生化培养箱智能控制系统的算法结构和模糊设计

算法结构

为了解决生化培养过程中，温度和湿度相 互制约，相互影响的问题，需要对系统温、湿 度变化进行解耦，然而生化培养过程的数学模 型难以直接获取，导致常规的解耦方法无法使 用。

针对具有双输入双输出的生化培养箱，本文提出了一种基于神经元解耦的变参数模糊制方法，。

整个控制系统由基于改进模糊算法的温、 湿度独立控制，以及基于神经元的解耦补偿两 部分组成。

基于改进模糊算法，首先利用模糊控制器 根据温、湿度设定值和系统检测反馈值，实现 对温、湿度独立闭环控制，同时为了解决传感 器漂移和固定参数模糊算法环境适应性差的问 题，采用粒子群算法算法对模糊隶属度进行在 线优化。

神经元解耦补偿器，位于模糊控制器与控 制对象之间，利用神经元的自学习特性，实现 对温度和湿度控制量耦合关系的学习，利用解 耦结果对控制量进行补偿。从而保证改进模糊 算法计算的控制量相互独立，无需关心耦合关 系。

模糊控制器的设计

温度模糊控制器采用双输入，单输出结 构。输入 e1 为生化培养过程温度与设定值 偏 差， 模 糊 变 量 为 {NL， NM， NS， O， PS， PM， PL}，论域 E1 ＝ {-7,-6,-5, -4, -3,  -2, -1, 0, 1, 2, 3, 4, 5,6,7}。输入 e2 为温度偏 差变化率，模糊变量为 {NL， NS， O, PS， PL}，论域 E2 = { -4, -3, -2, -1, 0, 1, 2, 3, 4}。 输出u为温度调节量，U的模糊变量为：{NL， NM， NS， O， PS， PM， PL}， 论 域 U ＝ { -6，-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5，6}。

湿度模糊控制器，输入 e1 为湿度与设定 值偏差，模糊变量为 {NL， NM， NS， O， PS， PM， PL}， 论 域 E1 ＝ {-5, -4, -3, -2,  -1, 0, 1, 2, 3, 4, 5} ；输入 e2 为湿度偏差变化 率，模糊变量为 {NL， NS， O, PS， PL}， 论域为 E2 = { -4, -3, -2, -1, 0, 1, 2, 3, 4} ；输 出 u 为湿度调节量， U 的模糊变量为 ：{NL， NM， NS， O， PS， PM， PL}， 论 域 U ＝ { -6，-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5，6}。 为了更好的抑制环境参数变化对生化培养过程 控制系统的影响，方便参数调节，本文采用梯 形函数。

根据生化培养过程工艺的专家经验，温、 湿度模糊控制的规则，均按照偏差较大时快速 调节，偏差较小时精细调节的原则，总结出模 糊控制规则，如表 1 所示。 根据所本文所设计的隶属度及模糊推理规 则，同时利用 Mamdani 模糊推理方法进行解模糊，得到模糊控制查询表。通过清晰化接口和查询表，分别得热电偶电流和鼓风机转速的调节量。