聶 放，周曉光，代愛(ài)妮，邢 穎，王海霞

（北京郵電大學(xué)自動(dòng)化學(xué)院 教育部信息網(wǎng)絡(luò)工程研究中心，北京 100876）

基于遺傳算法優(yōu)化的模糊PID控制在糧食干燥中的應(yīng)用

聶 放，周曉光，代愛(ài)妮，邢 穎，王海霞

（北京郵電大學(xué)自動(dòng)化學(xué)院 教育部信息網(wǎng)絡(luò)工程研究中心，北京 100876）

針對(duì)傳統(tǒng)控制算法在糧食干燥機(jī)的控制系統(tǒng)中控制效果不理想的問(wèn)題，本論文提出了一種遺傳優(yōu)化的模糊PID控制算法，實(shí)現(xiàn)了糧食干燥機(jī)的自動(dòng)控制。該算法結(jié)合了模糊控制和PID控制的優(yōu)點(diǎn)，并且利用遺傳算法的全局優(yōu)化能力和并行能力優(yōu)化模糊PID控制器的量化因子及其PID參數(shù)的修正系數(shù)，實(shí)現(xiàn)了最優(yōu)控制。以控制系統(tǒng)的動(dòng)態(tài)性能指標(biāo)與穩(wěn)態(tài)性能指標(biāo)作為綜合評(píng)價(jià)指標(biāo)，建立了包含控制系統(tǒng)的調(diào)節(jié)時(shí)間、超調(diào)量和穩(wěn)態(tài)誤差三項(xiàng)指標(biāo)的目標(biāo)函數(shù)，基于該目標(biāo)函數(shù)，利用遺傳算法進(jìn)行了模糊PID控制器的參數(shù)優(yōu)化,改進(jìn)了常規(guī)PID控制、常規(guī)模糊PID控制器的控制效果。最后，在MATLAB中，進(jìn)行了控制性能的仿真與比較，仿真結(jié)果表明：糧食干燥機(jī)采用基于遺傳算法優(yōu)化的模糊PID控制后，其控制性能優(yōu)于無(wú)優(yōu)化的模糊PID控制以及常規(guī)的PID控制。該算法可為糧食干燥的實(shí)際控制策略提供有效的參考。

控制理論；模糊PID控制；遺傳算法；糧食干燥；Matlab仿真

0 引言

糧食干燥是農(nóng)業(yè)生產(chǎn)過(guò)程中的重要步驟和關(guān)鍵環(huán)節(jié)，其對(duì)象是一個(gè)有生命的有機(jī)體，在不斷地進(jìn)行著呼吸作用，水分含量是影響糧食呼吸作用強(qiáng)弱的最重要的因素，糧食干燥的目的在于降低糧食的水分，從而降低呼吸強(qiáng)度，利于安全儲(chǔ)藏，但是，如果干燥條件過(guò)于強(qiáng)烈，糧食中的一些酶將失活，蛋白質(zhì)將變性，使糧食失去生命力，從而對(duì)糧食品質(zhì)產(chǎn)生一定的影響。

