房间温度模糊控制系统及其仿真

基于模糊控制的温控系统建模与仿真温度控制在生活和工业生产中非常常见和重要。

在许多情况下，需要使温度稳定在预定值或在一定范围内波动。

因此，设计一个高效的温控系统对于保证生产质量和舒适的生活非常重要。

本文将介绍基于模糊控制的温控系统建模和仿真。

一、简介温度控制系统的设计包括两个重要部分: 控制策略和控制器。

控制策略通常是基于某些物理模型和统计学原理，并可以使用模拟和实验验证。

控制器的选型取决于控制策略的性质和要求，如强度、精度、稳定性等。

二、基于模糊控制的设计思路模糊控制是一种基于人类语言和经验的控制方法，其控制规则表达模糊且不确定，不同于传统控制方法中的精确数学函数模型。

这种方法具有较好的鲁棒性和适应性，能够在系统结构和工况变化时有效地保证系统的稳定性和性能。

因此，基于模糊控制的设计思路在某些领域中具有广泛的应用。

三、模糊控制系统建模在模糊控制中，控制器、输入和输出都用模糊语言描述。

建模过程可以分为三个步骤:1.建立输入-输出模糊语言变量模糊语言变量在控制过程中承担关键作用。

在本文中，我们建立两个输入模糊语言变量: 温度偏差(e)和温度变化率(e')，以及一个输出模糊语言变量: 控制量(u)。

2.建立模糊规则库模糊规则库是一个包含不同输入变量值和相应输出变量值的表。

通常使用弧形或三角形函数表示变量之间的关系，并使用逻辑运算符(如AND、OR、NOT等)描述不同变量关系之间的逻辑关系。

3.系统运行系统运行分为两个步骤: 模糊推理和去模糊化。

在模糊推理阶段，输入模糊变量的值被模糊化，规则库中的规则被应用，得到对应的输出模糊变量值。

在去模糊化阶段，输出模糊变量转换为具体的控制量。

四、仿真设计在本文中，我们使用MATLAB软件进行仿真设计。

具体步骤如下:1. 确定系统模型设计一个简单的温度控制系统，包括一个传感器、控制器和一个加热器。

传感器用于检测环境温度，控制器用于计算和输出控制量，加热器用于调节环境温度。

附录3：外文资料翻译运用MATLAB进行水位仿真设计1 MATLAB在模糊控制仿真中的应用模糊控制通过模糊逻辑和近似推理方法，让计算机把人的经验形式化、模型化，根据所取得的语言控制规则进行模糊推理，给出模糊输出判决，并将其转化为精确量．作为反馈送到被控对象(或过程)的控制作用。

经过多年的实践，模糊控制器已逐渐形成了一种规范形式。

模糊控制表是模糊控制算法在计算机中的表达方式，它是根据系统的输人输出个数、隶属函数及控制规则等决定的。

目的是把人工操作控制过程表达成计算机能够接受，并便于计算的形式。

模糊控制规则一般具有如下形式：If {E = Ai and C = Ci} then U = Ci，i =1，2，3 ……，n其中E、C和U分别为误差e、误差变化c和控制量u的语言变量，而Ai 、Bi、Ci为其相应论域上的语言值(如NB，NM，NS，ZO．PS，PM等)。

首先我先介绍下典型的模糊控制器的设计流程。

（1）系统分析对受控的工业对象进行系统分析，确定控制器的输入变量x1、x2 与输出变量y及它们的数值变化范围和要求达到的控制精度等，根据实际过程的需要建立物理模型，确定控制器结构总体设计方案。

（2）模糊化方法的选择与确定所谓模糊化，就是把输入变量数值，变换成模糊语言变量的语言值，在实际控制过程中，经常把一个物理量划分成正大（PL）、正中（PM）、正小（PS）、零（ZE）、负小（NS）、负中（NM）、负大（NL）七级语言变量。

每一个语言值对应一个模糊子集，其隶属函数通常选用三角形或梯形分布。

由隶属函数图可确定输入数值相应的隶属度。

（3）模糊控制规则库的建立确定语言控制规则是模糊控制器设计的核心工作，规则的形式很像计算机程序设计语言常用的“IF……THEN……”条件语句。

控制规则的多少视输人及输出物理量数目及所需的控制精度而定。

值得注意的是，规则的数目是以语言变量级数平方关系变化而迅速增加，规则越多，推理的质量就会越下降。

环境实验室温、湿度模糊控制案例分析传统的温、湿度闭环控制通常采用开关控制或PID控制，前者实现简单但精度差，后者精度高，但需建立数学模型，参数整定要求较高，而在温湿度非线性复杂变化的环境下，不易精确建模。

模糊控制理论是能够模拟人脑智能，随环境变化的自适应控制技术，适合于非线性系统和难以用数学模型精确描述的复杂系统。

进一步可以采用神经网络与模糊推理结合的控制新模式。

1 环境实验室温湿度监控系统结构环境实验室温、湿度监测控制机构见图1。

温、湿度传感器测得的信号经过调理，输入到模糊控制算法模块，产生决策信号控制驱动件(加热器、制冷器、加湿器、除湿器)，保持环境实验室温、湿度恒定在设定值。

2 控制系统模糊控制机理典型的模糊逻辑控制由模糊化、模糊推理和清晰化三部分组成。

下面以温度控制为例来具体说明。

依据传统模糊控制模型，本设计中温度模糊控制系统原理如图2所示。

模糊控制器选用双输人单输出控制方式，以温度误差e和误差变化率ec作为输入变量，以u作为输出变量。

模糊子集为E=EC=U={NB，NM，NS，ZE，PS，PM，PB}={负大，负中，负小，零，正小，正中，正大)，其论域为：e=ec=u=[-3，3]={-3，-2，-1，0，1，2，3}。

隶属度函数采用三角分布函数，如图3所示。

根据控制系统的输入／输出特性，以消除温度偏差为控制目标，制订控制规则如表1所示。

由模糊规则进行推理可以得出模糊控制器语言规则的输入输出关系，其关系是一个非线性的关系曲面。

当偏差较大时，控制量的变化应尽力使偏差迅速减小；当偏差较小时，除了要消除偏差外，还要考虑系统的稳定性，防止系统出现过冲，甚至引起系统振荡。

由隶属度函数及规则表，使用Mamdani推理方法和面积重心法进行清晰化，可得到控制查询表。

对应输出量U实际意义如表3所示。

注：√表示启动；×表示不启动工作机理：依照模糊控制查询表建立的二维常数数组，将输入偏差E和偏差变化率EC量化到其基础变量论域，作为数组的行和列实时检索该查询表，得到实时输出U，依照输出量U的实际意义控制加热器或制冷器，从而驱使温度稳定在设定值。

