打开文本图片集
摘 要： 提出一种新能源烘房及其温度测控系统。新能源烘房采用太阳能协调储能的供热方式，改进了传统PID控制方式，提出基于Multi⁃Agent协同通信技术的模糊PID控制系统。新能源烘房及其温度控制系统不但有效减少了能源消耗和二氧化碳排放，还解决了烘房控制系统中各个子系统之间的协调问题。通过Simulink仿真表明改进后的烘房系统具有调整时间短、能耗低、智能化和可靠性高等优点。
关键词： 新能源； 测控模型； 模糊PID； Multi⁃Agent通信
中图分类号： TN911⁃34 文献标识码： A 文章编号： 1004⁃373X（2016）02⁃0151⁃04
Research on new heat energy collecting system based on Multi⁃Agent collaborative measurement and control model
BAI Haitao
（Xi’an Innovation College， Yan’an University， Xi’an 710100， China）
Abstract： A new energy oasthouse and its temperature measurement and control system are proposed. The heat supply pattern of solar energy harmonizing storage is adopted in the new energy oasthouse. The fuzzy PID control system based on Multi⁃Agent collaborative communication is put forward by improving the traditional PID control method. The new energy oasthouse and its temperature control system can efficiently reduce the energy consumption and CO2 emission， and solve the coordination problems among all the subsystems in oasthouse control system. The Simulink simulation results show that the improved oasthouse system has the advantages of short setting time， low energy consumption and high reliability.
Keywords： new energy； measurement and control model； fuzzy PID； Multi⁃Agent communication
0 引 言
伴随控制技术的快速进步和企业信息化的建设，将现代Web技术与传统过程控制技术相融合的方式，已经成为目前远程控制系统开发和研究的热点，于是，构建基于Web技术的控制模型成为控制领域发展的重要方向之一。文献[1]实现了基于物联网（IOT）的机房节能测控系统设计，达到节能减排、降低成本的目的。文献[2]设计了一种基于智能控制技术结合有线和无线传输方式的新型智能太阳能自动控制系统，实现提高城市居住环境，降低CO2排放。与此同时，在降低工业事故风险，方便员工操作等方面，对远程控制系统的研究都具有十分重要的意义。
在传统过程控制领域中就计算性而言，已经逐渐利用计算机替代控制系统的计算任务，但就其控制策略而言，目前占主导地位的依然是传统PID算法，如此并没有充分利用计算机的长处，依此来提升工程控制的整体水平[3]。Agent系统能够认为是一种在分布式系统或协作系统中，可以发挥自主作用的计算实体，具体代表可以自主感知所在环境的变化，并能影响所处环境的软硬件集合，具有主动性、反应性、交互性和自主性等特征[4]。本文依托新能源协调储能供热，通过改进传统PID控制方式，将模糊控制PID融入到单Agent中，然后将Multi⁃Agent技术融入到控制系统中。根据工厂烘房系统的实际任务需求，将复杂的烘房系统划分为小的、彼此相互协调通信、且能连接到Web网络的Multi⁃Agent控制系统，是设计和实现烘房新型能源集热控制系统的新途径。
1 应用结构模型
本文设计的烘房系统是由空气加热系统、热气循环系统、能量储存系统、测控系统等子系统组成。结合实际工厂方案，简化系统整体结构模型如图1所示。
