功能程序简单高效并且实用。MCGS 和MATLAB 间的相互操作如图3所示。加热炉外部设备K d 为模糊控制器的3个输出，可以根据被控对象的状态自动调整PID 的3个控制参数的值。模糊控制器选用二维输入和三维输出，其模糊语言变量集合均划分为“负大(NB”、“负小(NS

12、”、“零MCGS 软件OLEVC+6.0软件(ZO”、“正小(PS”和“正大(PS”等模糊子集。其中：误差e 和误差率ec 的离散论域均取为-2，-1，0，1，2，K p 、K i 、K d 的离散论设定为-4，-3，-2，-1，0，1，2，3，4 。由于实际的输入温度偏差e 的变化范围在零值左右，并不是对称的，将它们变换到相应的论域时，采用斜率不同的分阶段线性变换方式，即不同的阶段用不同的量化因子k 3。隶属度函数采用三角形函数形式和S 形函数形式相结合。系统在线运行时，微机测控系统通过对模糊逻辑规则的结果处理、查表和运算，完成对PID 参数的在线校正和模糊控制器的输出。工作流程见图2。MA

13、TLAB 控制算法图3COM BuilderMCGS 和MATLAB 间联系3MCGS 控件的设计及界面MCGS 组态软件可实现各种满足要求的仿真界面，能快捷地开发组建高效的控制系统，但是脚本语言非常简单，无法进行复杂的数值计算和分析，因此对整个系统多参数的综合优化控制问题的二次开发较困难。MATLAB 语言是一种解释性执行语言，具有丰富的算法和命令函数。MCGS 组态软件人机界面和MATLAB 丰富算法相互弥补缺点。27第33卷第24期工业炉计算机应用：MCGS 和智能控制策略在加热炉温度控制系统中的应用2011年37月Industrial FurnaceVol.33No.2No.4Mar.

14、 2011Jul. 2011MCGS 软件安装在上位机，上位机部分可以方便、直观、实时地监控炉温，有报警功能，可方便、自由地设定各段时间的温度，随时查询历史数据，还可以对不正常的工作情况有记忆功能。MCGS 允许用户开发自己的自定义控件并挂接到MCGS 的设备管理窗口中。MCGS 组态软件有一套自己的接口规范，开发的驱动控件必须遵循。开发模块化软件的方法之一就是采用动态链接库(DLL，Microsoft Windows 本身的主要功能就是采用了动态链接库5。与静态链接库(sLL不同的是动态链接库允许用户单独编写和调试较小的DLL 模块，其优点是：将大工程分解成小的易于管理的子工程，方便任务分散

15、与合作；方便用户根据需要添加新的组件(自己开发或第三方提供的软件模块 或功能，只要接口不变，无须修改编译客户程序。(3增加自定义控件的方法。符合MCGS 规范的8种方法7。(4添加自定义控件的模糊控制代码。这是开发智能自定义控件的最重要的难点。添加模糊自定义控件的代码，主要有：Ke=Grade/Escope;/计算量化因子和比例因子Kc=Grade/Escope;Ku=Controlscope/Grade;/控制范围el=SetInput;/设置输入值ec=el-eO;/误差率if el>Escopee1=Escope;/限制误差在误差基本论域中if el<-Escopeel=-E

16、scope;if ec>Escopeec=Escope;/限制误差变化在误差变化基本论域中Visual C+60是功能极其强大的Win32软件开发平台，有更多更好的AppWizard 和MFC 库的支持，开发DLL 变得越来越容易。启动VC+60集成开发环境，从File 菜单选择NewlProjectl MFC DLLif ec<-Escopeec=-Escope;e0=el;if el>=0E=(int(el*Ke+05;/模糊化误差使E 为最接近el*Ke的整数else E=(int(ec*Kc-0.5;if ec>=0E_c：(int(ec*Kc+05;/模糊化误

17、差变化值使E_c为最接近ec Kc 的整数else E_c=(int(ec*Kc-0.5;A=(ModmaxModmin*abs(E/Grade+Modmin;Mid=-(A+E+(1-A*E_c;If Mid>=0U=(int(Mids+0.5;/解模糊化使u 为最接近Mid 的整数else U=(int(Mid-0.5;if U>Grade/限制控制量输出在量化等级中U=Grade;if U<-GradeU =-Grade：Output=U*Ku；/转换到控制量基本论域中并输出模糊控制算法代码笔者尝试过多种方法，最后采用在Matlab7.X 中开发具有模糊自适应PID 功

18、能AppWizard(dl1创建一个名为FuzzPID 的工程6。选择正规的DLL ，其它采用向导默认设置，单击完成，创建一个自定义控件动态链接库工程。接下来都是利用集成开发环境进行开发工作了，通过修改FuzzPID.h 和FuzzPID.cpp 的代码或者添加新资源，但必须充分利用ClassWizard 程序向导来实现。这是本项工作的重点内容之二。(1界面设计。创建并注册控件子窗口增加三个属性页，基本属性、通道连接和参数设置。在其中添加Windows 通用控件(按钮、输入框、文本框等 。(2增加自定义控件的属性。这在前面已经提及，一定要符合MCGS 的接口规范(5个 。另外还要增加模糊PID

19、 的几个重要的属性如下：1）Input 从相应端口采集到的数据，亦即控制器反馈值；2）Output 计算结果从控件中输出的数据；3）4）5）6）7）Set 外部给定值；Grade 量化等级；Modmax 误差变化率取值上限；Modmin 误差变化率取值下限；Escope 误差基本论域绝对值最大值；8）Ecscope 误差变化基本论域绝对值最大值；9）Controlscope 控制量基本论域绝对值最大值；28工业炉的M 文件。用集成编译器导出为相应VC+代码。再移植到VC+60中修改，增加接口，然后经编译生在MCGS 人机界面上设置PID 各个参数、输入值误差e 和误差率ec 对应数据对象。当运

20、行时，界面上实时显示PID 各个参数、误差和误差率的变化量。同时将温度历史数据和当前数据保存下来，用曲线形式来反映温度的实时数据和设定数值。在界面上，操作人员可以手动拖地滑块来设置温度给定值，还可以直接在输入框直接输入给定值。需要查询历史数据时，可以输入要查询的时间，在曲线上直接显示查询的温度值，见图4。模糊控制器PID 三个参数比例系数K p 微分系数K d历史数据查询温度误差e 温度误差率ec手动设定温度加热炉温实时数据曲线与设定值第33卷第4期2011年7月温度/成FuzzPID.dll 文件并保存下来。1400120010008006004002000100200300400500600700800图7时间/sPID 控制扰动响应曲线图通过比较可以看出，常规PID 控制响应慢，超调较大，调节时间长，这是由于比例、积分和微分三个时间常数相互制约，无法达到最优组合而造成的；模糊控制超调较小，控制响应快，调节时间短，但是无法消除稳态误差，这是因为它是用隶属函数来反映误差量，模糊规则表中查得的是一个模糊量，经反模糊化后得到的控制量必然会导致系统稳态误差的存在; 模糊神经网络控制则克服了上面二者的缺点，不但超调量小，响应快，而且稳态误差很小。5图4运行界面图结