1.绪论1.1 模糊控制理论的产生模糊理论是在美国柏克莱加州大学电气工程系的著名控制论学者L.A.Zadeh(扎德)教授于1965年创立的模糊集合理论的数学基础上发展起来的，主要包括模糊集合理沦、模糊逻辑、模糊推理、模糊控制等方面的内容[1]。

自20世纪60年代以来，现代控制理论已经在工业生产过程、军事科学以及航空航天等许多方面都取得了成功的应用。

例如极小值原理可以用来解决某些最优控制问题;卡尔曼滤波器可以对具有有色噪声的系统进行状态估计;预测控制理论可以对大滞后过程进行有效的控制。

但是它们都有一个基本的要求:需要建立被控对象的精确数学模型[4]。

随着科学技术的迅猛发展，各个领域对自动控制系统控制精度、响应速度、系统稳定性与适应能力的要求越来越高，所研究的系统也日益复杂多变。

然而由于一系列原因，诸如被控对象或过程的非线性、多时变、多参数间的强烈吻合、较大的随机干扰、过程机理错综复杂、各种不确定性以及现场测量手段不完善等，难以建立被控对象的精确模型。

虽然常规自适应控制技术可以解决一些问题，但范围是有限的。

对于那些难以建立数学模型的复杂被控刘象，采用传统的控制方法，包括基于现代控制理论的控制方法，往往不如一个有实践经验的操作人员所进行的手动控制效果好。

因为人脑的重要特点之一就是有能力对模糊事物进行识别与判决，看来似乎不确切的模糊手段常常可以达到精确的目的。

操作人员是通过不断地学习、积累操作经验来实现对被控对象进行控制的，这些经验包括对被控对象特征的了解、在各种情况下采取相应的控制策略以及性能指标判据。

这些信息通常是以自然语言的形式表达的，其特点是定性的描述:所以具有模糊性。

由于这种特性使得人们无法用现有的定量控制理沦对这些信息进行处理，于是需探索出新的理论和方法。

实际上，人们已无法回避客观上存在的模糊现象。

早在20世纪20年代，就己经有学者研究如何描述客观世界中普遍存在的模糊现象。

著名的哲学家和数学家B.Russell在1923年就写出了有关含糊性的论文。

浅谈模糊控制器在中央空调系统温度控制中的应用-技术方案引言中央空调系统的设计是以室内空气参数为基本依据，通过对整个空调系统新风、回风的温度、湿度、送风风机运行状态、初效过滤段的压差等现场信号的采集，根据所设计的控制策略控制送风风机的变频调速、加湿器的加湿、冷、热水阀门的开度大小来达到设定的空气状态，且根据室内、外空气的状态（温度、湿度）确定系统的运行工况，在保证生产工艺的要求的前提下，使空调系统运行合理、安全、可靠、能耗低等，中央空调系统有主机和末段系统。

按负担室内热湿负荷所用的介质可分为全空气系统、全水系统、空气-水系统、冷剂系统。

按空气处理设备的集中程度可分为集中式和半集中式。

按被处理空气的可分为封闭式、直流式、混合式（回风二次回风）。

主要组成设备有空调主机（冷热源）风柜风机盘管等等。

中央空调系统优点：经济节能：主机由微电脑控制，每个区间末端风机盘管可自行调节温度，区间无人时可关闭，系统根据实际负荷做自动化运行，开机计费，不开机不计费，有效节约能源和运行费用。

环保：主机采用水源热泵型机组，电制冷，没有燃烧过程，避免了排污；整个系统为密闭式管路系统，可避免霉菌灰尘等杂质对系统的污染，使环境清新优美，特别适于别墅、公寓与写字楼的使用。

