常用温控器控制算法包括常规PID、模糊控制、神经网络、Fuzzy-PID、神经网络PID、模糊神经网络、遗传PID及广义预测等PID算法。常规PID控制易于建立线性温度控制系统被控对象模型；模糊控制基于规则库，并以绝对或增量形式给出控制决策；神经网络控制采用数理模型模拟生物神经细胞结构，并用简单处理单元连接成复杂网络；Puzzy-PID为线性控制，且结合模糊与PID控制优点。
1、引言
温度控制系统是变参数、有时滞和随机干扰的动态系统，为达到满意的控制效果，具有许多控制方法。故对温控器几种常见的PID控制算法及其优缺点进行了分析与比较。
2、常见温控器的PID控制算法
2.1 常规经典PID控制算法的PID控制
PID控制即比例、积分、微分控制，其结构简单实用，常用于工业生产领域。原理如图1。
图1 常见PID控制系统的原理框图
明显缺点是现场PID参数整定麻烦，易受外界干扰，对于滞后大的过程控制，调节时间过长。其控制算法需要预先建立模型，对系统动态特性的影响很难归并到模型中。在我国大多数PID调节器厂家生产的温控器均为常规经典PID控制算法。
2.2 模糊PID控制算法的PID控制
模糊控制(Fuzzy Control)是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的计算机控制。原理如图2。昌晖仪表YR-GFD系列傻瓜式PID调节器使用的就是模糊控制PID控制算法。
图2 模糊控制系统原理框图
2.3 神经网络PID控制算法的PID控制
神经网络控制采用数理模型的方法模拟生物神经细胞结构，用简单处理单元连接形成各种复杂网络，并采用误差反向传播算法(BP)。原理如图3：
图3 神经网络控制系统的原理框图
2.4 Fuzzy-PID控制算法的PID控制
模糊控制不需知道被控对象的精确模型，易于控制不确定对象和非线性对象。PID本质是线性控制。将模糊控制与PID结合多，以Fuzzy-PID混合控制为例，据给定值与测量值之偏差e选择智能控制器，根据e的变化选择控制方法，当|e|≤emin或|e|≥emax时，采用PID控制；当emin≤|e|≤emax时，采用Fuzzy控制。其结构框图如图4。
图4 Fuzzy-PID混合控制结构框图
2.5 神经网络PID控制算法的PID控制
在PID控制的基础上，加入神经网络控制器，构成神经网络PID温控器，如图5。神经网络温控器NNC是前馈控制器，通过对PID温控器的输出进行学习，在线调整自己，目标是使反馈误差e(t) 或u(t)趋近于零，使自己逐渐在控制中占据主导地位，以减弱或最终消除反馈控制器的作用。晖仪表YR-GAD系列人工智能调节器/温控器使用的就是神经网络PID控制算法。
图5 神经网络PID控制结构框图
2.6 模糊神经网络PID控制算法的PID控制
将模糊逻辑与神经网络结合，采用神经网络模糊逻辑推理网络模型和快速的自学习算法，通过网络的离线训练和在线自学习使调节器具有自调整、自学习和自适应能力，达到模糊智能控制。如图6。
图6 模糊神经网络控制系统结构图
2.7 遗传PID控制算法的PID控制
遗传PID控制是将调节器参数构成基因型，将性能指标构成相应的适应度，利用遗传算法来整定调节器的最佳参数，不要求系统是否为连续可调，能否以显式表示。基于遗传算法的自适应PID控制的原理框图如7。遗传PID温控系统将测量值与给定值进行比较，用遗传控制算法来优化PID参数，然后将控制量输出，实现将PID参数串接构成完整染色体，从而构成遗传空间中的个体，过通过繁殖交叉和变异遗传操作生成新一代群体，经过多次搜索获得最大适应度值的个体。
图7 基于遗传算法的自适应PID控制结构图
2.8 广义预测PID控制算法的PID控制
