《基于模糊-PID复合控制的磨煤机制粉系统设计》11000字（论文）

基于模糊-PID复合控制的磨煤机制粉系统设计摘要在我国电力供应结构中，火电装机比重已超过75%。火力发电厂的主要制粉设备是磨煤机，磨煤机的运行的好坏能直接影响电站锅炉的安全性和经济性。磨煤机出口温度控制的任务是维持磨煤机的出口温度在一定范围内，因为如果温度过低，煤量就会不够干燥，制粉过程难度增大，甚至会导致堵塞，影响煤粉的输送；如果温度过高，可能导致制粉系统的某些部位着火，造成事故。因此，磨煤机出口温度必须保持在一定范围内。本文对磨煤机出口温度的控制方法进行了研究，具有一定的现实意义。本文主要通过分析磨煤机的运行原理确定其数学模型，选择被控对象的传递函数，根据其数学模型的特性选择控制策略为模糊-PID复合控制，设计模糊控制器，选择模糊-PID控制的初始参数，根据控制系统的缺点添加Smith预估器优化模糊-PID控制系统，在MATLAB的simulink下搭建控制系统仿真模型，进行系统仿真，得到系统响应曲线，分析系统动态性能，测试系统的适配性和抗扰性。关键词：磨煤机出口温度；模糊-PID复合控制；Smith预估器；MATLAB仿真及分析目录TOC\o"1-3"\h\u2548第一章绪论 第一章绪论1.1课题的背景和意义随着世界经济的快速发展，能源匮乏问题和环境污染问题对社会发展的影响日益突出，这引起了人们的极大关注。中国作为发展中国家，煤炭是我国能源的重要支柱，火力发电的主要原料是也是煤炭，而且未来很长一段时间这种趋势都不会改变。建设资源节约型社会是按照我国国情制定的重要政策，同时技能技术的发展与改进也是国家重要的能源政策之一。在我国的发电系统中，火力发电占75%以上。火力发电的过程控制是发电设备运行安全性和经济性所需的技术保障，随着不断升级，对机械设备控制系统的要求也逐渐提高。现在，基于经典控制理论的自动控制系统已经不能适应生产情况复杂变化以及人们对能源可持续发展的需求。而制粉系统作为原煤加工处理系统，该系统运行的优劣直接影响电站锅炉的燃烧效率，提升制粉系统的效率可以很大程度的减少人们对于能源的需求量。磨煤机是一个拥有多变量、强耦合、非线性、时变性和纯滞后的多输入多输出被控对象。由于在系统运行中会产生很多不确定因素，因此即使投入传统的PID控制，也不能保证系统在最优的状况下工作，无法达到理想的控制效果。在实际操作中，因煤粉过多导致的出口堵塞，大量的煤粉堆积，在高温的情况下也会自动燃烧，这非常比例与安全生产和节约能源。为了解决这个问题，操作人员经常把磨煤机调整到远离最佳工作点的位置，这样虽然能够提高磨煤机运行的安全性，但能源消耗却大幅增加。所以在安全的前提下尽量使磨煤机运行接近最佳工况，不仅可以确保磨煤机的运行效率达到要求，还能够减少制粉过程中产生的损耗，还可以减少在磨粉过程中产生的损失从而提高磨煤机运行的安全性和经济性。综上所述，本课题的研究既对实现非线性复杂对象的控制具有理论意义，又符合工业现场实际需求，对国家实施节能政策也具有重要的现实意义[1]。1.2国内外研究现状现在，学者们对提升制粉系统效率的研究形成了两个主要方向。第一个方向是把重点放在局部的自动控制上。也就是说，当被控制的参数都在合理区间是，如何最大化磨煤机的输出产量；当被控参数的调节值不在合理范围内时，如何保证控制器向执行器发出适当的调节信号，消除扰动不会太慢，同时尽量避免产生超调，使执行器动作频繁。第二个方向重点放在整体的顺序控制上。即如何实现磨煤机停止运行过程的整个过程的顺序控制。在系统顺序控制过程中，可按要求更改给煤机转速和磨煤机入口冷热风阀开度，实现制粉系统的自动启停。20世纪60年代，国外采用模拟仪器实现了磨煤机的控制，我国是人工手动操作实现的。上世纪70年代，我们设计并实现了一种自动控制系统，用煤炭的量控制进出口的压力差，用热风量控制出口温度，用冷风量控制一次风量。