基于神经网络PID算法人工温室温度控制系统的外文翻译 - 图文

毕业设计(论文)外文

资料翻译

题 目 : Introductions to temperature control and PID

________________controllers ____________________ __________温度控制简介和PID控制器 __________ 院系名称： 信息科学与工程学院 专业班级： 电子信息科学与技术08级3班 学生姓名： 闫红敏 学 号： 200848360328 指导教师： 李智慧 教师职称： 讲师 起止日期：2012年3月25日 地 点： 河南工业大学

附 件： 1.外文资料翻译译文；2.外文原文。 指导教师评语： 签名： 年 月 日

附件1外文资料翻译译文

外文出处：Specialized English For Architectural Electrical

Engineering and Automation

温度控制简介和PID控制器

过程控制系统 自动过程控制系统是指将被控量为温度、压.力、流量、成份等类型的过程变量保持在理想的运行值的系统。实际上过程是动态的。变化总是会出现，此时如果不采取相应的措施，那些与安全、产品质量和生产率有关的重要变量就不能满足设计要求。

为了说明问题，计我们来看一下热交换器。流体在这个过程中被压缩的过热蒸汽加热，如图1所示。

图1热交换器

这一装置的主要目的是将流体由入口温度Ti(t).加热到某一期望的出口温度T (t)。如前所述，加热介质是压缩的过热蒸汽。

只要周围没有热损耗，过程流体获得的热量就等于蒸汽释放的热量，即热交换器和管道问的隔热性很好。

很多变量在这个过程中会发生变化，继而导致出日温度偏离期望值。如果出现这种情况，就该采取一些措施来校正偏差，其目的是保持出日温度为期望值。

实现该目的的一种方法是首先测量r(0)，然后与期望值相比较，由比较结果决定如何校正偏差。蒸汽的流量可用于偏差的校.正。就是说，如果温度高于期望值，就关小蒸汽阀来减小进入换热器的蒸汽流量；:若温度低于期望值，就开大蒸汽阀，以增加进入换热器的蒸汽流量。所有这些操作都可由操作员手工实现，操作很简单，不会出现什么问题。但是，由于多数过程对象都有很多变量需要保持为某一期望值，就需要许多的操作员来进行校正。因此，我们想自动完成这种控制。就是说，我们想利用无需操作人员介入就可以控制变量的设备。这就是所谓自动化的过程控制。

为达到上述日标，就需要设计并实现一个系统。图2所示为一个可行的控制系统及其基本构件。

图2热交换器控制循环

首先要做的是测量过程流体的出口温度，这一任务由传感器(热电偶、热电阻等)完成。将传感器连接到变送器上，由变送器将传感器的输出信号转换为足够大的信号传送给控制器。控制器接收与温度相关的信号并与期望值比较。根据

比较的结果，控制器确定保持温度为期望值的控制作用。基于这一结果，控制器再发一信号给执行机构来控制蒸汽流量。

下面介绍控制系统中的4种基本元件，分别是: (1)传感器，也称为一次元件。 (2)变送器，也称二次元件。 (3)调节器，控制系统的“大脑”。

(4)执行机构，通常是一个控制阀，但并不全是。其他常用的执行机构有变速泵、传送装置和电动机。

这些元件的重要性在于它们执行每个控制系统中都必不可少的3个基本操作，即:

(1)测量：被控量的测量通常由传感器和变送器共同完成。

(2)决策：根据测量结果，为了维持输出为期望值，控制器必须决定如何操作。 (3)操作：根据控器的处理，系统必须执行某种操作，这通常由执行机构来完成

如上所述，侮个控制系统都有M，D和A这3种操作.

有些系统的决策任务简单，而有些很复杂.设计控制系统的工程师必须确保所采取的操作能影响被控变量，也就是说，该操作要影响测量值.否则，系统是不可控的，还会带来许多危害。

PID控制器可以是独立控制器(也可以叫做单回路控制器)，可编程控制器(PLCs)中的控制器，嵌入式控制器或者是用Vb或c#编写的计算机程序软件。

PID控制器是过程控制器，它具有如下特征: 连续过程控制；

模拟输入(也被称为“测量量”或“过程变量”或“PV”)； 模拟输出(简称为“输出”)； 基准点(SP)；

比例、积分以及/或者微分常数；

“连续过程控制”的例子有温度、压力、流量及水位控制。例如:控制一个容器的热量。对于简单的控制，你使用两个具有温度限定功能的传感器(一个限定低温，一个限定高温)。当低温限定传感器接通时就会打开加热器，当温度升高

到高温限定传感器时就会关加热器。这类似于大多数家庭使用的空调及供暖系统的温度自动调节器。

反过来，PID控制器能够接受像实际温度这样的输入，控制阀门，这个阀门能够控制进入加热器的气体流量。PID控制器自动地找到加热器中气体的合适流量，这样就保持了温度在基准点稳定。温度稳定了，就不会在高低两点间上下跳动了。如果基准点降低，PID控制器就会自动降低加热器中气体的流量。如果基准点升高，PID控制器就会自动的增加加热器中气体的流量。同样地，对于高温，晴朗的天气(当外界温度高于加热器时)及阴冷，多云的天气，PID控制器都会自动调节。

