常用溫控器控制算法包括常規PID、模糊控制、神經網絡、Fuzzy-PID、神經網絡PID、模糊神經網絡、遺傳PID及廣義預測等PID算法。常規PID控制易于建立線性溫度控制系統被控對象模型；模糊控制基于規則庫，并以絕對或增量形式給出控制決策；神經網絡控制采用數理模型模擬生物神經細胞結構，并用簡單處理單元連接成復雜網絡；Puzzy-PID為線性控制，且結合模糊與PID控制優點。
1、引言
溫度控制系統是變參數、有時滯和隨機干擾的動態系統，為達到滿意的控制效果，具有許多控制方法。故對溫控器幾種常見的PID控制算法及其優缺點進行了分析與比較。
2、常見溫控器的PID控制算法
2.1 常規經典PID控制算法的PID控制
PID控制即比例、積分、微分控制，其結構簡單實用，常用于工業生產領域。原理如圖1。
圖1 常見PID控制系統的原理框圖
明顯缺點是現場PID參數整定麻煩，易受外界干擾，對于滯后大的過程控制，調節時間過長。其控制算法需要預先建立模型，對系統動態特性的影響很難歸并到模型中。在我國大多數PID調節器廠家生產的溫控器均為常規經典PID控制算法。
2.2 模糊PID控制算法的PID控制
模糊控制(Fuzzy Control)是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎的計算機控制。原理如圖2。昌暉儀表YR-GFD系列傻瓜式PID調節器使用的就是模糊控制PID控制算法。
圖2 模糊控制系統原理框圖
2.3 神經網絡PID控制算法的PID控制
神經網絡控制采用數理模型的方法模擬生物神經細胞結構，用簡單處理單元連接形成各種復雜網絡，并采用誤差反向傳播算法(BP)。原理如圖3：
圖3 神經網絡控制系統的原理框圖
2.4 Fuzzy-PID控制算法的PID控制
模糊控制不需知道被控對象的精確模型，易于控制不確定對象和非線性對象。PID本質是線性控制。將模糊控制與PID結合多，以Fuzzy-PID混合控制為例，據給定值與測量值之偏差e選擇智能控制器，根據e的變化選擇控制方法，當|e|≤emin或|e|≥emax時，采用PID控制；當emin≤|e|≤emax時，采用Fuzzy控制。其結構框圖如圖4。
圖4 Fuzzy-PID混合控制結構框圖
2.5 神經網絡PID控制算法的PID控制
在PID控制的基礎上，加入神經網絡控制器，構成神經網絡PID溫控器，如圖5。神經網絡溫控器NNC是前饋控制器，通過對PID溫控器的輸出進行學習，在線調整自己，目標是使反饋誤差e(t) 或u(t)趨近于零，使自己逐漸在控制中占據主導地位，以減弱或最終消除反饋控制器的作用。暉儀表YR-GAD系列人工智能調節器/溫控器使用的就是神經網絡PID控制算法。
圖5 神經網絡PID控制結構框圖
2.6 模糊神經網絡PID控制算法的PID控制
將模糊邏輯與神經網絡結合，采用神經網絡模糊邏輯推理網絡模型和快速的自學習算法，通過網絡的離線訓練和在線自學習使調節器具有自調整、自學習和自適應能力，達到模糊智能控制。如圖6。
圖6 模糊神經網絡控制系統結構圖
2.7 遺傳PID控制算法的PID控制
遺傳PID控制是將調節器參數構成基因型，將性能指標構成相應的適應度，利用遺傳算法來整定調節器的最佳參數，不要求系統是否為連續可調，能否以顯式表示。基于遺傳算法的自適應PID控制的原理框圖如7。遺傳PID溫控系統將測量值與給定值進行比較，用遺傳控制算法來優化PID參數，然后將控制量輸出，實現將PID參數串接構成完整染色體，從而構成遺傳空間中的個體，過通過繁殖交叉和變異遺傳操作生成新一代群體，經過多次搜索獲得最大適應度值的個體。
圖7 基于遺傳算法的自適應PID控制結構圖
2.8 廣義預測PID控制算法的PID控制
