新疆大學信息科學與工程學院 韓樂凡 侯鑫睿 張壯壯 劉 艷

在現(xiàn)有PID算法的基礎上，具現(xiàn)化分析當前箱體的環(huán)境，通過與現(xiàn)行PID算法的目標溫度控制時長和非線性動態(tài)整定幅度做對比分析，構建了非線性動態(tài)整定問題的BP-PID算法模型。采用一種特定參數(shù)調整方法，并融入“互聯(lián)網+”技術，實現(xiàn)了對智能溫控箱的優(yōu)化設計。使其具有快速響應、高穩(wěn)定性、遠程監(jiān)控、報警等特性。本設計基于物聯(lián)網構架，實現(xiàn)了溫控箱的溫度實時采集上傳、APP端遠程下發(fā)指令、云平臺實時監(jiān)控等功能，根據(jù)BP神經網絡的非線性迫近能力以及自主學習能力與傳統(tǒng)PID結合，實現(xiàn)對溫控箱控制過程的優(yōu)化設計。實驗表明：智能溫控箱的遠程控制特性以及快速響應、高穩(wěn)定性的特性，使其具有更廣的應用前景。

智能溫控箱的應用不僅僅局限于工農業(yè)生產領域。實際生活中，藥品、疫苗等特殊物品都需要特定的儲藏環(huán)境需求，以保證其在一定時間范圍內的品質和效果。同時突破溫控箱地域空間的局限性，融入“互聯(lián)網+”技術實施遠程控制，使溫控箱的應用在時間和空間層面都得到有效拓展。

基于實驗中使用的溫控箱無法滿足遠程操控的缺點以及常規(guī)的PID算法不能滿足復雜環(huán)境變化的需求，對現(xiàn)有溫控箱進行了智能優(yōu)化設計。使其既能夠實現(xiàn)遠程溫度控制，也能夠通過BP神經網絡與傳統(tǒng)PID相結合，達到溫度控制響應速度快、穩(wěn)定性強、收斂時間少的控制效果。對于溫控箱智能化應用場景的拓展和推廣，具有非常好的意義。

1 智能溫控箱的設計

智能溫控箱的功能設計主要完成：①用戶端根據(jù)需求進行遠程溫度設置，溫控箱根據(jù)實際溫度快速準確的完成升溫或降溫操作；②根據(jù)溫度預設值、箱體周圍環(huán)境的變化做自適應溫度調整；③存儲和顯示一定時間內的溫度變化曲線，進行溫度變化趨勢預測。

1.1 智能溫控箱的架構

智能溫控箱的架構如圖1所示，以STM32為核心處理硬件，通過該硬件采集箱體內的溫度，借助中國移動OneNet云平臺實現(xiàn)數(shù)據(jù)的轉發(fā)和存儲，客戶端或者APP端實現(xiàn)對溫控箱的遠程控制，進行升溫或者降溫處理達到預設溫度；同時通過WiFi模塊的透傳方式將采集獲得的數(shù)據(jù)以及箱體內的變化結果上傳至云服務器端，實現(xiàn)客戶端的可視化功能。

圖1 智能溫控箱的架構圖

1.2 智能溫控箱的工作流程

智能溫控箱的工作流程如圖2所示，主要涉及到單片機控制模塊、網絡傳輸模塊以及數(shù)據(jù)處理模塊。協(xié)同完成箱體的溫度控制和數(shù)據(jù)的上傳、下達和處理功能。

圖2 工作流程設計圖

1.3 溫度控制模塊設計

智能溫控箱的溫度控制模塊包括算法和硬件控制兩部分。溫度控制算法采用BP神經網絡與傳統(tǒng)PID算法相結合，以控制變量BP-KP,BP-KI,BP-KD為調節(jié)參數(shù)，以溫度收斂時長為被控對象，結合硬件控制部分實現(xiàn)溫度控制模塊的設計，如圖3所示。

智能溫控箱的控制系統(tǒng)接收溫度傳感器的信號經過模/數(shù)轉換，與遠程網絡下發(fā)的設定值進行偏差比對分析，利用神經網絡算法的趨勢學習特性，調整各參數(shù)的權值為最優(yōu)解，實時在線自整定PID控制器的三個參數(shù)，并下達指令至STM32，最終通過PWM調整加熱絲或冷凝器的功率，控制箱體的溫度實時變化，達到智能溫控箱性能優(yōu)化的設計目標。

圖3 溫度控制模塊

2 智能溫控箱的性能優(yōu)化

2.1 控制算法的優(yōu)化

智能溫控箱的溫度控制算法采用三層神經網絡結構，其中包含一個隱含層完成從輸入到輸出的任意線性和非線性函數(shù)的逼近、擬合指標，其結構如圖4所示。

圖4 BP神經網絡結構圖

通過該三層神經網絡結構，實現(xiàn)傳統(tǒng)PID算法的控制參數(shù)的自調整以及尋求到最優(yōu)解，通過BP神經網絡與傳統(tǒng)PID算法相結合，達成了溫控箱的溫度控制響應速度快，穩(wěn)定性強，收斂時間少的目標。

