基于自适应遗传算法的DFB激光器模糊PID温控系统*
马小雨
河南工程学院 计算机学院, 郑州 451191

作者简介: 马小雨(1978-),男,河南郑州人,讲师,硕士,主要从事计算机网络与安全等方面的研究.

摘要

针对传统的PID控制算法很难准确控制DFB激光器温度的问题,提出并设计了一种基于模糊PID控制和自适应遗传算法的新型DFB温度控制系统.该控制系统由硬件和软件两部分构成,在硬件设备上以单片机作为控制系统的处理器,以铂电阻和热电冷却器分别作为控制系统的敏感器和执行器;在控制算法上利用自适应遗传算法来优化模糊PID的自整定规则.结果表明,该系统能够实现DFB激光器在5~65℃温度范围内的有效控制,控制误差和超调量分别低于0.0023℃和10%,具有较好的应用前景.

关键词: DFB激光器; 模糊PID控制; 自适应遗传算法; 温度控制; 自整定; 优化; 非线性; 延迟性
中图分类号:TN248.4 文献标志码:A 文章编号:1000-1646(2017)04-0454-05 doi: 10.7688/j.issn.1000-1646.2017.04.18
Fuzzy PID temperature control system for DFB laser based on adaptive genetic algorithm
MA Xiao-yu
School of Computer Science, Henan University of Engineering, Zhengzhou 451191, China
Abstract

Aiming at the problem that the traditional PID control algorithm is difficult to accurately control the temperature of DFB laser, a new DFB laser temperature control system based on fuzzy PID control and adaptive genetic algorithm was proposed and designed. The control system consisted of hardware and software. For the aspect of the hardware device, the micro controller unit (MCU) was used as the processor of control system, while the platinum resistance and thermo electric cooler (TEC) were taken as the sensor and actuator of control system, respectively. For the aspect of control algorithm, the adaptive genetic algorithm was used to optimize the fuzzy PID self tuning rule. The results show that the proposed system can achieve the effective control of DFB laser in the temperature range from 5℃ to 65℃. The control error and overshoot are lower than 0.0023℃ and 10%, respectively. Hence, the proposed system has a wide application foreground.

Keyword: DFB laser; fuzzy PID control; adaptive genetic algorithm; temperature control; self tuning; optimization; nonlinearity; latency

DFB激光器具有单色性、质量轻和效率高等优点, 能够广泛应用在甲烷和一氧化碳等有害气体的检测上, 但是它的检测性能受温度影响较大[1, 2, 3].因此, 为了确保有害气体检测的准确度, 必须严格控制DFB激光器的工作温度, 使其保持恒温状态.

国内外有很多学者都对DFB激光器的高精度温度控制问题进行了研究.文献[4]设计了基于BP神经网络和数字增量式PID的DFB恒温控制系统, 仿真实验结果指出精度和温控范围分别为± 0.05℃和5~65℃; 文献[5]采用FPGA作为核心处理单元, 采用传统PID算法对系统温度进行实时控制, 温控范围为10~50℃, 精度为± 0.03℃; 文献[6]设计的温控系统采用微型控制器和数字离散化的Ziegler-Nichol控制算法, 调节范围为5~60℃, 精度仅为± 0.05℃; 文献[7]介绍了用于气体检测的DFB激光器温控系统设计方案, 有效温控范围为10~50℃, 准确度仅为± 0.05℃.上述方法得到的结果范围窄、精度低, 这是由于温度控制系统普遍存在着非线性和延迟性等问题, 而上述方法都是在对于线性和非延迟性对象有效的经典PID控制框架下来进行研究的.因此, 为了能够实现宽范围、高精度的DFB激光器温度控制, 利用模糊PID控制策略和自适应遗传算法能够较好地解决系统的非线性和延迟性方面的问题, 将两者结合起来设计控制算法, 利用单片机、铂电阻和TEC半导体制冷器来设计控制系统, 并用实验来验证温控系统的可靠性和有效性.

1 硬件系统设计
1.1 系统总体方案

本文设计的基于自适应遗传算法的DFB激光器模糊PID温度控制系统总体框图如图1所示.