节约空间：主机体积小巧，不设机房，无需占用设备层，减少公用设施和土建投资，室内末端暗藏在吊顶内，极易配合屋内装修。

个性化：中央空调系统以区间为单元，满足用户不同区间需求，室内末端安装采用暗藏方式，不影响室内的审美观，不占据室内空间，适应用户的个性化需求。

简化管理：于采用不同区间单独控制系统为用户所有，产权关系明确，可简化空调设施管理。

提升档次：中央空调主机可以避免破坏楼体的整体外观，使用户充分享受综合环境的同时，提升产品质量及量贩档次。

投资方便：可根据量贩发展情况，分期分批投资添置空调系统，同时量贩档次提升，因此资金周转快，有效地利用资金更进一步开发。

自动控制系统（automatic control systems）是在无人直接参与下可使生产过程或其他过程按期望规律或预定程序进行的控制系统。

第３７卷第４期２０２３年７月兰州文理学院学报(自然科学版)J o u r n a l o fL a n z h o uU n i v e r s i t y ofA r t s a n dS c i e n c e (N a t u r a l S c i e n c e s )V o l ．３７N o ．４J u l ．２０２３收稿日期:２０２３Ｇ０１Ｇ２０基金项目:安徽省科学研究重点项目(２０２２A H ０５２０００,２０２２A H ０５２００２);安徽三联学院校级平台重点研究项目(K J Z D ２０２２００６)作者简介:夏百花(１９８１Ｇ),女,安徽合肥人,副教授,硕士,研究方向为自动化．E Ｇm a i l :５５３７９７７５＠q q．c o m．㊀㊀文章编号:２０９５Ｇ６９９１(２０２３)０４Ｇ００５９Ｇ０５基于S m i t h 预估模糊P I D 的控制温度系统的设计与仿真夏百花,蒋龙云(安徽三联学院电子电气工程学院,安徽合肥２３０６０１)摘要:针对工业生产控制过程中的温度非线性㊁滞后大等缺点,设计了一种基于S m i t h 预估算法的模糊P I D 控制器．以一阶加滞后系统为例,通过对常规P I D 控制算法㊁S m i t h 预估控制算法和模糊P I D 控制算法的理论分析研究,提出了一种将S m i t h 预估控制和模糊算法相结合的控制方案应用于温度控制系统,并用S i m u l i n k 对温度控制系统进行仿真,得出常规P I D 控制算法对于滞后较大的系统无法适用,而采用S m i t h 预估模糊P I D控制算法的上升时间和调节时间分别减小了１s 和２s ．实验结果表明:基于S m i t h 预估的模糊P I D 控制算法在响应速度和调节过程中具有更大的优势．关键词:S m i t h 预估;模糊P I D ;大滞后中图分类号:T P １３㊀㊀㊀文献标志码:AD e s i gna n dS i m u l a t i o no f T e m p e r a t u r eC o n t r o l S y s t e mB a s e do nS m i t hE s t i m a t eF u z z y PI D X I A B a i Ｇh u a ,J I A N GL o n gＧY u n (S c h o o l o fE l e c t r o n i c a n dE l e c t r i c a l E n g i n e e r i n g ,A n h u i S a n l i a nU n i v e r s i t y,H e f e i ２３０６０１,C h i n a )A b s t r a c t :I nv i e wo f t h e s h o r t c o m i n g s o f t e m p e r a t u r e i n i n d u s t r i a l p r o d u c t i o n c o n t r o l pr o c e s s ,s u c ha s n o n l i n e a r i t y a n d l a r g ed e l a y ,a f u z z y P I Dc o n t r o l l e rb a s e do nS m i t h p r e d i c t i o na l g o Ｇr i t h m w a s d e s i g n e d ．T a k i n g t h e f i r s t Ｇo r d e r p l u s d e l a y s y s t e ma s a n e x a m p l e ,t h r o u gh t h e t h e Ｇo r e t i c a l a n a l y s i s a n dr e s e a r c ho f c o n v e n t i o n a lP I Dc o n t r o l a l g o r i t h m ,S m i t he s t i m a t ec o n t r o l a l g o r i t h ma n d f u z z y P I Dc o n t r o l a l g o r i t h m ,t h i s p a p e r p r o p o s e d a c o n t r o l a l go r i t h mt h a t c o m Ｇb i n e dS m i t h e s t i m a t e c o n t r o l a n d f u z z y a l g o r i t h mt o a p p l y t o t h e t e m p e r a t u r e c o n t r o l s ys t e m ,a n du s e dS i m u l i n kt os i m u l a t e t h e t e m p e r a t u r ec o n t r o l s ys t e m ,a n dc o n c l u d e dt h a t t h ec o n Ｇv e n t i o n a l P I Dc o n t r o l a l g o r i t h m w a sn o t a p p l i c a b l e t o t h e s y s t e m w i t h l a r g ed e l a y ,T h e r i s e t i m e a n d a d j u s t m e n t t i m e o f t h eS m i t he s t i m a t e f u z z y P I Dc o n t r o l a l g o r i t h m w e r e r e d u c e db y１s a n d ２s r e s p e c t i v e l y ．