采用了通过送风量控制温度，用热风量控制负压的控制方法。由于磨煤机系统是一个大惯性、高阶、多输入多输出耦合的非线性系统，而上述方法都是基于单回路调节器，很难满足控制要求。忽略参数之间的关系会对控制效果产生很大影响。从20世纪80年代初开始，在研究磨煤机制粉系统动态特性的基础上，建立了磨煤机制粉系统的数学模型，并采用多变量解耦控制方法对制粉系统进行了分析。20世纪90年代以来，我国引进了国外磨床制粉系统的控制技术。学习了消化技术后，人们摸索采用了新的方法，测定了磨耗机粉末量的保存，控制方法也有了很大的改善。制粉系统中存在着时变、非线性、时滞和多变量耦合等各种不确定复杂因素，使得常规PID控制的稳定性问题成为自动优化控制问题。近年来，对于制粉系统的优化控制，研究人员提出了许多传统或智能的控制方法。在理论和研究方面取得一定的成果，而且在实际应用中效果是比较理想的。单由于磨煤机工作状况等一些不确定的因素，我们仍然没有得到最佳的对制粉系统的最优控制效果[2]。以下是已研究的六种先进控制算法的列表[2]：（1）预测控制预测控制的主要目的是解决大滞后系统的控制问题。在不知道对象模型的事前信息的情况下，可以预测将来的偏差。对于粉碎机制粉系统动态数学模型无法确定的特征，通过采用预测控制，可以大幅提高制粉系统的运行效率。目前，研究人员使用模型算法控制（MAC）解决了制粉系统难以控制的问题，获得了更好的控制效果。（2）解耦控制解耦控制的基本方法有静态解耦和动态解耦。静态解耦要求控制对象接近静态工作点时，该模型具有指示线性趋势的精确模型。该方法易于工业实现，控制结构简单，但磨煤机被控对象具有不确定性，其工作状态常受干扰，不适合静态解耦。动态解耦是对整个被控制的操作过程进行解耦。对被控对象进行解耦可以等效于设置单回路PID参数。解耦控制方法是最小化多输入多输出控制回路之间的相互影响。理论上，补偿矩阵可以用来实现完全解耦。但这种完全解耦只存在于理论上，在实际工程应用中更复杂，不适用于实际的工程应用。（3）自寻优控制通过改变控制量，得到该方法对控制量的作用方式。这是因为控制对象具有非线性静态极值的特性。以此方式，可以确定系统的响应模式，实现或近似优化控制量。制粉系统的自寻优控制是一种在线寻优控制，可以在一定的范围内寻优。自寻优控制步骤：计算制粉系统的单耗，然后根据损耗的变化趋势，向前或向后寻优。当单耗值无限接近一定值时，表示那时的单耗接近最佳工作情况，停止优化。磨煤机的单位耗煤量没有统一的计算方法。如果将煤炭供应量近似于磨煤机负荷，就无法得到磨煤机的准确实际情况。因此，计算出的磨煤机单耗也会有偏差，在线优化达不到最优。（4）模糊控制模糊逻辑控制是一种基于模糊集理论、模糊语言变量和模糊逻辑推理的数字计算机控制技术。模糊控制本质上是非线性控制，属于智能控制的范畴。模糊控制不需要知道控制对象的数学模型，与传统的控制系统相比具有更好的稳定性、鲁棒性和抗干扰性。（5）神经网络控制神经网络控制具有自我学习和适应的优点，接近于任意非线性函数。它适用于动态特性随实际工况变化较大的被控对象。在实际工业过程中，神经网络控制也可以用于解决传统控制无法解决的控制问题。因此，一些学者开始将神经网络控制应用于制粉系统的控制过程。（6）混合控制由于制粉系统耦合严重，如果只靠一种控制方法无法解决控制问题，可以结合两种及以上的控制方法，达到更好的控制效果和优势互补。如模糊控制与PID控制的复合控制、神经网络控制与PID控制的复合控制、支持向量机与PID控制的复合控制等。1.3设计任务及主要内容本文设计的主要内容与要求为:描述系统的组成及工作原理;按照制粉系统的需要，选择合适的控制策略;确定控制规律;搭建控制系统框图；在MATLAB的Simulink下进行仿真，并进行结果分析。