图1 系统总体框图Fig.1 General block diagram of system

整个温控系统主要包含两大部分:第一部分为外围设备, 主要有LED显示器、串行总线和上位机等, 负责温度的设定、实时显示以及与上位机之间的通信; 第二部分为内置设备, 主要由DFB激光器、温度传感器、信号调整电路、A/D、单片机、D/A、PWM调整电路、驱动电路和制冷器等组成, 负责温度数据的采集和实时处理.该温控系统的工作原理是:温度传感器将温度变化转变为电信号, 经过信号调整和A/D转换送给单片机, 滤波处理之后与标准值进行比较计算得到偏差和变化率, 再根据复合控制策略计算得到相应的控制量来改变PWM的输出, 将PWM信号由D/A转换和驱动电路进入执行器件, 从而对被控对象加热或者制冷.

1.2 温度测量

在测量温度值时, 由于恒流源有受环境影响小、抗干扰能力强的优点, 因此采用恒流源的方法来设计温度测量电路, 如图2所示.前端模拟信号处理器使用的芯片为AD7713, 其分辨率高达24bit, 它提供两路恒流输出和两路差分输入.恒流源1为参考电阻R1和热敏电阻Rt提供激励源, 恒流源2通过高精度电阻Rref为AD7713提供基准电压, 热敏铂电阻为4线连接, 可以减小导线电阻对温度测量值的影响, r1~r4分别为导线电阻, A1A2均为运放, 开环放大倍数、输入阻抗和输出阻抗均为无穷大.

图2 温度测量电路Fig.2 Circuit of temperature measurement

1.3 TEC和驱动

采用TES1-4903P型热电制冷器(TEC)作为系统的温度控制执行器件, 它能控制的最高温度为67℃.为了快速地控制TEC的电流, 采用大功率DRV592型驱动集成块, 并用PWM来触发.PWM信号先进行光电隔离, 然后再输入DRV592, 从而使得其功率得到放大, 在经过LC滤波后输出直流电流来驱动TEC工作.滤波电路如图3所示.

图3 LC滤波电路Fig.3 Circuit of LC filtering

2 自适应遗传算法优化的模糊PID控制
2.1 模糊PID控制规则

在模糊PID控制中, 控制器的输入为偏差e和偏差的变化率Δ e, 通过模糊控制规则来修正PID三个参数, 从而实现PID参数的自整定, 构成了模糊PID控制器, 结构原理图[8]如图4所示.

图4 控制器的结构框图Fig.4 Structural block diagram of controller

在控制过程中, 针对不同的 eΔe, 分别需要对三个参数kpkikd进行自整定, 具体步骤如下:

1) e偏大时, kpkd的取值应该分别较大和较小, 并取ki=0, 限制积分作用, 防止超调量较大.

2) e居中时, kp的取值应该较小, ki的取值应该适中, kd的取值必须适当, 才可以提高系统的响应速度.

3) e较小时, kpki的取值应该较小.此时, 若 Δe较大时, 对应的kd应该较小; 反之亦然.

根据三角隶属函数的物理论域, 定义 eΔe的变化范围分别为 e∈ X1=[-3, 3]和 Δe∈ X2=[-0.2, 0.2], 其模糊子集为{NB, NM, NS, ZO, PS, PM, PB}, 表示的含义分别为{负大, 负中, 负小, 零, 正小, 正中, 正大}, 选择三角形函数为隶属函数[9], 根据多次经验来制定PID参数的自整定规则, 分别如表1~3所示.

表1 Δ kp的自整定规则 Tab.1 Self tuning rule of Δ kp
表2 Δ ki的自整定规则 Tab.2 Self tuning rule of Δ ki
表3 Δ kd的自整定规则 Tab.3 Self tuning rule of Δ kd

根据表1~3计算PID参数, 即kp=kp0kpkp0/3, ki=ki0kiki0/3, kd=kd0kdkd0/3, 其中, kp0ki0kd0分别为参数初始值.