T h e e x p e r i m e n t a l r e s u l t s s h o w e d t h a t t h e f u z z y P I Dc o n t r o l a l g o r i t h m b a s e do nS m i t h p r e d i c t i o nh a d g r e a t e r a d v a n t a g e s i n r e s p o n s e s p e e d a n d r e gu l a t i o n p r o c e s s ．K e y w o r d s :S m i t he s t i m a t e ;F u z z y P I D ;l a r g e d e l a y ㊀㊀工农业生产控制过程中,温度控制约占据工业控制系统的７０％以上,但这些被控对象普遍存在一些较为复杂的因素,如动态特性复杂㊁非线性㊁干扰强㊁滞后时间较大等[１]．若采取简单控制系统且控制器采用常规P I D 控制时,对温度的控制效果并不是很理想,因此必须寻求更加先进且有效的控制方法．1㊀Smtih预估模糊PID控制算法的理论基础1.1㊀控制系统数学模型建立一般情况下,温度控制系统都具有非线性㊁时滞大等特点,为了简化温度控制系统的数学模型,可近似用一阶惯性加纯滞后环节或二阶系统加纯滞后环节来表示．在本文中,温度控制系统的数学模型用一阶系统进行简化,假设其传递函数可表示为G(s)＝K０T０s＋１e－τs＝G０(s)e－τs,(１)其中:K０表示被控对象的静态增益;T０表示被控对象的惯性时间常数;τ表示被控对象的滞后时间常数．在大多数被控过程的动态特性中,通常用τ/T的比值大小作为衡量被控过程纯滞后的严重程度,若τ/T＜０．３,被称为一般滞后过程,对于这类系统,使用常规的P I D控制算法就可得到满意的控制效果;若τ/T＞０．３,则称为大滞后过程,此类系统需采用较为复杂的控制算法进行控制．本文中所讨论的被控对象为大滞后过程,即τ/T＞０．３的温度控制系统．1.2㊀Smith预估模糊PID控制算法理论基础对于大多数定值控制系统来说,需要将被控对象的实时参数与设定值之间进行比较得到偏差,然后根据偏差的大小送入控制器中进行控制,其控制规律通常选用常规P I D(比例㊁积分㊁微分)控制算法,优点在于其原理简单,易于参数整定, P㊁I㊁D３个参数之间相互分离㊁互不干扰,且在分析系统时,也不需要对系统进行复杂的建模分析和处理．随着工业生产过程中控制系统对精度要求的不断提高和被控对象的日益复杂,特别是滞后较大的系统来说,常规的P I D控制算法已经无法满足系统所需的稳定性和精度要求．为了解决这种情况,本文主要以模糊控制算法为基础,采用基于S m t i h预估算法的模糊P I D控制算法对温度系统实施更加精确的控制．(１)反馈控制算法理论基础反馈控制算法是指系统的输出直接作用于系统的输入端,与输入信号进行比较产生偏差后送入控制器中发出控制信号[５],其模型如图１所示．由图１可知系统输出量Y(s)为Y(s)＝G c(s)G v(s)G(s)１＋G c(s)G v(s)G(s)X(s)．(２)图１㊀反馈控制系统模型㊀㊀系统的特征方程为:D(s)＝１＋G c(s)G v(s)G(s)＝１＋G c(s)G v(s)G０(s)e－τs＝０,由于被控对象中存在着滞后环节e－τs项,因此会对系统的稳定性带来不利影响．(２)S m i t h预估控制算法理论基础S m i t h预估控制是一种针对于纯滞后系统设计的控制策略,其系统模型如图２所示．其基本思想[２]是:首先预先估计出被控过程的动态模型,然后引入一个和被控对象相并联的补偿器对被控对象的纯滞后时间进行补偿,使得被滞后了τ时间的被控量提前反馈到控制器的输入端,致使控制器提前发出动作,以减小系统超调,进而加速整个调节过程,从而对纯滞后时间进行削弱和消除．图２㊀S m i t h预估控制系统模型㊀㊀由图２可知此时的闭环传递函数为Y(s)X(s)＝{G c(s)G v(s)G０(s)e－τs}/{１＋G c(s)G v(s)G０(s)e－τs＋G c(s)G v(s)G０(s)(１－e－τs)}＝G c(s)G v(s)G０(s)e－τs１＋G c(s)G v(s)G０(s)．(３)从闭环传递函数可以看出,系统的特征方程D(s)＝１＋G c(s)G v(s)G０(s)＝０中已没有了e－τs 纯滞后项,即该系统与原系统相比已经消除了纯滞后对闭环系统稳定性的影响．(３)模糊P I D控制算法理论基础将S m i t h预估算法㊁常规P I D控制算法与模糊算法相结合就组成了模糊P I D控制算法,其控０６㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀兰州文理学院学报(自然科学版)㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第３７卷制系统模型如图３所示．图３㊀模糊P I D 控制系统模型㊀㊀本文选择的是目前使用较广泛的二维模糊P I D 控制器[３]．将模糊P I D 温度控制系统的给定温度X (s )与测量温度Y (s )之间的偏差记为E ,偏差变化率d e /d t 记为E C ．将E 和E C 作为二维模糊控制器的输入变量,其输出变量为P I D 控制器的参数K p ㊁K i ㊁K d 的修正量ΔK p ㊁ΔK i ㊁ΔK d ．假定E 和E C 的模糊论域为[－５,５],ΔK p ㊁ΔK i ㊁ΔK d 的模糊论域均为[－３,３],系统各参数论域如表１所列．表１㊀系统各参数论域表变量EE CΔK pΔK iΔK d基本论域[－１０,１０][－２,２][－１．５,１．５][－１．５,１．５][－３,３]模糊论域[－５,５][－５,５][－３,３][－３,３][－３,３]量化因子０．５０．４０．５０．５１㊀㊀采用七段式模糊的方法将输入变量和输出变量分解成７个模糊子集[４],其语言变量分别为:正大(P B )㊁正中(P M )㊁正小(P S )㊁零(Z O )㊁负小(N S )㊁负中(NM )和负大(N B )．