雖然糧食干燥機(jī)的結(jié)構(gòu)較為簡(jiǎn)單，但糧食干燥是一個(gè)復(fù)雜的熱質(zhì)交換過(guò)程[1]，它具有多變量、大滯后和非線性的特點(diǎn)，難以建立精確的數(shù)學(xué)模型，所以傳統(tǒng)的控制方式(經(jīng)典控制理論和現(xiàn)代控制控制理論)在許多方面都難以達(dá)到理想的控制效果。隨著計(jì)算機(jī)控制技術(shù)和人工智能研究的發(fā)展，為糧食干燥的先進(jìn)控制開拓了新的途徑，其中模糊控制憑借其不依賴被控對(duì)象精確模型等特點(diǎn)引起了研究人員的廣泛關(guān)注。中國(guó)農(nóng)業(yè)大學(xué)毛志懷[2]在糧食干燥過(guò)程控制的研究現(xiàn)狀與發(fā)展方向一文中提出可以將模糊控制應(yīng)用于糧食干燥；哈爾濱工程大學(xué)孫書明[3]在其論文中闡述了一種基于模糊控制的連續(xù)式糧食干燥機(jī)控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)；吉林大學(xué)趙波[4]設(shè)計(jì)了一種糧食干燥模糊控制系統(tǒng)，而運(yùn)行試驗(yàn)表明其能有效穩(wěn)定地實(shí)現(xiàn)控制等等。以上研究證明了模糊控制在糧食干燥機(jī)上應(yīng)用的可行性以及優(yōu)越性。而模糊PID控制綜合了模糊控制和PID控制的特點(diǎn)，具有結(jié)構(gòu)簡(jiǎn)單、魯棒性強(qiáng)等優(yōu)點(diǎn) 。但是，模糊PID控制器的參數(shù)選取一般采用試湊等方法，有一定局限性，很難達(dá)到最優(yōu)狀態(tài)[5]。本文基于模糊PID控制完成糧食干燥機(jī)控制器的設(shè)計(jì)，并利用遺傳算法的全局優(yōu)化能力和并行能力，對(duì)模糊PID控制器的量化因子和PID參數(shù)的修正系數(shù)進(jìn)行優(yōu)化，搜索以上參數(shù)的最優(yōu)值，完成控制器的優(yōu)化；通過(guò)控制仿真，與無(wú)參數(shù)優(yōu)化的模糊PID控制以及常規(guī)PID控制進(jìn)行比較分析，驗(yàn)證控制優(yōu)化的有效性。

1 模型建立

1.1 糧食干燥機(jī)過(guò)程控制特點(diǎn)

（1）多變量

糧食干燥機(jī)過(guò)程控制是一個(gè)比較復(fù)雜的工業(yè)過(guò)程[6]，不僅要考慮加工過(guò)程中糧食水分及溫度，干燥介質(zhì)溫度、濕度及流量，以及外界氣候條件等參數(shù)的影響，還要兼顧到糧食干燥機(jī)的工藝流程（如順流、逆流、混流和橫流等）。另外，一些干燥變量無(wú)法直接測(cè)量，即使可以測(cè)量，測(cè)量值也不夠準(zhǔn)確。

（2）非線性

糧食干燥是一種非線性過(guò)程[7]，其非線性過(guò)程主要體現(xiàn)在干燥過(guò)程的降速階段，干燥時(shí)間與糧食流量成反比，是一種非線性關(guān)系，當(dāng)糧食流量較低時(shí)，排糧速度的擾動(dòng)對(duì)系統(tǒng)的影響就會(huì)比較明顯，容易造成控制的不穩(wěn)定，這也是造成糧食過(guò)干或過(guò)濕的主要原因之一。

（3）大滯后

糧食干燥機(jī)過(guò)程控制系統(tǒng)的響應(yīng)速度受谷物流速的影響，而糧食干燥時(shí)間一般較長(zhǎng)（糧食在大型干燥機(jī)內(nèi)滯留時(shí)間長(zhǎng)達(dá)5～6 h）。因此系統(tǒng)的響應(yīng)速度緩慢、且在干燥過(guò)程中交互作用嚴(yán)重，一個(gè)控制動(dòng)作的改變會(huì)影響干燥機(jī)中的所有性能參數(shù)。

（4）強(qiáng)耦合

糧食干燥的各控制變量相互耦合，一個(gè)變量的改變會(huì)影響到其它變量，從而改變干燥條件，影響控制目標(biāo)的實(shí)現(xiàn)。

1.2 糧食干燥機(jī)控制模型

綜合考慮糧食干燥機(jī)過(guò)程控制特點(diǎn)以及便于系統(tǒng)仿真的需要，可以將糧食干燥機(jī)看作是一階大滯后系統(tǒng)[8]，其傳遞函數(shù)表達(dá)式為：

其中：0k為系統(tǒng)的開環(huán)放大倍數(shù)，T為慣性環(huán)節(jié)的時(shí)間參數(shù)，τ為滯后時(shí)間常數(shù)。根據(jù)糧食干燥機(jī)的特點(diǎn)，選擇0k=2.21，T=210 s，τ=60 s。即糧食干燥系統(tǒng)被控對(duì)象的傳遞函數(shù)為：