2.2 自适应遗传算法优化模糊规则

模糊PID控制系统的性能效果取决于模糊规则的制定, 而模糊规则又依赖经验知识, 无法保证制定的规则能够达到最优或者次优.为此, 利用自适应遗传算法来优化模糊规则, 可实现更好的控制效果[10].

遗传算法适应度函数表达式为

f=1J+exp(-10)=10te(t)dt+exp(-10)(1)

式中, J为时间与误差绝对值乘积的积分, 它能够反映响应时间、超调量和稳态误差等控制性能, J越小, 性能越好.

将模糊子集{NB, NM, NS, ZO, PS, PM, PB}用二进制表示为{001, 010, 011, 100, 101, 110, 111}.那么, 需要优化的模糊规则一共有7× 7=49条, 因此每个染色体含有49× 3=147个规则基因.采用自适应遗传算法, 动态地改变交叉概率和变异概率, 使得种群具有多样性, 提高了收敛速度和计算精度.交叉概率Pc和变异概率Pm的计算表达式分别为

Pc= k1(fmax-f)(fmax-favg) (f> favg)k3(ffavg)(2)

Pm= k2(fmax-f)(fmax-favg) (f> favg)k4(ffavg)(3)

式中:fmaxfavg分别为种群的最大适应度和平均适应度; f为个体的适应度值; ki为比例因子, 0< ki< 1, i=1, 2, 3, 4.

3 实验结果与分析

根据上述理论分析进行实验验证.采用自适应遗传算法来优化模糊PID控制规则, 为了加快搜索速度和精度, PcPm的值不能太小或太大, 取k1=0.2、k3=0.2、k2=0.15、k4=0.004.优化之后的规则表分别如表4~6所示.

表4 自适应遗传算法优化后Δ kp的自整定规则 Tab.4 Self tuning rule of Δ kp after optimizing with adaptive genetic algorithm
表5 自适应遗传算法优化后Δ ki的自整定规则 Tab.5 Self tuning rule of Δ ki after optimizing with adaptive genetic algorithm
表6 自适应遗传算法优化后Δ kd的自整定规则 Tab.6 Self tuning rule of Δ kd after optimizing with adaptive genetic algorithm

采用优化之后的自整定规则表来设计控制器, 为了显示本文设计系统的优越性, 将本文算法与文献[4]方法和文献[5]方法分别进行了实验比较.实验室温度的初始值为20℃, 设定期望的DFB激光器温度值分别为5、15、40和65℃, 从零时刻开始启动温度控制系统, 得到了三种方法的温度控制实验结果分别如图5~8所示.

图5 目标温度为5℃时三种方法对应的实验曲线Fig.5 Corresponding experimental curves for three methods at target temperature of 5℃

图6 目标温度为15℃时三种方法对应的实验曲线Fig.6 Corresponding experimental curves for three methods at target temperature of 15℃

图7 目标温度为40℃时三种方法对应的实验曲线Fig.7 Corresponding experimental curves for three methods at target temperature of 40℃

图8 目标温度为65℃时三种方法对应的实验曲线Fig.8 Corresponding experimental curves for three methods at target temperature of 65℃

从图5~8中所示的结果可以看出, 本文设计的控制算法能够使DFB激光器的温度达到预期的设定值.对于目标温度分别为5和15℃的温度控制, 超调量均小于10%, 控制精度约为± 0.0023℃; 对于目标温度分别为40和65℃的温度控制, 超调量很小, 控制精度约为± 0.0017℃.相比较而言, 文献[4]和文献[5]的方法超调量均较大, 且调节时间也较长.因此, 与另外两种方法相比较, 采用本文方法设计的温度控制系统可以实现DFB激光器工作温度的快速和高精度的控制, 并且稳定性较好.

4 结 论

本文针对DFB激光器温度控制系统存在的非线性和延迟性等问题, 提出并设计了一种基于模糊PID控制和自适应遗传算法的新型温控系统, 介绍了系统的硬件构成, 分析了系统的控制算法, 利用自适应遗传算法来优化模糊PID的自整定规则.实验结果表明, 该系统的有效温控范围为5~65℃, 控制误差和超调量分别低于0.0023℃和10%, 因此精度较高, 稳定度较好, 具有良好的工程应用价值.