磨煤机制粉系统的控制特性2.1磨煤机制粉系统的工作原理及主要设备2.1.1磨煤机的工作原理磨煤机将大煤粉碎，研磨成适合燃烧的粉末。煤块从进料口进入磨煤机内部，同时一次风分为两部分从进风口进入磨煤机：一部分通过空气预热器加热成为热一次风，另一部分保持原本的温度向前输送为冷一次风。随着磨煤机的转动，煤块向下运动进入磨盘被碾压粉碎，粉碎后的煤粉被进入的冷一次风和热一次风带起，经粗、细粉分离器筛选出合格的煤粉直接送入锅炉燃烧，不合格的分离出来再回到磨煤机重新研磨。热一次风主要是烘干煤粉中的水分，调节煤粉的湿度已达到要求的产品水分；冷一次风则是为了防止温度过高引起的煤粉自燃现象的产生。磨煤机的工作原理如图2-1所示：图2-SEQ图2_-\*ARABIC1磨煤机工作原理本文设计的控制系统的被控对象为磨煤机出口的风粉混合物温度，磨煤机的输入输出关系图如图2-2所示：图2-SEQ图2_-\*ARABIC2磨煤机输入输出关系图2.1.2制粉系统的主要设备（1）磨煤机制粉系统的主要设备是磨煤机，它将煤干燥、粉碎大煤、制成煤粉。常见的磨煤机有三种：高速磨煤机（500-1500r/min）、中速磨煤机（40-300r/min）和低速磨煤机（15-25r/min）。（2）给煤机给煤机器的作用是根据磨煤机和锅炉的负荷的需要调整煤量，把煤均匀地送到磨床上。给煤机种类繁多，在我国广泛使用，例如圆盘式给煤机、电磁振动式给煤机、刮板式给煤机、电皮带式给煤机等。（3）粗粉分离器粗粉分离器的作用是将不合格的粗粉分离后返回磨煤机进行重新研磨。合格的煤粉由细粉分离器分离或直接供锅炉燃烧。此外，还可调节煤粉细度，以保证在运行中煤种或干燥剂量发生变化时，所需的煤粉细度。（4）细粉分离器细粉分离器的作用是将煤粉从粗粉分离器输送来的气粉混合物中分离出来，并将煤粉储存在粉煤仓中。（5）送粉机送粉机的作用是根据锅炉负荷的需要，将煤炭仓库内的煤粉均匀地输送至二次风管。2.2磨煤机的动态特性2.2.1磨煤机负荷的阶跃响应特性磨煤机负荷主要是指磨煤机的原煤量。在磨煤机的正常运行中，我们通过测量磨煤机进出口压力差来测定磨煤机中的原煤量。影响磨煤机压力差的因素有很多。其中，磨煤机给煤量、热风阀开度、冷风阀开度和再循环阀开度是主要干扰因素，并有一定的调节作用。稳定状态下的压力差阶跃响应特性是给煤阶跃扰动下无自平衡能力的对象特性。当入口热风阀、冷风阀和再循环阀的开度分别阶跃扰动时，磨煤机压力差响应表现出自平衡能力的特点，其阶跃响应曲线如图2-3所示，其传递函数为[3]：（2-1）（2-2）其中:Wcg(s)——给煤压差通道传递函数Tg——煤粉输入量压差通道传递函数的时间常数,s——给煤量压差通道的纯迟延时间,sWcrlz(s)——热风阀、冷风阀、再循环阀和压差通道的传递函数Trlz——热风阀、冷风阀、再循环阀压差通道传递函数的时间常数,sKrlz——热风阀、再循环阀压差通道放大倍数——热风阀、冷风阀、再循环阀压差通道的纯迟延时间,s图2-SEQ图2_-\*ARABIC3磨煤机动态特性从图2-3可以看出，在给煤量输入阶跃扰动的情况下，磨煤机负荷响应曲线具有两个明显的特征：一是大滞后、大惯性；二是无自平衡能力，曲线具有陡升段。当热风阀、冷风阀和循环风阀的开度阶跃输入时，磨煤机负荷具有自平衡能力的动态特性。这是因为风量直接变化，压力负荷响应快，延迟时间短。2.2.2磨煤机入口负压的阶跃响应特性当给煤量、热风阀开度、循环风阀开度阶跃输入时，磨煤机负压阶跃响应特为以下传递函数[4]：（2-3）其中:Wfrlz(s)——热风阀、冷风阀、再循环阀负压通道的传递函数Tfrlz——热风阀、冷风阀、再循环风阀负压通道传递函数的时间常数,秒Kfrlz——热风阀、冷风阀、再循环阀负压通道放大倍数Tfrlz——热风阀、冷风阀、再循环阀负压通道的纯迟延时间，秒给煤量的变化对入口负压的影响不大。