预测控制(Predictive Control)是基于模型的计算机控制算法。其预测模型有脉冲响应模型、阶跃响应模型、CAMRMA模型和CARIMA模型。基于CARIMA模型的广义预测控制(GPC)是一种新型计算机PID控制算法。
3、常见温度控制方法的对比分析
通过上述PID控制算法的原理分析，表1给出各种温度控制特性与控制器应用场合的情况。
昌晖仪表在本文介绍的PID控制算法中，常规PID控制、常规PID控制和神经网络控制属于单一控制；Fuzzy-PID控制、模糊神经网络控制、遗传PID控制、自适应广义预测及控制、模糊/神经网络和模糊/神经网络/遗传控制属于复合控制。
使用不同PID算法的温控器在实际应用中所呈现的控温效果不同，温控器价格也不相同，这就是市场上常见的温控器价格存在巨大差异的主要原因之一。
下面昌晖仪表对各种PID算法控制特性和应用做介绍，方便大家初步判断你手中的温控器是否适合现场工况使用。
1、常规PID控制算法
◆控制特性：优点是结构简单、实用，性价比高。缺点是鲁棒性不强；适应性不快；协调性不够好等。
◆常规PID控制算法的温控器应用场合：易于建立的线性温度控制系统的被控对象模型。
2、模糊控制算法
◆控制特性：与传统的PID控制相比，响应快，超调量小，鲁棒性强。
◆模糊控制算法的温控器应用场合：纯滞后，参数时变或非线性的温度控制系统，如干燥机、工业炉等的温度控制。
3、神经网络控制算法
◆控制特性：鲁棒性强，响应速度快，抗干扰能力强，算法简单，易于用硬件和软件实现
◆神经网络控制算法的温控器应用场合：多变量、多参数、非线性与时变系统。如：电阻炉的温度控制等。
4、Fuzzy-PID控制算法
◆控制特性：具有很强的适应性，只要知道部分知识即可建立BP算法。
◆Fuzzy-PID控制算法的温控器应用场合：一些大滞后系统中自动寻优P、I、D参数，如管式加热炉的温度控制。
5、模糊神经网络控制算法
◆控制特性：动态响应快，能达到高精度的快速控制，具有极强的鲁棒性和适应能力，稳定性好。
◆模糊神经网络控制算法的温控器应用场合：需要不断修正控制参数的温度控制系统。如热电偶校验仪等控温装置。
6、遗传PID控制算法
◆控制特性：调试方便，控制精度高，抗干扰性强，较高的稳定性能。
◆遗传PID控制算法的温控器应用场合：寻求全局最优且不需任何初始信息的P、I、D参数寻优温控系统中，如陀螺温控系统。
7、自适应广义预测及控制算法
◆控制特性：鲁棒性强，控制精度高。
◆自适应广义预测及控制算法的温控器应用场合：医用温度控制，如微波热疗中的温度控制。
8、模糊、神经网络控制算法
◆控制特性：模糊控制鲁棒性强。动态响应与上升时间快，超调小，PID控制器的动态跟踪品质好和稳态精度高。
◆模糊、神经网络控制算法的温控器应用场合：具有较太的滞后性，非线性、时定性的温度控制系统，如高分子聚合物反应温度控制等。
9、模糊、神经网络和遗传控制算法
◆控制特性：实现温度随外界干扰条件的乏化，实时的调节网络和控制规律的功能，具有良好的温度跟踪性能和抗干扰能力。
◆模糊、神经网络和遗传控制算法的温控器应用场合：对升温速度和恒温过程的精度要求较高的控制系统，如淬此炉温度控制等。
将线性与非线性控制相结合。使温度能满足用户的精度要求是温控系统的最终目的。在实际应用中，根据具体的应用场合、不同的加热对象、不同的控制要求和控制精度，选择不同PID控制算法的温控器及控制方式。
能熟练进行PID参数整定，将温度控制系统投自动，这代表着工程技术人员的自动化技能水平，但很多人并未真正掌握PID控制和PID参数整定，习惯于依赖温控器的自整定功能完成参数整定，但在串级温度控制等复杂过程控制时就束手无策。在本站“温控器”产品页面免费分享白志刚工程师编著的《自动调节系统解析与PID整定》一书，书中内容没有高深的理论公式，全是实战干货，理解了此书内容真谛，高中学历的仪表人也能整定PID参数，将PID控制弄透彻！对您有帮助，还是免费的，赶快去产品页面“温控器”免费领取这本书！
