陕西西清电子股份有限公司

家用空调器

JP16C型变频模糊控制系统

电子信息

5-10年国内需求量为200-300万套/年，国外需求量为500-1000万套。2000年国产变频控制器50万套，其中50%均为进口。

2000年年销售额为1.5亿元，2001年为1.3亿元，利润率均为6%。

自调整控制系统控制算法的确立

自调整因子模糊控制是一种基于规则修改的模糊控制，它的模糊控制规则可随它所控制的过程的运行和环境的变化而自动的修改，从而使系统的性能达到令人满意的水平。这种控制方法较之常规的固定模糊控制规则的模糊控制方法，对环境变化有较强的自适应能力，在随机环境中能对控制器进行自动校正，使得在被控对象特性变化或扰动的情况下，控制系统保持较好的性能。因此它在控制被控对象的同时，还要了解被控过程，它实际上是将模糊系统辨识和模糊控制结合起来的一种控制方式。通过辨识能更好的了解被控过程，以便使控制器能跟上过程和环境的变化。这样，控制器本身就具有一定的适应能力，或者说模糊自调整控制器具有一定的智能。

自调整控制系统系统结构

自调整模糊PID控制器是由一个标准PID控制器和一个Fuzzy自调整机构组成。根据输入信号偏差e的大小、方向以及变化趋势等特征，通过Fuzzv推理做出相应决策，在线调整P、I、D参数修正值△K_P、△K_I和△K_D以适应控制系统的参数变化和工作条件变化。研究表明，模糊控制和PID控制的结合是提高控制性能的有效手段。它是为提高系统的控制精度和鲁棒性，而提出的一种利用模糊逻辑对PID控制器进行在线自调整的方法。在系统中，模糊控制器的设计将是设计的核心，因为它的好坏将直接影响到Kp、K_I和K_D的选取，从而影响到系统的控制精度。自调整模糊PID控制系统结构如图1。

自调整控制系统功能块

自调整因子模糊控制是在简单模糊控制器的基础上，增加了三个功能块儿构成的一种模糊控制器。三个功能块为：

1．性能测量——用于测量实际输出特性与希望特性的偏差，以便为控制规则的修正提供信息，即确定输出响应的校正量。

2．控制量校正——将输出响应的校正量转换为对控制量的校正量。

3．控制规则修正——对控制量的校正通过修改控制规则求实现。自调整因子模糊控制算法具有很强的自适应能力，因此选择它作为研究对象之一。

模糊控制系统的核心部分是模糊控制器。也就是说，模糊控制器的性能将决定着该系统控制性能的好坏；而模糊控制器自身性能又取决于模糊语言规则合成推理。在通常情况下，模糊控制器一旦设计完成，其语言规则和合成推理往往是确定的，也就是不可调整的。但是，对于某些场合，为了使一类模糊控制系统具有更强的通用性，使它能适用于不同的被控对象，而同样能获得满意的控制特性，这就要求模糊控制器具有自调整性能。自调整因子模糊控制器就具有这样的功能。

模糊控制以现代控制理论为基础,同时与自适应控制技术、人工智能技术、神经网络技术的相结合,在控制领域得到了空前的应用。

• Fuzzy-PID复合控制

Fuzzy-PID复合控制将模糊技术与常规PID控制算法相结合，达到较高的控制精度。当温度偏差较大时采用Fuzzy控制，响应速度快，动态性能好；当温度偏差较小时采用PID控制，静态性能好，满足系统控制精度。因此它比单个的模糊控制器和单个的PID调节器都有更好的控制性能。

• 自适应模糊控制

这种控制方法具有自适应自学习的能力，能自动地对自适应模糊控制规则进行修改和完善，提高了控制系统的性能。对于那些具有非线性、大时滞、高阶次的复杂系统有着更好的控制性能。

• 参数自整定模糊控制

也称为比例因子自整定模糊控制。这种控制方法对环境变化有较强的适应能力，在随机环境中能对控制器进行自动校正，使得控制系统在被控对象特性变化或扰动的情况下仍能保持较好的性能。

• 专家模糊控制EFC(Expert Fuzzy Controller)

模糊控制与专家系统技术相结合，进一步提高了模糊控制器智能水平。这种控制方法既保持了基于规则方法的价值和用模糊集处理带来的灵活性，同时把专家系统技术的表达与利用知识的长处结合起来，能够处理更广泛的控制问题。