2.1.1 控制算法模型

基于溫控箱的實際應用場景以及能量守恒定律，確定了智能溫控算法模型。單位時間內，溫控箱的箱體內具有所有能量的變化量等于箱體內流入能量和流出能量的差，通過推演得出該箱體的數(shù)學模型表達式：

等式左邊是單位時間的能量變化量，等式右邊為單位時間的能量流入流出的差值。該表達式各參數(shù)如表1所示。

表1 參數(shù)及其含義

傳遞函數(shù)為：

其中，K為實驗箱的比例系數(shù)，T為時間常數(shù)。

則得到本系統(tǒng)的傳遞函數(shù)為：

采用z變換將系統(tǒng)離散化，離散化后的狀態(tài)方程為：

2.1.2 控制算法流程

將BP神經網絡與傳統(tǒng)PID相結合，進行溫度控制算法流程如下：

（1）確定BP神經網絡結構以及確定各層節(jié)點、數(shù)目等參數(shù)；

（2）通過采樣，獲得rin(k)、yout(k)，并計算出該時刻的誤差：

（3）計算各層神經元的輸入、輸出，其輸出層的輸出即為PID控制器的kp、ki、kd；

（4）計算控制器的輸出u(k)；

（6）置k=k+1，返回到步驟1。

2.2 基于“互聯(lián)網+”特性的優(yōu)化

優(yōu)化后的智能溫控箱融合了“互聯(lián)網+”特性。遠程功能設計采用WiFi模塊的透傳方式和AP的結合，使得溫控系統(tǒng)穩(wěn)定接入網絡，通過HTTP等協(xié)議實現(xiàn)了數(shù)據(jù)的上傳和下載、平臺和客戶端的交互以及可視化數(shù)據(jù)的展示。

3 仿真測試

3.1 BP-PID算法優(yōu)化性能測試

測試主要針對BP神經網絡整定的PID智能溫控算法與常規(guī)PID溫控算法進行了MATLAB仿真實驗。根據(jù)實驗需求構建了如圖5所示的simulink模型，將上述控制算法模型作為傳遞函數(shù)運用于simulink模型中。該算法的加權系數(shù)的各個初始值取隨機數(shù)[0,1]，慣性系數(shù)設定α=0.05，學習速率設定η=0.2。

圖5 Simulink模型構建

接入階躍信號后得到圖6所示仿真效果：

圖6 接入階躍信號的測試結果

從圖6中可以看出經過優(yōu)化后的算法，其收斂時間更少，控制過程曲線更加平滑。性能指標比較如表2所示。

表2 性能指標的比較

對比不同算法的抗干擾特性，在本系統(tǒng)的150-200的采樣時刻，加入幅值為0.2的干擾，在此干擾情況下，仿真結果如圖7所示。

圖7 干擾幅值為0.2的測試結果

從圖7中可以看出經過優(yōu)化后的算法，其控制過程表現(xiàn)出抑制能力增強、恢復速度加快的特點。

3.2 “互聯(lián)網+”優(yōu)化性能測試

基于“互聯(lián)網+”的優(yōu)化性能測試，采用實物搭建完成相應的功能。根據(jù)用戶需求遠程設置溫度值，達到溫度實時調整的效果，溫度的遠程控制效果如圖8所示。

圖8 云端溫度數(shù)據(jù)展示圖

通過該圖，可以非常清晰的看出，隨著用戶在云端設置不同的目標溫度，溫控箱的箱體溫度實現(xiàn)了溫度下調、持續(xù)保持、溫度上調的變化過程?？衫么鎯Φ呐繑?shù)據(jù)進行溫度變化的趨勢預測。

結論：本設計基于物聯(lián)網構架，在對現(xiàn)有PID算法的研究基礎上，具現(xiàn)化分析當前箱體的環(huán)境，實驗表明：通過與傳統(tǒng)PID算法控制的時長和動態(tài)整定幅度做對比分析，融合了非線性動態(tài)整定的BP-PID算法模型，采用特定參數(shù)調整的思想，結合“互聯(lián)網+”特性，實現(xiàn)了對智能溫控箱的優(yōu)化設計，使之具有控制響應速度快、穩(wěn)定性強、收斂時間少的特點以及云平臺實時監(jiān)控、數(shù)據(jù)可視化展示、趨勢預測等功能。

與當前流行的機器學習相比，改進后的BP-PID算法更符合實驗箱體的小復雜度環(huán)境。在相同的精度要求下，BP網絡的結構更簡單、訓練速度快、隱層神經元數(shù)更少、運算量小、更容易加載在實驗箱體的嵌入式環(huán)境。隨著5G技術的普及，經過優(yōu)化設計智能溫控箱將具有更廣泛的應用領域。