2 基于遺傳算法優(yōu)化的模糊PID控制器的設(shè)計(jì)

2.1 糧食干燥機(jī)模糊PID控制

2.1.1 模糊PID控制原理

以PID控制方法為基礎(chǔ)，運(yùn)用模糊算法思想，把被控量的偏差e和偏差變化率ec作為模糊推理的輸入變量，通過(guò)模糊算法規(guī)則整定PID的控制參數(shù)，構(gòu)成了二維的模糊 PID控制器[9]。此方法將模糊控制的良好動(dòng)態(tài)跟蹤能力和PID控制的良好穩(wěn)定性能結(jié)合起來(lái)，其原理見(jiàn)圖1。

圖1 模糊PID控制原理Fig.1 The principle of fuzzy PID control

將偏差e和偏差變化率ec作為控制器的輸入，可以得到修正后的PID參數(shù)值：

式中： Kp， Ki， Kd為PID最終參數(shù)設(shè)定值；， Ki0， Kd0加為PID初始參數(shù)設(shè)定值； qkp，，為修正系數(shù)；ΔKp，ΔKi，ΔKd為模糊修正值。2.1.2 輸入輸出變量的確認(rèn)與模糊化

根據(jù)模糊PID控制算法的原理與糧食干燥機(jī)控制系統(tǒng)的控制要求，選擇控制水分的偏差值e與偏差變化率ec作為模糊控制器的輸入變量，模糊修正值ΔKp，ΔKi，ΔKd作為模糊控制的輸出變量?？刂破鬏斎胼敵鲎兞康哪：撚蚓x為[-3,3]，論域選擇均為 7級(jí)，即模糊子集定義為[NB,NM,NS,ZE,PS,PM,PB]，對(duì)應(yīng)的量化因子分別為 Ke= 0 .6，Kec=0.2， Ku= 0 .9，對(duì)應(yīng)的比例因子分別為各模糊子集隸屬度函數(shù)在確定時(shí)綜合考慮三角形、Z形以及S形，模糊推理方法選擇Mamdani min-max法[10]，具體隸屬度函數(shù)見(jiàn)圖2。

圖2 隸屬度函數(shù)Fig.2 Membership function

2.1.3 模糊控制規(guī)則與反模糊化

根據(jù)專家知識(shí)和操作者的經(jīng)驗(yàn)，總結(jié)出的模糊控制規(guī)則如表1～3所示，同時(shí)選擇重心法來(lái)進(jìn)行反模糊化[11]。

表1 pKΔ的模糊規(guī)則表Tab.1 Fuzzy reasoning table ofpKΔ

表2 ΔKi的模糊規(guī)則表Tab.2 Fuzzy reasoning table of ΔKi

表3 ΔKd的模糊規(guī)則表Tab.3 Fuzzy reasoning table of ΔKd

2.2 基于遺傳算法的模糊PID控制器參數(shù)優(yōu)化

經(jīng)過(guò)公式計(jì)算所得的模糊PID控制器的量化因子與比例因子通常無(wú)法取得最優(yōu)的控制效果，仍需要通過(guò)試湊法對(duì)其進(jìn)行修改，本文中借助遺傳算法對(duì)其參數(shù)進(jìn)行優(yōu)化。

2.2.1 控制器優(yōu)化模型

本文選取模糊控制中的偏差 e、偏差變化率 ec以及控制量輸出的量化因子 Ke、Kec、Ku和 PID控制器中的 3個(gè)修正系數(shù)pKΔ,iKΔ,dKΔ作為設(shè)計(jì)變量，每個(gè)設(shè)計(jì)變量的上、下限值如表4所示。