• 仿人智能模糊控制

IC算法具有比例模式和保持模式两种基本模式的特点。这两种特点使得系统在误差绝对值变化时，可处于闭环运行和开环运行两种状态。这就能妥善解决稳定性、准确性、快速性的矛盾，较好地应用于纯滞后对象。

• 神经模糊控制(Neuro-Fuzzy Control)

这种控制方法以神经网络为基础，利用了模糊逻辑具有较强的结构性知识表达能力，即描述系统定性知识的能力、神经网络的强大的学习能力以及定量数据的直接处理能力。

• 多变量模糊控制

这种控制适用于多变量控制系统。一个多变量模糊控制器有多个输入变量和输出变量。

1.网络化系统集成优化控制算法及其实现 　网络化系统的集成优化控制方法就是将复杂系统的集成优化控制方法和网络自动化技术相结合，用来解决网络化复杂系统的优化控制问题，使其在难以建模、系统具有网络化和区域化等情况下，获得满意的优化控制结果。网络化系统集成优化控制方法的特点是引入了网络回路，在优化算法中引人了一些不确定因素，其优化控制更加依赖于网络系统和网络技术。网络化系统集成优化控制的关键技术在于动态系统优化与参数估计集成优化方法的实现和网络信息传输，借助于动态系统集成优化控制技术和网络自动化技术可实现网络化系统的集成优化控制，可以基于局域网或Intemet实现。

2.网络化系统集成优化控制的特征 　对一个动态优化控制方法，除了给出优化算法，还需要对其性能进行分析，只有这样才能保证优化方法的实施。网络化系统的集成优化控制方法的性能包括实时性、最优性、收敛性及其鲁棒性等。

• 1).实时性 　在引人网络之前，针对跨区域的复杂系统，其优化控制的实施是很困难的，即使能够，其实时性也难以保证。网络化系统集成优化控制方法由于借助于计算机网络技术来实施集成优化控制，可以较好地解决跨区域复杂系统集成优化控制的实时性问题。

• 2).最优性 　算法最优性是指在算法收敛的情况下，收敛解是否实际系统的最优解。对于网络化系统集成优化控制方法，在最优解存在且唯一等假设条件下，若算法收敛，则收敛解满足最优性必要条件，即所得优化解是实际系统的真实最优解。

• 3).收敛性 　网络化系统集成优化控制方法需要实施，首先要求其优化控制算法是收敛的，收敛性就是研究算法收敛的条件，针对不同的算法其收敛性条件有所不同。对于网络化系统的集成优化控制方法，其优化的框架没有改变，只是引人了网络回路，利用算法映射及压缩映射原理，通过分析可以获得保证优化算法收敛的条件。

• 4).鲁棒性 　网络化系统集成优化控制方法的鲁棒性问题是指在存在这样那样扰动的情况下，优化算法保持其收敛性，并收敛到最优解的能力。网络化系统的集成优化控制方法在不需要实际过程的精确数学模型的情况下可以获得实际系统的真实最优解，对模型的结构和参数具有较强的鲁棒性。

网络化系统的集成优化控制方法是一种基于网络环境下的集成优化控制方法，计算机网络的信息的安全问题必然影响到系统集成优化控制的实施。因此，对网络化系统集成优化控制中的信息安全问题及其对策进行分析和研究是十分必要的，只有这样才能保证网络化系统的集成优化控制的顺利实施。网络化系统集成优化控制中的信息安全问题可以借助于计算机网络的信息安全对策予以解决。

网络化系统的集成优化控制方法为解决区域性复杂系统的优化控制提供了一种新思路，该方法具有以下优越性:

• 1)由于网络化系统的集成优化控制方法本质是采用动态大系统的DISOPE递阶优化方法，这样就使得网络化系统的集成优化控制在不需要复杂系统的精确数学模型的情况下，就可以获得实际系统的真实最优解;

• 2)网络化系统的集成优化控制方法为解决跨区域性的复杂系统的优化控制提供了一种可靠的实现途径和形式。同时由于网络自动化技术的发展和网络信息传输实时性的提高，使得实时地解决区域性的复杂系统的优化控制成为可能。