預測控制(Predictive Control)是基于模型的計算機控制算法。其預測模型有脈沖響應模型、階躍響應模型、CAMRMA模型和CARIMA模型。基于CARIMA模型的廣義預測控制(GPC)是一種新型計算機PID控制算法。
3、常見溫度控制方法的對比分析
通過上述PID控制算法的原理分析，表1給出各種溫度控制特性與控制器應用場合的情況。
昌暉儀表在本文介紹的PID控制算法中，常規PID控制、常規PID控制和神經網絡控制屬于單一控制；Fuzzy-PID控制、模糊神經網絡控制、遺傳PID控制、自適應廣義預測及控制、模糊/神經網絡和模糊/神經網絡/遺傳控制屬于復合控制。
使用不同PID算法的溫控器在實際應用中所呈現的控溫效果不同，溫控器價格也不相同，這就是市場上常見的溫控器價格存在巨大差異的主要原因之一。
下面昌暉儀表對各種PID算法控制特性和應用做介紹，方便大家初步判斷你手中的溫控器是否適合現場工況使用。
1、常規PID控制算法
◆控制特性：優點是結構簡單、實用，性價比高。缺點是魯棒性不強；適應性不快；協調性不夠好等。
◆常規PID控制算法的溫控器應用場合：易于建立的線性溫度控制系統的被控對象模型。
2、模糊控制算法
◆控制特性：與傳統的PID控制相比，響應快，超調量小，魯棒性強。
◆模糊控制算法的溫控器應用場合：純滯后，參數時變或非線性的溫度控制系統，如干燥機、工業爐等的溫度控制。
3、神經網絡控制算法
◆控制特性：魯棒性強，響應速度快，抗干擾能力強，算法簡單，易于用硬件和軟件實現
◆神經網絡控制算法的溫控器應用場合：多變量、多參數、非線性與時變系統。如：電阻爐的溫度控制等。
4、Fuzzy-PID控制算法
◆控制特性：具有很強的適應性，只要知道部分知識即可建立BP算法。
◆Fuzzy-PID控制算法的溫控器應用場合：一些大滯后系統中自動尋優P、I、D參數，如管式加熱爐的溫度控制。
5、模糊神經網絡控制算法
◆控制特性：動態響應快，能達到高精度的快速控制，具有極強的魯棒性和適應能力，穩定性好。
◆模糊神經網絡控制算法的溫控器應用場合：需要不斷修正控制參數的溫度控制系統。如熱電偶校驗儀等控溫裝置。
6、遺傳PID控制算法
◆控制特性：調試方便，控制精度高，抗干擾性強，較高的穩定性能。
◆遺傳PID控制算法的溫控器應用場合：尋求全局最優且不需任何初始信息的P、I、D參數尋優溫控系統中，如陀螺溫控系統。
7、自適應廣義預測及控制算法
◆控制特性：魯棒性強，控制精度高。
◆自適應廣義預測及控制算法的溫控器應用場合：醫用溫度控制，如微波熱療中的溫度控制。
8、模糊、神經網絡控制算法
◆控制特性：模糊控制魯棒性強。動態響應與上升時間快，超調小，PID控制器的動態跟蹤品質好和穩態精度高。
◆模糊、神經網絡控制算法的溫控器應用場合：具有較太的滯后性，非線性、時定性的溫度控制系統，如高分子聚合物反應溫度控制等。
9、模糊、神經網絡和遺傳控制算法
◆控制特性：實現溫度隨外界干擾條件的乏化，實時的調節網絡和控制規律的功能，具有良好的溫度跟蹤性能和抗干擾能力。
◆模糊、神經網絡和遺傳控制算法的溫控器應用場合：對升溫速度和恒溫過程的精度要求較高的控制系統，如淬此爐溫度控制等。
將線性與非線性控制相結合。使溫度能滿足用戶的精度要求是溫控系統的最終目的。在實際應用中，根據具體的應用場合、不同的加熱對象、不同的控制要求和控制精度，選擇不同PID控制算法的溫控器及控制方式。
能熟練進行PID參數整定，將溫度控制系統投自動，這代表著工程技術人員的自動化技能水平，但很多人并未真正掌握PID控制和PID參數整定，習慣于依賴溫控器的自整定功能完成參數整定，但在串級溫度控制等復雜過程控制時就束手無策。在本站“溫控器”產品頁面免費分享白志剛工程師編著的《自動調節系統解析與PID整定》一書，書中內容沒有高深的理論公式，全是實戰干貨，理解了此書內容真諦，高中學歷的儀表人也能整定PID參數，將PID控制弄透徹！對您有幫助，還是免費的，趕快去產品頁面“溫控器”免費領取這本書！