表4 設(shè)計(jì)變量的上、下限值Tab.4 Limits of design variables

2.2.2 目標(biāo)函數(shù)選取

對(duì)于控制系統(tǒng)來(lái)說(shuō)，其性能評(píng)價(jià)分為動(dòng)態(tài)性能指標(biāo)和穩(wěn)態(tài)性能指標(biāo)兩類。其中，動(dòng)態(tài)性能指標(biāo)包括與系統(tǒng)響應(yīng)速度相關(guān)的上升時(shí)間(rise time)tr、峰值時(shí)間(peak time)tp、調(diào)節(jié)時(shí)間(setting time)ts以及與系統(tǒng)阻尼程度相關(guān)的超調(diào)量(overshoot)σ%等；穩(wěn)態(tài)性能指標(biāo)包括與系統(tǒng)控制精度或抗擾動(dòng)能力相關(guān)的穩(wěn)態(tài)誤差(steady-state error)ess等。本文基于其中的上升時(shí)間(rise time)tr、超調(diào)量(overshoot)σ%以及穩(wěn)態(tài)誤差(steady-state error)ess這三項(xiàng)性能指標(biāo)來(lái)設(shè)計(jì)優(yōu)化的目標(biāo)函數(shù)。

式中： Q（t）為目標(biāo)函數(shù)；n為系統(tǒng)仿真的采樣點(diǎn)數(shù)；e為該時(shí)刻采樣點(diǎn)對(duì)應(yīng)的偏差值；u為該時(shí)刻控制量的輸出值；tr為控制系統(tǒng)的上升時(shí)間；err為前一采樣時(shí)刻與后一采樣時(shí)刻的偏差值。

2.2.3 控制器的遺傳優(yōu)化算法

遺傳算法是人工智能領(lǐng)域中解決最優(yōu)化問(wèn)題的一種高效的隨機(jī)搜索算法，其通過(guò)選擇運(yùn)算、交叉運(yùn)算、變異運(yùn)算等操作，尋求一個(gè)對(duì)于種群有最大適應(yīng)度的最優(yōu)解[12]。

（1）染色體編碼

將優(yōu)化模型中的6個(gè)變量從左到右依次連接成編碼串=(Ke，Kec，Ku，KpΔ，KiΔ，KdΔ)，這樣的編碼串就代表種群中1個(gè)個(gè)體。每一個(gè)個(gè)體都是可行解，并根據(jù)表4產(chǎn)生初始種群。種群規(guī)模為50，并在迭代的過(guò)程中保持不變。

（2）適應(yīng)度函數(shù)選擇

選取之前確定的目標(biāo)函數(shù)作為遺傳算法有的的適應(yīng)度函數(shù)，如式(7)所示。適應(yīng)度越小，說(shuō)明控制效果優(yōu)良。

（3）選擇、交叉和變異操作

若選擇操作以較大的概率作用于種群，則適應(yīng)度高的個(gè)體作為父代遺傳到下一代的概率就高，綜合考慮后選擇將概率設(shè)定為0.9。

交叉操作是按照較大的概率作用于個(gè)體，把兩個(gè)父代個(gè)體的部分結(jié)構(gòu)加以替換重組，進(jìn)而產(chǎn)生新個(gè)體，綜合考慮后選擇將交叉概率設(shè)定為0.8。

變異操作是以較小的概率改變個(gè)體的某些部位，生成新個(gè)體，綜合考慮后選擇將變異概率設(shè)定為0.02。

（4）終止條件

遺傳算法不僅可以用最大迭代次數(shù)來(lái)限制程序運(yùn)行，還可以用適應(yīng)度函數(shù)來(lái)判斷終止條件，綜合考慮后選擇用最大迭代次數(shù)作為優(yōu)化的一個(gè)終止條件。當(dāng)運(yùn)行到指定的迭代次數(shù)時(shí)，遺傳算法程序會(huì)自動(dòng)停止，并輸出最優(yōu)解。最大迭代次數(shù)選擇60。

在優(yōu)化過(guò)程中調(diào)用遺傳算法運(yùn)行程序，整個(gè)優(yōu)化程序的流程見(jiàn)圖3。

在采用遺傳算法優(yōu)化控制器參數(shù)時(shí)將調(diào)用圖 4模型。模型輸出仿真過(guò)程中模糊PID控制器的輸出和控制模型的系統(tǒng)輸出，傳遞給遺傳算法的優(yōu)化主程序進(jìn)行適應(yīng)度值的計(jì)算。當(dāng)達(dá)到優(yōu)化控制條件時(shí)，得到適應(yīng)度值變化曲線，見(jiàn)圖5。