常用的隶属度函数主要分为３类,即S 形(S M F )隶属函数㊁Z 形(Z M F )隶属函数和三角形(T R I M F )隶属函数,由于目前还没有较为成熟的方法来确定每个系统的具体隶属函数,因此本文选取计算量小㊁灵敏度高且稳定性好的三角形(T R I M F )隶属函数形作为模糊控制的隶属度函数,其曲线如图４所示．图４㊀E 的隶属度函数㊀㊀根据人的直接思维进行推理,采取系统输出的误差E 及误差的变化趋势d e /d t 来设计减小或消除系统误差的模糊控制规则．当误差E 较大时,在选择模糊控制量时应以减小或消除误差为主,而当误差E 较小但误差变化率变化较大时,模糊控制量的选择则应以在保证系统稳定的前提条件下,防止系统出现超调为主．根据专家和个人经验可得修正量ΔK p ㊁ΔK i ㊁ΔK d 的模糊控制规则如表２~表４所列．为了保证系统的稳定性㊁动态和稳态性能基本要求,由最大隶属度法可知,系统中所需的模糊P I D 控制参数,即比例㊁积分㊁微分的输出结果均在原始P I D 参数的基础上进行修正,其修正公式为K ᶄp ＝K p ＋ΔK p ,K ᶄi ＝K i ＋ΔK i ,K ᶄd ＝K d ＋ΔK d ．ìîíïïïï(４)2㊀仿真设计及结果分析假设某一温度控制系统的被控对象的数学模型为G (s )＝１２s ＋１e －３s ,(５)其中,静态开环增益K ０为１,时间常数T ０为２s ,滞后时间τ为３s ,由于τ/T ＝１．５＞０．３,因此系统被认定为大滞后系统．本文仿真均采用MA T ＧL A B 软件中的子模块S i m u l i n k 进行实现,利用其相应模块搭建控制系统原理图,如图５所示．图中点线㊁实线和点划线方框中分别表示常规P I D控制㊁S m i t h 预估控制和S m i t h 预估模糊P I D 控制的原理图．通过示波器观察系统仿真波形,并将３种仿真波形进行比较分析．假设原理图中信号输入模块s t e p 为单位阶跃信号１,代表输入温度值为３０度,其阶跃响应曲线如图６所示．图中,实线代表输入信号,长划线㊁点划线㊁虚线分别为常规P I D控制㊁S m i t h 预估控制和S m i t h 预估模糊P I D 控制的系统响应曲线．从图中可以看出,不管是哪种控制方式,系统总是在滞后时间３s 后才开始作出响应．１６第４期夏百花等:基于S m i t h 预估模糊P I D 的控制温度系统的设计与仿真表２㊀ΔK p模糊控制规则E E CN B P B P B P B P B P M P S０NM P B P B P B P B P M００N S P M P M P M P M０P S P S ０P M P M P S０N S N S NM P S N S N S０N S NM NM NM P M N S０N S NM NM NM N B P B００NM NM NM N B N B表３㊀ΔK i模糊控制规则E E CN B N B N B NM NM N S００NM N B N B NM N S N S００N S N B NM N S N S０P S P S ０NM NM N S０P S P M P M P S NM N S０P S P S P M P B P M００P S NM P M P B P B P B００P S P M P M P B P B表４㊀ΔK d模糊控制规则E E CN B P S N S N B N B N B NM P S NM P S N S N B NM NM N S０N S０N S NM NM N S N S０００N S N S N S N S N S０P S０００００００P M P B P S P S P S P S P S P B P B P B P M P M P M P S P S P B㊀㊀被控对象中由于τ/T＝１．５＞０．３,属于大滞后系统,从图６中可以看出,在常规P I D控制下,无论P,I,D取何值,系统的输出都无法达到一个稳定值,因此无法保证系统的稳定性要求,同时也可以看出常规P I D控制算法对于滞后较大的系统不适用．将S m i t h预估控制和S m i t h预估模糊P I D 控制的响应曲线从计算上升时间㊁调节时间和稳态误差３个参数进行对比分析,其结果如表５所列．由于此被控对象是一阶加纯滞后环节,因此系统响应过程中没有超调现象出现．从表５的数据可以看出,不管控制器采用S m i t h预估控制和S m i t h预估模糊P I D控制中哪一种算法,系统都可以在一段时间后进入稳定状态,且稳态误差几乎相同,但是动态过程则有所不同,与单纯的S m i t h预估控制算法相比,本文控制算法上升时间减小了１s,调节时间减小了２s,即后者响应速度更快,系统的动态调节过程就越快．表５㊀阶跃响应曲线参数对比算法上升时间/s调节时间/s稳态误差S m i t h预估控制１．５３０．０２S m i t h预估模糊P I D控制０．５１０．０２3㊀结语本文提出了一种将S m i t h预估控制算法和模糊控制理论相结合的P I D控制解决方案,实现了对工业温度控制系统中所需温度的精确控制．２６㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀兰州文理学院学报(自然科学版)㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第３７卷图５㊀系统仿真原理图图６㊀阶跃响应曲线从仿真结果可以看出,对于滞后较大的系统来说,常规P I D 控制算法已经无法保证系统稳定性的基本要求,与S m i t h 预估控制算法相比,本文方案在系统的响应速度和动态调节过程持续的时间上具有较大优势,可广泛适用于控制系统中滞后较大的情况,这对于工业控制中的温度控制向更加智能化㊁快速化的方向发展具有重要意义．参考文献:[１]潘永湘,杨延西,赵跃．过程控制与自动化仪表[M ]．第２版．北京:机械工业出版社,２００７．[２]张皓,高瑜翔．前馈反馈S m i t h 预估模糊P I D 组合温度控制算法[J ]．中国测试,２０２０,４６(１１):１３２Ｇ１３８,１６８．[３]吕宝传,高晓红,董帅帅．基于变论域模糊P I D 的供热系统设计和仿真[J ]．吉林建筑大学学报,２０２１,３８(６):７５Ｇ７９．[４]张峰,王强．基于模糊粒子群P I D 算法的温控系统研究[J ]．电子测量技术,２０２２,４５(３３):１０９Ｇ１１４．[责任编辑:李㊀岚]３６第４期夏百花等:基于S m i t h 预估模糊P I D 的控制温度系统的设计与仿真。