热风阀和再循环阀的变化对入口负压的影响较快，它们的共同特点是具有自平衡能力的对象特性。再循环风阀的开度极大地影响磨煤机入口负压，再循环风通道传递函数的放大系数大于其它通道。由于再循环风从磨煤机的出口直接回到磨煤机入口，使磨煤机负压降低，导致磨煤机输出降低，磨煤机功率损失增大，影响磨煤机效率。一般来说，再循环风门不能参加磨煤机控制系统的调节。只有在原煤可磨性不好的情况下，为了去除磨煤机中的煤矸石粉，才采用再循环风门来增加循环风量并加快风速。2.2.3磨煤机出口温度的阶跃响应特性当给煤量、热风阀开度、冷风阀开度、再循环阀开度阶跃输入时，磨煤机出口温度传递函数表示为[4]:（2-4）其中:Wsorlz(s)——热风阀、冷风阀、再循环阀温度通道的传递函数Tsorlz——热风阀、冷风阀、再循环阀温度通道传递函数的时间常数,秒Ksorlz——热风阀、冷风阀、再循环阀温度通道放大倍数——热风阀、冷风阀、再循环阀温度通道的纯迟延时间,秒给煤量的变化对出口温度的影响最慢，热风阀开度的变化对出口温度的影响最快，其次是冷风阀。一方面，在磨煤机管道系统设计中，热风门直径较大，冷风门直径较小，所以热风门开度的变化引起热风量的变化较大。另一方面，热风量的变化改变了入口的负压，入口负压的变化加剧了热风和冷风比例的变化。例如，打开热风门提高出口温度时，入口的负压变小，减少了冷风量和漏风量，热风在总通风量中所占的比例在初始变化时高于热风门。当热风门关上的话，情况正好相反。出口温度阶跃响应曲线的特征是具有自平衡能力的对象的特征。2.3磨煤机的数学模型及传递函数的确定2.3.1磨煤机的数学模型仿真模型所依据的主要方程是[5]：质量平衡方程：（2-5）其中：M——控制体的质量；，——进出口工质的流量。能量平衡方程：（2-6）其中：H——控制体的焓；——进出口工质的焓；——控制体传入传出的热量。动量平衡方程：（2-7）其中：V——控制体速度；W——作用在控制体上的力。该模型仿真磨煤机出口风粉混合物的温度。该系统考虑了相应的风量和入煤量、温度和煤表面水分蒸发引起的热损失，以及环境的散热和设备金属的吸热。它还仿真了磨煤机温度过高和煤粉着火时产生的热量。数学模型是:（2-8）其中:——磨煤机的金属质量和比热;——磨煤机中的煤量和煤粉的比热;——磨煤机出口温度;——磨煤机进出口风量、比热、温差;——漏风量、比热、环境温度与磨煤机出口温差;——磨煤机的煤量、比热、磨煤机进口与出口温差;——磨煤机的净热量(包括摩擦和点火产生的热量，磨煤机对环境散失的热量、煤水分蒸发损失的热量)。2.3.2磨煤机出口温度传递函数的确定磨煤机是典型的多输入多输出系统。其输入量分别为给煤量、冷一次风量和热一次风量，输出量为出口混合料温度、入口炉膛负压和进出口压差。同时，这些被控变量相互耦合，控制过程也存在时滞。因此可用以下空间状态方程来表示磨煤机制粉系统的被控对象特性[6]:9(2-9）其中:t(s)--磨煤机出口温度;p(s)--磨煤机入口负压;m(s)--磨煤机进出口压力差;U1(s)--冷一次风风量;U2(s)--热一次风风量;U3(S)--给煤量;由于磨煤机系统具有时变特性，其传递函数随工况的变化而变化，因此本文选取某发电站磨煤机系统在稳定工况下运行的数学模型作为研究对象，进行了仿真实验，其传递函数如下[6]:（2-10）通过阅读大量相关资料和文献，发现磨煤机的出口温度二阶控制系统很简单，但能近似反映磨煤机出口温度的变化，计算量很小。因此，在满足控制精度要求的前提下，本文选择了近似的二阶系统。其传递函数如下[6]:（2-11）控制系统的方案设计温度参数是工业生产中常用的被控对象之一。广泛应用于化工、冶金、电力、食品加工等行业。在医学检测装置中，经常需要模拟人体温度进行成分检测。温度随时间变化的速度和方向是不确定的，并且可能会发生很大的变化。