生化培养箱智能控制系统的模糊控制器设计

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。

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。

 两种控制策略下对应的箱 体内温、湿度变化曲线分别如图 2 和图 3 所 示。不难看出，本文的方法，由于采用了解耦 补偿，温、湿度变化的耦合性得以改善，局部 扰动明显减小 ；同时由于采用了模糊控制， 相对于 PID 控制，不但提升了控制精度，同时 较小了系统超调量、也加快了系统响。系统进 入稳态后，采用本文方法的温度控制误差小于 0.4℃，相对湿度误差仅为 2.5%。从对比实验 结果上看本文方法在控制系统性能上，优于传 统的模糊控制控制。