模拟输入(测量量)也叫做“过程变量”或“PV”。你希望PV能够达到你所控制过程参数的高精确度。例如，如果我们想要保持温度为+1度或-1度，我们至少要为此努力，使其精度保持在0. 1度。如果是一个12位的模拟输入，传感器的温度范围是从0度到400度，我们计算的理论精确度就是4096除以400度= 0. 097656度。我们之所以说这是理论上因为我们假定温度传感器，电线及模拟转换器上没有噪音和误差。还有其他的假定。例如，线性等等。即使是有大量的噪音和其他问题，按理论精确度的1/10计算，1度精确度的数值应该很容易得到的。

模拟输出经常被简称为“输出”。经常在0%到100%之间给出。在这个热量的例子中阀门完全关闭(0%)，完全打开(100%)。

基准点(SP)很简单，即你想要什么样的过程量。在这个例子中你想要过程处于怎样的温度。

PID控制器的任务是维持输出在一个程度上，这样在过程变量(PV)和基准点(SP)上就没有偏差(误差)。

在图3中，阀门用来控制进入加热器的气体，冷却器的制冷，水管的压力，水管的流量，容器的水位或其他的过程控制系统。

instead of maintaining a constant value, this could cause more wear on the control element..

So there are these two contrsdictory goals. Fast response (fast change in output) when there is a ―process upset‖, but slow response (steady output) when the PV is close to the setpoint.

Note that the output often goes past (over shoots) the steady—state output to get the process back to the setpoint. For example, a cooler may normally have its cooling valve open 34% to maintain zero degrees (after the cooler has been closed up and the temperature settled down). If someone opens the cooler, walks in, walks around to find something, then walks back out, and then closes the cooler door—the PID controller is freaking out because the temperature may have raised 20 degrees! So it may crank the cooling valve open to 50, 75, or even 100 percent—to hurry up and cool the cooler back down—before slowly closing the cooling valve back down to 34 percent.

Let’s think about how to design a PID controller.

We focus on the difference (error) betwwen the process variable (PV) and the setpoint (SP). There are three ways we can view the error. The absolute error

This means how big is the difference between the PV and SP. IF there is a small

difference between the PV and the SP – then let’s make a small change in the output. If there is a large difference in the PV and the SP—then let’s make a large change in the output. Absolute error is the ―proportional‖ (P) component of the PID controller. The sum of error over time

Give us a minute and we will show why simply looking at the absolute error

(proportional) only is a problem. The sum of errors over time is important and is called the ―integral‖ (I) component of the PID controller. Every time we run the PID algorithm we add the latest error to the sum of errors. In other words Sum of Errors = Error1 + Error2 + Error3 + Error4+…. The dead time

Dead time refers to the delay betwwen making a change in the output and seeing

the vhange reflected in the PV. The classical example is getting your oven at the right temperature. When you first mm on the heat,it takes a while for the oven to ―heat up‖. This is the dead time. If you set an initial temperature,wait for the oven to reach the initial temperature,and then you determine that you set the wrong temperature – then it will take a while for the oven to reach the new temperature

Setpoint. This is also referred to as the ―derivative‖ (D) component of the PID controller. This holds some future changes back because the changes in the output have been made but are not reflected in the process variable yet. Absolute Error/Proportional

One of the first ideas ppeople usually have about designing an automatic process

controller

is what we call ―proportional‖. Meaning, if the difference between the PV and the SP is small – then let’s make a small correction to the output. If the difference between the PV and the SP is large—then let’s make a larger correction to the output. This idea certainly makes sense.

We simulated a proportional only controller in Microsoft Excel. Fig.4 is the chart

showing the results of the first simulation (DEADTIME = 0, proportional only). Proportional and Intergral Controllers

The integral protion of the PID controller accounts for the offset problem in a

proportional only controller. We have another Excel spreadsheet that simulates a PID controller with proportional and integral control. Here (Fig.5) is a chart of the first simulation with proportional and integral (DEADTIMe = 0,,proportional = 0.4).

As you can tell,the PI controller is much bettet than just the P controller. However,

dead time of the zero (as shown in the graph) is not common.

Derivative Control

Derivative control takes into consideration that if you change yhe output, then it

takes time for that change to be reflected in the input (PV). For example, let’s take heating of the oven.

If we start turning up the gas flow, it will take time for the heat to be produced,

the heat to flow around the oven, and for the temperature sensor to detect the increased heat. Derivative control sort of ―holds back‖ the PID controller because some increase in temperature will occur without needing to increase the output

further. Setting the derivative constant correctly allows you to become more aggressive with the P & I constants.

本文来源：https://www.bwwdw.com/article/4knv.html