经常要求系统的实际温度快速、精确地跟踪设定温度，以满足加工工序的要求。常规温度控制存在惯性温度误差，不能满足高精度和高速度的严格要求，因此使用模糊自适应PID控制方法在线实时地调整PID参数。传统的PID控制算法容易实现，调节时间快、精度高，但干扰防止能力不强，系统容易振荡；模糊PID不需要精确的数学模型，能够很好地处理时变、非线性、滞后等问题，具有良好的鲁棒性和快速的响应速度。磨煤机制粉系统是一个高阶、非线性、强耦合的控制对象。如果简单地应用传统的PID控制或模糊控制，控制效果达不到理想要求，大量的理论研究和工程应用充分证明了这一点。因此，本文使用模糊PID复合控制方法来控制制粉系统进行。3.1模糊-PID控制器的原理及设计3.1.1模糊-PID控制器的原理模糊-PID控制器就是给传统PID控制系统里引入模糊推理的思想,将对象的给定值和实际输出值的偏差e和偏差变化率ec作为模糊控制器的两个输入，经过模糊化、模糊推理和去模糊化后，输出ΔKp，ΔKi,ΔKd三个修正量，然后输入传统PID控制器中，使用修正量调整PID控制器中的初始系数Kp、Ki和Kd，可以改善控制对象的控制性能，模糊逻辑结构图如图3-1所示。图3-SEQ图3_-\*ARABIC1模糊逻辑结构图3.1.2模糊-PID控制器的设计1、模糊PID控制器设计步骤(1)分析控制对象的运行原理，选择模糊控制器的输入和输出及其实际论域、模糊论域和隶属度函数，计算运算因子;

(2)建立模糊控制规则，制定隐含和推理方法，选择反模糊化方法;

(3)在MATLAB的Simulink下搭建模糊控制器，进行仿真。2、模糊PID控制器的设计过程如图3-2所示,设计的模糊PID控制系统结构中模糊化方法采用的Mamdani控制器，解模糊方法采用重心法（Centroid）,模糊控制规则采用最大-最小合成（MAX-MIN）。图3-SEQ图3_-\*ARABIC2模糊PID控制系统原理图（1）输入量的确定与模糊化取温度偏差e与偏差变化率ec为输入，PID控制器的修正参数ΔKp，ΔKi,ΔKd是输出。e的实际论域为[-20,20]，ec的实际论域为[-0.4,0.4]，在e的论域上定义语言变量“偏差E”，在ec的论域上定义语言变量“偏差变化率EC”，对E和EC的模糊论域范围进行设置，设为{-6，-5，-4，-3，-2，-1,0,1,2,3,4,5,6}，设计的模糊控制器如图3-3所示：图3-SEQ图3_-\*ARABIC3两输入三输出的模糊控制器根据公式计算可得量化因子：（3-1）（3-2）将E和EC划分为7个模糊子集{正大(PB)、正中(PM)、正小(PS)、零(Z)、负小(NS)、负中(NM)、负大(NB)}。模糊控制器选择三角形型隶属函数。偏差E和偏差变化率EC的隶属度函数如图3-4和图3-5所示：图3-SEQ图3_-\*ARABIC4温度偏差E的隶属度函数图3-SEQ图3_-\*ARABIC5偏差变化率EC的隶属度函数（2）输出量的精确化输入经过模糊推理得到的结果需通过解模糊化才能输出,设计ΔKp、ΔKi、ΔKd的实际论域分别为[-1.5,1.5]、[-0.03,0.03]、[-12,12]，输出量的论域设为{一3,-2,-1，0,1,2,3}。可得比例因子：（3-3）（3-4）（3-5）和模糊控制器输入的定义一样，将输出量也划分为7个模糊子集：{正大(PB)、正中(PM)、正小(PS)、零(Z)、负小(NS)、负中(NM)、负大(NB)}。