基于模糊控制的智能家居灯光与温度控制系统智能家居灯光与温度控制系统是一种集成了现代技术与人居环境需求的智能化系统。

基于模糊控制技术的智能家居灯光与温度控制系统能够根据用户的需求，实现对家居空间的灯光亮度和温度的智能控制与调节。

本文将介绍基于模糊控制的智能家居灯光与温度控制系统的原理、构成和实现方法。

一、智能家居灯光与温度控制系统的原理智能家居灯光与温度控制系统的设计基于模糊控制技术。

模糊控制是一种基于模糊逻辑的控制方法，通过建立模糊规则库和模糊推理机制，将输入的模糊信息映射为模糊输出，从而实现对系统的控制。

在智能家居灯光与温度控制系统中，感知设备将家居空间的光照强度和温度信息采集并传输给模糊控制器。

模糊控制器根据事先设定的模糊规则库，对输入的模糊信息进行模糊推理，得出相应的灯光亮度和温度控制策略。

最后，控制器将控制信号发送给执行器，如调光器和空调，实现对灯光亮度和温度的调节。

二、智能家居灯光与温度控制系统的构成智能家居灯光与温度控制系统包括感知子系统、控制子系统和执行子系统。

感知子系统负责感知家居空间的光照强度和温度信息。

它通常由光照传感器、温度传感器和数据采集模块组成。

光照传感器用于检测室内的光照强度，温度传感器用于检测室内的温度，并将感知到的信息转换成数字信号通过数据采集模块发送给控制子系统。

控制子系统是整个智能家居灯光与温度控制系统的核心部分。

它由模糊控制器和模糊规则库组成。

模糊控制器使用模糊推理机制，根据输入信号和模糊规则库对家居灯光亮度和温度进行控制策略的生成。

模糊规则库是基于专家经验设计的，其中包含了一系列的模糊规则，用于将模糊输入映射为模糊输出。

执行子系统负责根据控制子系统的输出信号控制家居的灯光亮度和温度。

它包括调光器、空调等执行器。

调光器通过控制灯泡的亮度来实现对灯光的调节，空调通过调节制冷或制热来实现对温度的调节。

三、智能家居灯光与温度控制系统的实现方法智能家居灯光与温度控制系统的实现主要包括硬件设计和软件设计两个方面。

Vol. 22 No. 6Noe.2019第 22 卷第 6 期2019 年 11 月西安文理学院学报！自然科学版)Journal of Xin University ( Natural Science Edition )文章编号：1008-5564 (2019) 06-0054-04基于模糊控制的智能家居温控系统设计与仿真李中望1,余云飞打吴昌飞2（1.芜湖职业技术学院电气工程学院，安徽芜湖241006；2.芜湖市晨曦新型建材科技有限公司，安徽芜湖241080）摘要:温度控制系统是智能家居体系的重要子系统，直接关系到住户的舒适度.传统的温度控制系统主要采用反馈控制，即使我们尝试实施常规的PID 控制也无法获得理想的控制效果.因此，在智能 家居环境下的温度控制系统中，尝试采用基于模糊PID 控制的方法,经过仿真分析，系统的稳定性和动 态性能都得到了显著提升.关键词:温度控制;设计;仿真中图分类号:TP273 文献标志码：ADesign and Simulation of Smart Home TemperaterrControl System Basee on Fuzzy ControlLI Zhony-wany 1，YU Yun-fei 1，WU Chany-fei 2（1. Schoai of Electrical Enyineeriny ，Wuhu Institute of Technoloyy ，Wuhu 241006，China ；2. Wuhu Chenxi New Buildiny Mawaalr Techoloyy Co.，LtU ，Wuhu 241080，China ）Abstracr : Temperature conUcO system is an irnpoamt subsystem of smai home system ，which is directly related to tUe comfoa of households. The traditional temperature conUcO system main ­ly adopts feedback control ，even if we to to irnplement the conventional PID control ，we cm notaehte3th3d3sted eonteoe3o et.Th3eooe ， tn th3tmp3eatue eonteoessstm oosmaet home environment ，the method based on fuzzy PID controO is attempod. Through simulation a- nalysis ，the stability and dynamic performance of tUe system have been siynificantty ieproved.Key WO i C s : temperature controO ; desiyn ； simulation伴随着科技的进步，人们的生活水平不断提高•近年来，人工智能和物联网技术迅猛发展，直接带动 了智能家居产业蓬勃兴起•智能家居是以住宅为平台，基于多种关联技术构成的个性化家居系统，经过 对各种数据的收集和科学分析，为用户提供符合个性需求的服务•智能家居广泛融合了信息技术、网络 通信、智能控制等多门学科.有效提升智能家居产品智能化程度，进一步改善用户体验感受，降低用户使 用门槛是目前进行相关研究的重要方向•将各种技术应用到智能家居控制系统中，较大程度地提高产品 的智能化程度和用户体验，项目的研究具有较大的理论和实用价值，意义重大[1] •收稿日期：2019-03-07基金项目：安徽省高校自然科学研究资助项目"KJ2017A557&KJ2019A0974）；安徽省2017年度高校优秀青年人才支持计划项目"yyqZD2017140）；芜湖职业技术学院校级科技创新团队建设项目"Wzykj2018A03）作者简介:李中望"1982$），男，安徽芜湖人，芜湖职业技术学院电气工程学院副教授，主要从事自动控制技术研究.第6期李中望，等.基于模糊控制的智能家居温控系统设计与仿真55温度控制系统作为智能家居体系中的一个重要子系统,对住户的舒适度产生直接影响•传统的温度 控制系统主要采用反馈控制方法,即通过对输出温度信号进行实时采集,并且通过反馈通道送到系统输 入端，与用户设置信号进行负反馈运算，从而实现自动控制•此种系统的性能往往不能令人满意•在日常 生活中，室内的温度会受到很多方面因素的影响，例如室外自然温度、室内照明装置散发的热量、电气设 备工作散热、用户活动因素等等，而这些都属于不规则的随机干扰量，即使我们尝试实施常规的PID 控 制，也无法获取理想的控制效果.在二十世纪六七十年代,国外控制理论专家提出了模糊集合的概念，实现了模糊性和集合论的统一, 标志着模糊数学的产生[2] •模糊性与随机性不同，主要是用来处理模糊现象•传统的自动控制可以通过建 立系统数学模型加以研究,但随着控制系统的复杂程度越来越高,多因素耦合程度提升，加上非线性因素, 数学模型的获取将十分困难.