圖3 遺傳優(yōu)化流程Fig.3 Process of genetic optimization

由圖5可以看出：最優(yōu)個(gè)體的適應(yīng)度函數(shù)值不斷減少，最終至 ，此時(shí)對(duì)應(yīng)的最優(yōu)個(gè)體為(Ke、Kc、(0.51，0.117，0.885，0.012，0.151，1.493)。

3 仿真結(jié)果分析

根據(jù)之前建立完成的模型和算法，以單位階躍響應(yīng)作為輸入，在simulink中建立對(duì)應(yīng)的模型進(jìn)行仿真，將經(jīng)過(guò)遺傳算法優(yōu)化過(guò)后的模糊PID控制與優(yōu)化前的模糊 PID控制以及常規(guī) PID控制進(jìn)行比較，仿真結(jié)果如圖 6。對(duì)以上三個(gè)控制系統(tǒng)的超調(diào)量，調(diào)節(jié)時(shí)間以及穩(wěn)態(tài)誤差進(jìn)行計(jì)算，結(jié)果見(jiàn)表5。從表可以看出：經(jīng)過(guò)遺傳算法優(yōu)化過(guò)后的模糊PID控制與優(yōu)化前的模糊 PID控制以及常規(guī) PID控制相比較，超調(diào)量、調(diào)節(jié)時(shí)間以及穩(wěn)態(tài)誤差均有減少。

圖4 遺傳算法調(diào)用模型Fig.4 Invocation model of genetic optimization

圖5 遺傳算法優(yōu)化結(jié)果Fig.5 Optimization result of genetic optimization

圖6 單位階躍響應(yīng)控制效果比較Fig.6 Control effect comparison with unit step response

表5 單位階躍響應(yīng)仿真結(jié)果Tab.5 simulation result with unit step response

4 結(jié)論

本文給出了一種基于遺傳算法優(yōu)化的模糊 PID控制器的設(shè)計(jì)，其控制效果優(yōu)于模糊PID控制以及常規(guī)PID控制，說(shuō)明采用遺傳算法優(yōu)化模糊PID控制參數(shù)是有效的，克服了常規(guī)手動(dòng)調(diào)整參數(shù)所帶來(lái)的局限性。

優(yōu)化后的超調(diào)量、調(diào)節(jié)時(shí)間以及穩(wěn)態(tài)誤差都有所降低，說(shuō)明基于遺傳算法優(yōu)化的模糊PID控制器的控制性能優(yōu)于模糊PID控制器以及常規(guī)PID控制器，能夠較好地提高糧食干燥機(jī)的控制效果。

[2] 李國(guó)昉, 毛志懷. 糧食干燥過(guò)程控制的研究現(xiàn)狀與發(fā)展方向[J]. 糧食與飼料工業(yè), 2006, (4): 17-18. DOI: 10.3969/j.issn.1003-6202.2006.04.007.

[3] 孫書明. 連續(xù)式糧食干燥機(jī)控制系統(tǒng)研究[D]. 哈爾濱工程大學(xué), 2008. DOI: 10.7666/d.y1437314.

[4] 趙波, 楊春暉, 王剛等. 基于模糊控制的糧食干燥機(jī)自動(dòng)控制系統(tǒng)的研究[J]. 農(nóng)業(yè)機(jī)械, 2011, (10): 109-111. DOI:10.3969/j.issn.1000-9868.2011.10.026.

[5] 趙強(qiáng), 何法, 王鑫等. 基于遺傳算法優(yōu)化的車輛主動(dòng)懸架模糊PID控制[J]. 重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)版）, 2016,30(2): 6-11. DOI: 10.3969/j.issn.1674-8425(z).2016.02.002.

[6] 曹崇文, 汪喜波. 糧食干燥機(jī)的自動(dòng)控制[J]. 現(xiàn)代化農(nóng)業(yè),2002, (2): 40-44. DOI: 10.3969/j.issn.1001-0254.2002.02.005.