隶属度函数选择三角形型，ΔKp、ΔKi、ΔKd的输出隶属度函数如图3-6，图3-7，图3-8所示：图3-SEQ图3_-\*ARABIC6ΔKp隶属度函数图3-SEQ图3_-\*ARABIC7ΔKi隶属度函数图3-SEQ图3_-\*ARABIC8ΔKd隶属度函数（3）模糊规则的选择[7]①当偏差E较大时，需选择较大的ΔKp加快系统的响应速度；为了避免由于初始偏差在允许范围内的突然增加而引起的微分过饱和现象，选择较小的ΔKd，另外，为了避免积分饱和增大系统的超调，ΔKi的值应该很小，一般取Ki=0；②当偏差E和变化率EC大小适中时，为了减小系统响应的超调，但不能减慢系统的响应速度，ΔKp应该更小，ΔKi和ΔKd选择合适的中间值；③当变化率EC较小的情况下,为了提高系统的稳定性，需要增大ΔKp和ΔKi,考虑到系统的抗干扰能力，应适当选择ΔKd使得输出响应不在设定值附近振荡；当变化率EC较小时，ΔKd取较大值；当变化率EC较大时，ΔKd取一个较小的值，一般是中等大小。通过对工业过程的定性认识和实际操作获得的经验，利用模糊控制最大-最小合成推理法设计修正参数的模糊规则表，得到ΔKp、ΔKi和ΔKd三个参数整定的模糊控制规则表[8]，如表3-1所示。表3-SEQ表3_-\*ARABIC1ΔKp、ΔKi和ΔKd模糊规则表eecNBNMNSZPSPMPBNBPB/PS/NBPB/NS/NBPM/NB/NMPM/NB/NMPS/NB/NSZ/NM/ZZ/NS/ZNMPB/PS/NBPB/NS/NBPM/NB/NMPS/NM/NSPS/NM/NSZ/NS/ZNS/Z/ZNSPM/Z/NBPM/NS/NMPM/NM/NSPS/NM/NSZ/NS/ZNS/NS/PSNS/Z/PSZPM/Z/NMPM/NS/NMPS/NS/NSZ/NS/ZNS/NS/PSNM/NS/PMNM/Z/PMPSPS/Z/NMPS/Z/NSZ/Z/ZNS/Z/PSNS/Z/PSNM/Z/PMNM/Z/PBPMPS/PB/ZZ/NS/ZNS/PS/PSNM/PS/PSNM/PS/PMNM/PS/PBNM/PB/PBPBZ/PB/ZZ/PM/ZNM/PM/PSNM/PM/PMNM/PS/PMNB/PS/PBNB/PB/PB根据模糊语句：ifeis...andecis...,thenKpis...Kiis...Kdis...将模糊规则输入模糊控制器，输入的模糊规则如图3-9所示：图3-SEQ图3_-\*ARABIC9模糊规则输入模糊规则输入后获得的输出平面如图所示：图3-SEQ图3_-\*ARABIC10ΔKp的模糊平面图图3-SEQ图3_-\*ARABIC11ΔKi的模糊平面图图3-SEQ图3_-\*ARABIC12ΔKd的模糊平面图从模糊规则表中得到输出值再代入式子计算[8]:（3-6）（3-7）（3-8）其中:Kp’,Ki’和Kd’是通过设计传统PID控制器得到的初始参数，Kp,Ki和Kd是使用修正参数在线调整获得的新的PID参数。根据上述设计可知，模糊-PID控制系统能够通过修正参数ΔKp,ΔKi和ΔKd实时修正初始参数Kp’,Ki’和Kd’获得新的控制参数，并使用新的参数来更好的控制系统。建立模糊规则后，对其进行模糊推理，本文采用MAX-MIN推理方法推理。模糊关系如下：ifE=AandEC=B,thenU=C[9]。存在的关系为:（3-9）模糊-PID控制系统仿真模型模糊-PID控制系统是使用模糊控制器和PID控制器复合控制，需设计PID控制器得到模糊-PID控制系统的初始输入参数Kp’,Ki’和Kd’。PID控制器采用试凑法获得参数，设计过程如图3-13、图3-14：图3-SEQ图3_-\*ARABIC13PID控制器仿真模型图3-SEQ图3_-\*ARABIC14PID控制器输入为130/℃时的响应曲线根据设计可得PID控制系统参数即模糊-PID控制系统的初始控制参数为Kp’=0.3,Ki’=0.006和Kd’=0.8.模糊-PID控制系统仿真模型如图3-15所示：图3-SEQ图3_-\*ARABIC15模糊-PID控制系统仿真模型3.2采用Smith预估器对模糊-PID进行优化1、Smith预估器的原理在工业生产控制中，存在着许多具有大纯滞后特性的控制对象。