因此，智能家居环境下的温度控制系统，可以尝试采用基于模糊控制的方法.1基本控制思路温度模糊控制系统的的基本框图如图1所示•图1系统基本框图在整个温度控制系统中,模糊控制器是最核心的环节，主要由以下几部分构成：（1） 模糊化接口：即模糊量化处理模块•主要是用来接收温度给定值与被控对象最终输出间的偏差 量（由模/数转换器传送）•模糊控制器需要将信号由确切量转化为模糊量•在某些特殊情况下，如果控 制器是双输入通道,应考虑根据偏差量计算出偏差变化率，然后再进行模糊量化处理•（2） 模糊控制算法模块:当偏差（或者偏差变化率）的模糊量输入到该模块时,根据知识库（通常是 依据控制经验，提前储存起来的专家知识，可以模拟人类模糊推理能力），完成模糊控制器的输出模糊 量的推理过程•（3） 确切化接口：即去模糊化处理模块.经过模糊控制算法模块输出的是模糊控制量，而在进行实 际温度控制时，必须是确切的值，因此在本环节主要是将模糊运算得到的模糊输出转换成确切的控制 量,以便能够被实际系统所接受，然后再通过数/模转换器变换成模拟量，传递到执行机构[3] •2温度模糊控制器的设计对于在智能家居中应用的温度控制系统而言,对于模糊控制器的设计很关键•在传统的温度自动控制系统中，广泛地采用常规PID 控制方 式，如图2所示.系统中,PID 控制器接收的是温度偏差信号e （4，分别进行比例、积 图2常规PID 控制方式示意图e(f)riiJ 分和微分运算•采用模糊控制器进行设计，可以获得更快的响应速度和更高的可靠性，并且可以大大简 化参数设置过程，对于参数变化也拥有更强的适用性.（1）按照广泛采用的二维模糊控制器结构进行设计，如 图3所示，该种结构可以克服一维模糊控制器动态性能不佳的 缺点，同时避免维数过高、模糊控制规则复杂的问题•本系统中的二维模糊控制器是以室内温度的误差信号和误差的变化量 信号作为输入•图3二维模糊控制器示意图Ea FCU .de/dZ --►EC 1（2）为了有效提高模糊控制的精度,在系统设计的模糊控制器中，选取负大（NB ）、负中（NM ）、负小 （NS ）、负零（NO ）、正零"P0）、正小（PS ）、正中（PM ）、正大（PB ）以及平均值"AZ ）等模糊状态⑷.对于温56西安文理学院学报！自然科学版)第22卷度误差变量,可以选择如下模糊集合：)nb,nm,ns,no,po,ps,pm,pb*对于室内温度变化量信号而言，可以划分7个模糊状态(除了NS和NM).无论对于哪种信号，都可以根据实际情况来选取相应的隶属函数•在现代化的智能家居系统中，根据我们的实际经验来进行语义规则的推导，获得模糊控制的状态表，模糊控制器将以此作为推理的根据.(3)获得控制变量、温度误差和温度误差变化量的模糊集后，可以借助MATLAB中专用的模糊逻辑工具箱，依照实际情况选择相应的算法，进行相应的仿真分析.综合以上分析，本系统最终采用基于自适应模糊控制的PID控制技术,总体采用二维模糊控制器结构,将误差变化率l和误差c作为控制器输入量,依照两个变量的变化，在模糊控制规则表制订的规则之下，对于PIP控制器9-9和9：三个关键参数进行适当地调节，经过模糊化模块、近似推理模块以及模糊数据清晰化处理，得到相应的输出量，加到设计的PIP控制器中，在线调整PIP参数•控制器结构如图4表示.图4PIP控制装置结构3仿真分析系统设计完成后，可以借助MATLAB软件对温度模糊控制系统进行仿真分析,在仿真过程中，可以综合应用SIMULIPK工具箱和模糊逻辑工具箱"Fuzzy Logic Toolbox).其中，SIMULINK是MATLAB最早 开发的仿真环境，特色鲜明•我们可以使用它进行电路或系统的组织或者绘制，在进行仿真参数的设置后，可以启动仿真工作.温度模糊控制系统的运行状态和相关结果可以通过示波器工具(Scope)对仿真曲线和仿真波形进行观测•模糊逻辑工具箱可以通过对函数命令的调用或者应用图形用户界面(G1)来实现模糊推理系统的生成以及编辑'5(•经过对智能家居控制系统的分析，为了更方便地了解基于模糊控制的控制系统的特点，可以建立智能家居温度控制系统的数学模型(传递函数),近似认为该传递函数由比例环节、振荡环节、延迟环节构成：一0.02e]e_——2e2+45+1如果对控制精度要求不高,可以考虑采用基本的PID控制方式.PID控制器是基于数学模型基础建立的，综合考虑被控对象的动静态性能，依据偏差构成控制量,对被控对象进行控制•基本PIP控制器仿真模型如图5所示(各环节系数分别设为0.85,0.15,0.35)•图5PID控制器仿真模型第6期李中望，等•基于模糊控制的智能家居温控系统设计与仿真57如果进行模糊控制，则需要进行模糊控制器的设计，在此过程中，需要通过一定的模糊逻辑算法，遵 循特定的模糊控制规则，对传统的PID 控制器中的比例（P ）、积分（D 、微分（D ）环节的参数实时进行必 要的优化，从而获得更加理想的控制过程•控制规则的制订一般是基于人们的长期经验积累，是通过长 期学习、实践后形成的，它是技术知识的一种集合，操作者经过对被控对象或被控过程的观测，在已有经 验和知识的基础上，进行综合的分析，通过对控制作用的调整，完成预期控制目标.控制装置依据预先设 置的输入信号以及负反馈信号,通过计算获得实际温度与理想温度的偏差c ,同时获得当前偏差变化量 dc ，由模糊规则开启模糊推理过程，之后对模糊化参数进行去模糊化处理（也称解模糊化），最终输出基 于模糊控制的控制器的各项系数'6（•应用MATLAB 软件，进行控制器模型的建立，如图6所示.图7仿真曲线图6模糊控制器仿真模型进行仿真后，可以得到在两种控制模式下的仿真曲线，如图7所示.可以对图中的两条仿真曲线进行对比，不难归纳出,如果温度控制系统采用模糊PID 控制后，仿真曲线的最大超调量更小（稳定性更好），调节时间变短（快速性增强）.此外，模糊PID 控制器的结构简单,无论是硬件设计方面，还是后期软件实现都比较容易•而采用常规的PID 控制器进行温度控制，算法上会比较简单，鲁棒性能得到基本的保证，控制效果也比较好.但这种装置不具备自适应能力，一旦室内情况发生变化，无法实时地在线自整定参数•特别的，如果参数变化超出了一定的范围，整个控制系统的性能将明显受到影响. 因此，对于常规的PID 控制器来说，更多是应用在线性时不变系统中，如果是在非线性时变的系统中应用,控制效果不是十分理4结语温度控制系统是智能家居系统中的重要部分，在智能家居温度控制系统中应用模糊PID 控制器，鲁 棒性更好，控制精度更高,对于环境的适应性也会更强.相应的控制方法也可以广泛地应用到智能家居 的其他子系统中去.［参考文献］:1 ］张继成，陈海涛，欧阳斌林，等•基于光敏传感器的精密播种机监测装置'J ］ •清华大学学报（自然科学版）,2013,52（2） ：265 -268.:2］罗淳•模糊自整定PID 的温室温度控制器的设计'D ］.武汉:武汉科技大学,2009.:3 ］吕小红，周凤星，马亮•基于单片机的电阻炉温度控制系统设计［J ］.微计算机信息,2008,24 （17）:119 -120. :4］戴如俊•基于规则的模糊控制器的改进'D ］.哈尔滨:哈尔滨理工大学,2007.:5］ 丁立军，华亮，陈峰•基于超声波传感器与红外传感器的移动机器人感测系统研制:J ］ •南通大学学报（自然科学版）,2008 ,7 （2）：13-17.:6］周琛晖，冯少怀•基于DS18B20的温度测量系统［J ］ •电脑知识与技术,2009,5 （10） ：2755 -2756.［责任编辑马云彤］。