[7] 代愛(ài)妮, 周曉光, 劉景云等. 糧食干燥過(guò)程的控制方案研究及特點(diǎn)分析[C]. //第15屆全國(guó)干燥技術(shù)交流會(huì)論文集.2015: 354-359.

[8] 王垚, 王長(zhǎng)春. 基于模糊PID技術(shù)的振動(dòng)式谷物烘干機(jī)溫度和水分控制系統(tǒng)的研究[J]. 中國(guó)農(nóng)機(jī)化, 2006, (1):71-73. DOI: 10. 3969/j.issn.1006-7205.2006.01.023.

[9] SANGYONGMOON, WOOKHYUNKWON. Genetic-based fuzzy control for half-car active suspension systems[J].International Journal of Systems Science, 1998, 29(7): 699-710.

[10] 徐兵, 程旭德, 王宏利等. 基于Matlab的Mamdani與Sugeno型模糊推理研究[J]. 計(jì)算機(jī)應(yīng)用, 2006, 26(z2):223-224.

[11] 劉斌, 尹曉峰, 丁珠玉等. 模糊 PID 在油菜籽熱風(fēng)干燥控制系統(tǒng)的研究[J]. 西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2016, 41(4): 109-114. DOI: 10.13718/j.cnki.xsxb.2016.04.020.

[12] 葛繼科, 邱玉輝, 吳春明等. 遺傳算法研究綜述[J]. 計(jì)算機(jī)應(yīng)用研究, 2008, 25(10): 2911-2916. DOI: 10. 3969/j.issn.1001-3695.2008.10.008.

Application of Fuzzy PID Control Based on Genetic Algorithm in Grain Drying

NIE Fang, ZHOU Xiao-guang, DAI Ai-ni, XING Ying, WANG Hai-xia
(School of Automation, Beijing University of Posts and Telecommunications, Beijing 100876, China)

Aiming at the problem of the unsatisfactory control effect when traditional control algorithm was used in a grain dryer control system, a fuzzy PID control algorithm based on a genetic optimization algorithm was designed to implement the automatic control of grain dryer. The algorithm combines the advantages of fuzzy control and PID control, and uses the global optimization ability and parallel processing capability of genetic algorithm to optimize the quantification factors of fuzzy PID controller and the correction factors of PID parameters, and realizes the optimal control. The objective function which contains adjustment time, overshoot and steady state error of the control system was set up by using dynamic and steady state performance indexes of control system as comprehensive assessment indexes. Based on the established objective function, the parameters of the fuzzy PID controller were optimized by the genetic algorithm and the control effect of the conventional PID control and the conventional fuzzy PID controller were improved. Finally, the simulation and comparison of control performance were carried out in Matlab, and the simulation results indicate that the control effect of the fuzzy PID controller optimized by genetic algorithm for a grain dryer is superior to that of the fuzzy PID controller without optimization and the conventional PID control. The control algorithm can provide an effectiveness reference for the actual control strategy of grain drying.

Control theory; Fuzzy PID control; Genetic algorithm; Grain drying; Matlab simulation

國(guó)家糧食公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)資助(項(xiàng)目編號(hào)：No. 201413006)

聶放(1993-)，男，碩士研究生，主要研究方向：控制理論與應(yīng)用；代愛(ài)妮(1977-)，女，博士研究生，主要研究方向：智能控制，糧食干燥控制；邢穎(1978-)，女，講師、碩導(dǎo)，主要研究方向：軟件測(cè)試、人工智能；王海霞(1991-)，女，碩士研究生，主要研究方向：物流系統(tǒng)信息化及網(wǎng)絡(luò)化。

周曉光(1957-)，男，教授、博導(dǎo)，主要研究方向：自動(dòng)化物流系統(tǒng)，物聯(lián)網(wǎng)技術(shù)及其應(yīng)用。

TP15

A

10.3969/j.issn.1003-6970.2017.12.007

本文著錄格式：聶放，周曉光，代愛(ài)妮，等. 基于遺傳算法優(yōu)化的模糊PID控制在糧食干燥中的應(yīng)用[J]. 軟件，2017，38（12）：37-41

10.7666/d.y705124.