被控对象的纯滞后时间τ使系统的稳定性降低，动态性能恶化，容易产生超调和连续振荡。史密斯预测控制是广泛应用于纯滞后对象补偿的控制方法。在实际应用中，PID控制器和补偿环节并行连接，被称为史密斯预估器。史密斯的预估补偿是向系统反馈回路中引入补偿装置，并将控制通道传递函数的纯延迟部分与其它部分分开。其特征是在给定的信号下预先估计系统的动态特性，然后通过预测器进行补偿，事先将滞后的调节量提前反映到调节器上，使调节器事先动作，达到减小超调量，加快调节过程的目的。如果预测模型是准确的，该方法可以获得较好的控制效果，从而消除纯滞后对系统的不利影响，使系统质量与无纯滞后的被控过程相同。设被控对象传递函数为：Gp（s）是G（s）中不含纯滞后特性的部分图3-SEQ图3_-\*ARABIC16未加Smith预估器的控制系统史密斯预估器的原理：与D（s）并行连接一个补偿环节，用来补偿对象中的纯滞后现象。这个补偿环节叫做预估器。它的传递函数：图3-SEQ图3_-\*ARABIC17增加补偿环节后的结构图由预估器与D（s）构成总的补偿控制器（简称补偿器）采用Smith预估器对模糊-PID控制系统进行补偿，仿真模型如图3-18所示：图3-SEQ图3_-\*ARABIC18添加Smith预估器的模糊-PID控制系统仿真模型磨煤机出口温度仿真及结果分析4.1运行结果和分析通过上述过程建立了控制算法，现对磨煤机模型进行仿真分析。采用模糊-PID控制系统和加了史密斯预估器优化后的模糊-PID控制系统进行对比仿真。搭建的控制系统仿真模型如图4-1所示。该系统由模糊-PID控制和添加Smith预估器的模糊-PID控制两部分组成,将二者的输出到连接到一个示波器，可通过示波器观察控制效果。图4-SEQ图4_-\*ARABIC1模糊-PID控制和Smith-模糊-PID控制对比仿真模型给系统输入设定温度130℃信号,仿真时间为400s,仿真结果如图4-2所示。图4-SEQ图4_-\*ARABIC2模糊PID和Smith-模糊-PID控制的仿真结果对比图由图4-2可知系统的动态性能参数如表4-1所示：表4-SEQ表4_-\*ARABIC1模糊-PID控制和Smith-模糊-PID控制动态性能分析动态特性控制策略Smith-模糊-PID控制模糊-PID控制超调量δ%0%13.231%调节时间ts/s78.530124.288上升时间tr/s37.36917.051峰值时间tp/s78.53046.492从以上仿真结果和动态特性参数可以看出：模糊-PID控制和Smith-模糊-PID控制的稳定精度都很高。模糊-PID虽然加快了系统的响应速度，但是产生了不小的超调量，系统调节时间长，稳定性降低；添加了Smith预估器进行优化的模糊-PID控制系统超调量为0%，系统的调节时间ts较短，稳定性较好。4.2被控对象适配性测试更换控制系统的传递函数以测试系统被控对象的适配性。1、传递函数：图4-SEQ图4_-\*ARABIC3传递函数的响应曲线改变传递函数之后，Smith-模糊-PID控制系统响应加快，但是超调量为δ%=3.154%，且调节时间增加至197.428s；模糊-PID超调量为δ%=20.385%，调节时间为106.256s；与初始被控对象相比，模糊-PID控制的调节速度加快，但是动态性能变差，Smith-模糊-PID控制调节过程加长，但是超调量较小，动态性能稳定。2、传递函数：图4-SEQ图4_-\*ARABIC4传递函数的响应曲线改变传递函数后，Smith-模糊-PID控制响应速度加快，但未产生超调，调节时间为176.401s；模糊-PID控制系统在调节过程中产生震荡，超调为δ%=12.462%，调节时间为164.140s；与初始的被控对象相比，两个系统的调节时间均变长，但是超调量减少，响应速度加快。