室内温度的仿真与控制研究第一章绪论随着科技的发展，人们对于居住生活的要求越来越高。

室内温度的控制作为其中的一项重要指标，成为人们维持舒适生活所必须具备的重要条件之一。

因此，室内温度的仿真与控制研究一直是工程学科领域研究的热点之一，具有重要的理论和实际意义。

本文从室内温度的仿真与控制两个方面来展开论述，旨在提供一些新思路和方法，以推动室内温度控制的发展。

第二章室内温度仿真2.1 室内温度仿真的意义室内温度仿真是指对于某个室内环境模型进行数字模拟，从而得出其温度分布规律的过程。

它具有这样的意义：一方面可以帮助研究人员深入了解各种环境因素对于室内温度的影响，从而为室内温度控制提供技术支持；另一方面可以在实际工程中提高维修人员的工作效率，减少不必要的浪费。

2.2 室内温度仿真的方法室内温度仿真的方法有很多，常见的有基于有限元、基于CFD 和基于神经网络等，这里我们以基于神经网络的方法为例简要介绍一下。

神经网络是一种模拟人类神经系统结构和功能的数学模型，能够从大量数据中学习特征并建立较为准确的预测模型。

在进行室内温度仿真时，可以通过收集室内温度相关数据，将数据转化为神经网络所能识别的模式，并构建出预测模型。

在未来对于室内温度进行预测的时候，只需要将当前的环境数据输入模型，即可得到预测结果。

这种方法具有简单、快速、准确、可靠性高等优点，受到越来越多人的推崇。

第三章室内温度控制3.1 室内温度控制的意义室内温度控制是指将某一室内环境模型的温度控制在某一预定值内，使其达到最佳状态的技术过程。

它具有这样的意义：一方面可以保证室内环境的舒适性，另一方面可以降低能耗、提高环保指数、保护健康等。

3.2 室内温度控制的方法室内温度控制的方法多种多样，其中最常见的是基于PID控制策略的方法。

PID控制策略是将比例控制、积分控制和微分控制三种控制方法相结合，形成完整的控制系统，以此对室内环境进行控制。

在应用过程中，只需要通过调整控制参数，就可以将温度稳定控制在预设的范围内。

模糊PID温度控制方案的仿真优选及其实现模糊PID温度控制方案的仿真优选及其实现摘要：随着科技的不断发展，温度控制在工业生产中扮演着至关重要的角色。

传统PID控制方法在温度控制中被广泛应用，但在某些非线性或者模糊的系统中效果并不理想。

本文基于模糊控制的思想，结合PID控制策略，提出了一种模糊PID 温度控制方案，并对其进行了仿真优选和实现。

1. 引言温度控制在许多工业生产过程中具有重要的意义，如化工、冶金、能源等领域。

传统的PID控制方法可以对线性系统进行良好的控制，但对于非线性或者模糊的系统效果较差。

因此，如何在这些系统中实现稳定且精确的温度控制是一个具有挑战性的问题。

2. 模糊PID温度控制方案的原理及设计2.1 PID控制原理PID控制是一种经典的控制策略，通过比较实际温度值与设定温度值之间的偏差，计算出一组控制参数，包括比例项（P 项）、积分项（I项）和微分项（D项），从而实现对温度的精确控制。

2.2 模糊控制原理模糊控制是一种基于模糊逻辑的控制方法，通过将模糊逻辑运用于控制系统中，使得系统能够处理模糊或不确定性信息。

模糊控制中的模糊集合、模糊规则和模糊推理机制是关键要素。

2.3 模糊PID温度控制方案模糊PID温度控制方案是将模糊控制方法应用于PID控制中，通过模糊逻辑推理机制确定PID参数。

首先，建立温度控制的输入和输出模糊集合，并设计一组模糊规则；然后，利用模糊推理机制计算出相应的PID参数，最后通过PID控制器实现温度的控制。

3. 仿真优选为了验证模糊PID温度控制方案的有效性，本文进行了仿真优选实验。

在仿真实验中，将传统PID控制和模糊PID控制分别应用于具有非线性或模糊性的温度控制系统中，对比其控制效果。

3.1 仿真参数在仿真实验中，选择了一种具有非线性和模糊特性的温度控制系统作为研究对象，设置了适当的控制参数和设定温度值。

3.2 仿真结果及对比分析通过对比模糊PID控制和传统PID控制的仿真结果，发现在面对具有非线性或模糊性的温度控制系统时，模糊PID控制方案具有更好的稳定性和控制精度。

2020.06图1模糊关系下的模糊结构1概述随着人们对舒适生活环境的追求和国家对节能减排的大力推行,构建一个舒适又节能的居住环境成为当下研究的热门问题。

由于室内热环境是一个繁杂的多变量系统,系统中的各变量之间存在有非线性、强耦合以及各种无法确定的因素,所以很难控制。

目前,在多输出模糊控制器的设计中,大都通过输出解耦,将多变量转化为多个单输出系统,降低了控制精准度。

为了解决多输出系统的耦合的问题,针对热环境模糊关系建立了一种基于左半张量积的新型模糊关系矩阵模型减少传统模糊控制规则建立和推导的复杂性,使运算简便、精准度提高,从而得到更可靠的输出数据。

同时,搭建了一套完整的智能控制系统,通过智能感知周围环境温湿度,自动控制风量、智能切换通风口,实现自动调节、按需送风,提升智能家居的便利、舒适与节能性。

2基于左半张量积的热环境建模2.1矩阵左半张量积表示模糊集合为简便下文热舒适度控制模型的描述,需定义一些符号。

定义1[1]设,,且设n 与p 的最小公倍数为α,则矩阵A 与B的半张量积记作,定义为(1)定义2[2]设一个有限论域E,E=,若A 是论域E 上的一个模糊子集,则A可以表示为(2)其中是元素e i 在模糊集A 上的隶属度。

2.2模糊关系矩阵的结构体系如图1模糊关系下的模糊结构图所示,利用矩阵的左半张量积运算,通过建立起的输入与输出变量之间的模糊关系矩阵,从而得到一个完整的模糊结构体系来实现数字化模糊控制。

定义3[2]设E 是论域,A={A 1,A 2,…,A k ,}是E 上的模糊子集。

(E,A)构成了模糊结构,模糊子集A i 的支集记为(3)定义4[2]设论域E 是有序集,若sup (Supp (A i ))<sup (Supp (A i+1)),则称A={A 1,A 2,…,A k ,}为在隶属度下的模糊关系集合。

定义5[2]给定一个模糊结构(E,A),其中:E 是有序集,A 是在隶属度条件下的模糊关系集合。

目录1 绪论 (1)2 总体设计方案 (2)2.1 温度控制系统控制方案 (2)2.2 电路设计方案 (3)2.2.1 方案比较 (3)2.2.2 方案论证与选择 (4)2.2.3 方案具体设计 (4)3 单元模块设计 (6)3.1 各单元模块设计及功能介绍 (6)3.1.1 主控电路部分 (6)3.1.2 键盘输入模块 (7)3.1.3 温度检测模块 (8)3.1.4 液晶显示模块 (9)3.1.5 加热电路模块 (9)3.1.6 降温电路模块 (10)3.1.7 实时时钟电路模块 (11)3.2 特殊器件的介绍 (11)3.2.1 AT89C51 (11)3.2.2 DS18B20 (14)3.2.3 DS1302 (16)3.2.4 液晶1604 (17)3.2.5 ULN2003A (20)3.2.6 74LS373 (21)3.2.7 继电器 (22)4 模糊控制器的设计与MATLAB仿真 (23)4.1 模糊控制器的建立 (23)4.1.1 被控对象概况 (23)4.1.2 模糊控制器的设计 (23)4.2 温度控制器FIS设计 (27)4.3 设计的模糊控制器在Simulink下的仿真 (33)4.3.1 温度系统的Simulink仿真 (34)4.3.2 设计中各个模块介绍 (37)4.3.3 仿真总结 (38)5 软件部分 (40)5.1 主程序 (40)5.2 液晶显示子程序 (41)5.3 键盘扫描子程序 (42)6 硬件系统的调试与仿真 (44)7 总结与体会 (47)8 谢辞 (49)9 参考文献 (50)附录1：电路原理图 (51)附录2：程序设计 (53)附录3：外文资料翻译 (56)。