The authors have declared that no competing interests exist.

参考文献
[1] 张志荣, 夏滑, 董凤忠, . 利用可调谐半导体激光吸收光谱法同时在线监测多组分气体浓度[J]. 光学精密工程, 2013, 21(11): 2771-2777.
(ZHANG Zhi-rong, XIA Hua, DONG Feng-zhong, et al. Simultaneous and on-line detection of multiple gas concentration with tunable diode laser absorption spectroscopy[J]. Optics and Precision Engineering, 2013, 21(11): 2771-2777. ) [本文引用:1]
[2] 陈霄, 隋青美, 苗飞, . 应用单一超窄线宽激光器的多气体检测系统设计[J]. 光学精密工程, 2011, 19(7): 1495-1502.
(CHEN Xiao, SUI Qing-mei, MIAO Fei, et al. Design of detecting system for multi-component gases based on single ultar-narrow line width laser[J]. Optics and Precision Engineering, 2011, 19(7): 1495-1502. ) [本文引用:2]
[3] Ye W L, Zheng C T, Yu X, et al. Design and perfor-mance of a mid-infrared CH4 detectioin device with novel three-channel-based LS-FTF self-adaptive denoising structure[J]. Sensors and Actuatos B: Chemical, 2011, 155(1): 37-45. [本文引用:1]
[4] 康伟. 基于BP神经网络的DFB激光器恒温控制系统建模与仿真[J]. 激光杂志, 2015, 36(4): 59-61.
(KANG Wei. Modeling and simulation of the constant temperature control system based on BP neural network for DFB laser[J]. Laser Journal, 2015, 36(4): 59-61. ) [本文引用:2]
[5] 刘泽利. 用于气体检测的高精度DFB激光器温控系统[J]. 激光杂志, 2014, 35(12): 82-84.
(LIU Ze-li. High precision DFB laser temperature control system used in gas detection field[J]. Laser Journal, 2014, 35(12): 82-84. ) [本文引用:2]
[6] 李培. 基于PID算法的高稳定性激光器温度控制器[J]. 计算机测量与控制, 2014, 22(4): 1111-1113.
(LI Pei. High stable DFB temperature controller based on PID algorithm[J]. Computer Measurement & Control, 2014, 22(4): 1111-1113. ) [本文引用:1]
[7] 黄渐强, 翟冰, 何启欣, . 用于气体检测的近红外半导体激光器温控系统[J]. 光子学报, 2014, 43(6): 1-6.
(HUANG Jian-qiang, ZHAI Bing, HE Qi-xin, et al. A temperature controller for near-infrared semiconductor laser used in gas detection[J]. Acta Photonica Sinica, 2014, 43(6): 1-6. ) [本文引用:1]
[8] 戴俊珂, 姜海明, 钟奇润, . 基于自整定模糊PID算法的LD温度控制系统[J]. 红外与激光工程, 2014, 43(10): 3287-3291.
(DAI Jun-ke, JIANG Hai-ming, ZHONG Qi-run, et al. LD temperature control system based on self-tuning fuzzy PID algorithm[J]. Infrared and Laser Enginnering, 2014, 43(10): 3287-3291. ) [本文引用:1]
[9] 余尧, 王先全, 朱桂林, . 基于BP神经网络自整定的PID温度控制系统的设计[J]. 电子器件, 2015, 38(6): 1360-1363.
(YU Yao, WANG Xian-quan, ZHU Gui-lin, et al. Study of temperature control system based on BP neural network self-tuning PID controller[J]. Chinese Journal of Electron Devices, 2015, 38(6): 1360-1363. ) [本文引用:1]
[10] 李南生, 杨新, 李幸周. 边坡稳定制约下土石坝截面优化遗传算法[J]. 沈阳工业大学学报, 2015, 37(2): 200-206.
(LI Nan-sheng, YANG Xin, LI Xing-zhou. Sectional optimization genetic algorithm of earth-rockfill dam subjected to slope stability constraint[J]. Journal of Shenyang University of Technology, 2015, 37(2): 200-206. ) [本文引用:1]