在上述模型中，通过实时监测太阳能集热器和烘房中的温度，设置控制器1～3的控制系数，使烘房的温度稳定在一定范围之内。控制器1主要利用变频器控制高低压风机8，9的风速；当控制器1监测到集热器内温度相当高时，它会告知控制器2通过变频器控制风机10，进行抽风储能；当控制器1监测到集热器内温度低于烘房设置温度时，它会告知控制器3通过市电加热系统升温烘房内温度。控制器1～3相互通信，并将数据通过物联网传递至工作人员手持终端中。
图1 太阳能烘房供热结构模型
2 测控模型与仿真
2.1 模糊PID控制系统设计
PID控制指的是拥有比例、加积分、加微分控制规律的成为比例积分微分控制系统，PID控制器输出信号为：
[ut=KPet+KPTI0tetdt+KPτdetdt] （1）
式中：[KP]为比例系数；[TI]成为积分时间常数；[τ]为微分时间常数。以上三个参数都是可调参数[5]。因为PID控制具有结构简单、PID参数和控制过程关系明确等特点，于是PID控制策略被广泛应用于工业控制。如果涉及复杂的非线性控制系统，传统PID控制很难建立一个精确的数学模型，并且不能达到理想的效果。建立基于传统PID控制仿真模型，设烘房控制系统的传递函数为：[Gs=25s+110s+1e-1.5s]。烘房温度设为80 ℃，并假设控制系统受幅值±5的随机干扰。PID的参数整定采用Ziegler⁃Nichols整定法、临界比例度法、衰减曲线法三种方法对比仿真如图2所示。
由图2可知，一段时间后，三种PID参数整定方法都能使控制趋于平稳，但初始阶段摆动较大，即便衰减曲线法摆动幅度相对较小，但是也不能达到理想效果。
在某些控制器中，模糊控制被认为是有效解决方案之一。模糊控制不需要严格的数学模型，并且在处理非线性系统时，有不错的控制效果[6⁃7]。但是，也有一些不足之处，如模糊控制的稳态误差和动态不稳定。 于是，在一些工业控制领域，将PID控制和模糊控制组合成为Fuzzy⁃PID控制器。Fuzzy⁃PID控制器不仅继承了它们各自的优点，而且弥补了它们的缺点以达到最优的控制策略。Fuzzy⁃PID控制器结构如图3所示。
图2 传统PID控制仿真图
图3 Fuzzy⁃PID控制器结构
图3中：[rt]为烘房温度设定值；[yt]为实际的温度输出。模糊控制器的输入为误差[et]和它的变化率[dedt]，输出为[KP]，[KI]，[KD]的变化量。这三个PID参数根据在线模糊逻辑规则自我调节，并且PID参数调整为：
[KP=KP0+ΔKPKI=KI0+ΔKIKD=KD0+ΔKD] （2）
式中：[KP]，[KI]和[KD]指PID变化后的参数值；[KP0]，[KI0]和[KD0]为参数初始值。被控制对象为变频器，变频器以PID控制器的输出作为输入电压，它的输出将控制风机转速，以便使烘房维持固定温度。
同样设置温度为80 ℃，系统传递函数和传统PID模拟相同。基于Fuzzy⁃PID控制与传统PID衰减法控制对比仿真如图4所示。对比传统PID控制，自调整参数模糊PID控制器具有较小的超调量的特征，响应时间更短，这证明了Fuzzy⁃PID控制比传统PID控制性能更好，并且参数的轨迹也更快、更准确性。
2.2 Multi⁃Agent协同通信控制
在人工智能领域，最早于20世纪70年代Agent技术出现，其最大优势是拥有良好的坚定性和灵活性以及一定的智能性，如此特性使其特别适合对复杂、协同和难以预测的问题进行处理[8]。基于Multi⁃Agent的烘房控制系统中各个Agent要具有自主性和适应能力。本文结合Multi⁃Agent的分层结构、联邦结构和分布自治结构等特点，依据烘房控制系统的要求，设计了一种分布式且多总线控制系统的Multi⁃Agent结构[9]。Multi⁃Agent系统要在限定的时间内和资源约束的条件下，迅速解决动作协调和任务调配，以及有效化解冲突等协调性问题，Multi⁃Agent体系结构如图5所示。
图4 传统PID和模糊PID控制比较
图5 MAS体系结构
图5中主控节点是系统的决策核心，但其中各个Agent也具有自主决策的能力，每个Agent又组成了各自的控制节点。各控制Agent不仅能彼此通信，还可以接收来自物联网应用层次的命令。控制节点与主控节点以采用RS 485通信为主，因RS 485接口具有良好的抗噪声干扰性，长的传输距离和多站能力等优点，于是成为工业中串口通信的首选。RS 485接口组成的半双工网络一般只需两根连线，所以RS 485接口均采用屏蔽双绞线传输；又考虑到信号全覆盖和有些地方不易布线等因素，设计了WiFi无线通信模式。每个控制节点之间主要采用一种基于消息的KQML通信协议，同时本身也是一种独立的信息交换和协议语言，KQML通信协议能达到Agent协同通信的标准。图6主要描述Agent1与其他Agent之间工作流程图。当运用Fuzzy⁃PID控制在系统较为复杂的烘房系统中时，由于需要建立多个测控节点，如果它们之间独立运作，并在全天内持续工作，会发现其效果并不理想。对于控制器1，运用Fuzzy⁃PID模型建立全天仿真如图7所示。
图6 Multi⁃Agent系统工作流程
图7 全天Fuzzy⁃PID控制仿真
通过Multi⁃Agent协调通信的接入，当Agent1检测到烘房内温度、集热器温度都较低时，其将通知Agent2，进行市电空气能加热；当检测到集热器温度较高，并且烘房内温度较为稳定时，通知Agent3进行储能控制。再次建立全天仿真如图8所示。
图8 全天Multi⁃Agent协调通信控制仿真
从图7、图8不难发现， 当集热器内温度低于80 ℃时，采用Fuzzy⁃PID控制系统方式，烘房内的温度不能很好的维持在80 ℃。而基于Multi⁃Agent协调通信的模糊PID控制系统在长时间工作时，不但能使烘房长期稳定在设置温度80 ℃，而且能够通过储能装置节约能源，达到了设计目的，满足了实际需求。
3 结 语
本文设计的烘房控制系统是个复杂的物理过程，其中控制系统具有大的延时，并且输入、输出的耦合关系十分复杂。传统PID控制结构简单，满足工业需求，对非线性系统却无能无力。Fuzzy⁃PID控制能有效解决非线性问题，但运用在烘房多控制系统中效果并不理想。本文提出一种基于Multi⁃Agent协调通信Fuzzy⁃PID控制系统，并在此基础上，构建了远程终端平台，并利用仿真工具和实际工业操作进行多次试验，验证了所提模型的可行性。
参考文献
[1] 谢伟，杨斌.基于物联网的机房节能测控系统设计[J].技术与市场，2011（7）：30⁃32.
[2] WANG Rongcun， TANG Xiang， XU Kaisheng. The research and design of a new type smart solar automatic control system [C]// Proceedings of 2011 IEEE International Conference on Computer Science and Automation Engineering. Shanghai， China： IEEE， 2011， 2： 450⁃455.
[3] YANG Jun， WANG Jinliang， WANG Lili. Self⁃tuning⁃parameter fuzzy PID control in fresh air system [C]// Proceedings of 2010 IEEE International Conference on Intelligent Control and Information Processing. [S.l.]： IEEE， 2010： 566⁃569.
[4] FORTINO G， GUERRIERI A， RUSSO W， et al. Integration of agent⁃based and cloud computing for the smart objects⁃oriented IoT. Proceedings of 2014 18th IEEE International Conference on Computer Supported Cooperative Work in Design. Hsinchu， China： IEEE， 2014： 493⁃498.
[5] QU Shilin， MA Fei. Experimental performance analysis on solar⁃water compound source heat pump for radiant floor heating system [C]// 2010 IEEE Asia⁃Pacific Power and Energy Engineering Conference. Chengdu， China： IEEE， 2010： 1⁃4.
[6] JIANG Juyuan， ZHOU Haoyuan. A study of solar energy collector system based on fuzzy logic control for seawater desalination [C]// Proceedings of 2010 Third International Workshop on Advanced Computational Intelligence. Suzhou， China： IEEE， 2010： 220⁃222.
[7] 赵龙文，侯义斌.Agent的概念模型及其应用技术[J].计算机工程与科学，2000，22（6）：75⁃79.
[8] 孟安波，殷豪.基于多Agent的遗传算法在PID调速器中的优化[J].电力自动化设备，2012，32（9）：128⁃133.
[9] 方义，熊璋，王剑昆.智能控制中的多Agent系统[J].控制理论与技术，2006，23（5）：810⁃814.