算法結構

為了解決生化培養過程中，溫度和濕度相 互制約，相互影響的問題，需要對系統溫、濕 度變化進行解耦，然而生化培養過程的數學模 型難以直接獲取，導致常規的解耦方法無法使 用。

針對具有雙輸入雙輸出的生化培養箱，本文提出了一種基于神經元解耦的變參數模糊制方法，。

整個控制系統由基于改進模糊算法的溫、 濕度獨立控制，以及基于神經元的解耦補償兩 部分組成。

基于改進模糊算法，首先利用模糊控制器 根據溫、濕度設定值和系統檢測反饋值，實現 對溫、濕度獨立閉環控制，同時為了解決傳感 器漂移和固定參數模糊算法環境適應性差的問 題，采用粒子群算法算法對模糊隸屬度進行在 線優化。

神經元解耦補償器，位于模糊控制器與控 制對象之間，利用神經元的自學習特性，實現 對溫度和濕度控制量耦合關系的學習，利用解 耦結果對控制量進行補償。從而保證改進模糊 算法計算的控制量相互獨立，無需關心耦合關 系。

模糊控制器的設計

溫度模糊控制器采用雙輸入，單輸出結 構。輸入 e1 為生化培養過程溫度與設定值 偏 差， 模 糊 變 量 為 {NL， NM， NS， O， PS， PM， PL}，論域 E1 ＝ {-7,-6,-5, -4, -3,  -2, -1, 0, 1, 2, 3, 4, 5,6,7}。輸入 e2 為溫度偏 差變化率，模糊變量為 {NL， NS， O, PS， PL}，論域 E2 = { -4, -3, -2, -1, 0, 1, 2, 3, 4}。 輸出u為溫度調節量，U的模糊變量為：{NL， NM， NS， O， PS， PM， PL}， 論 域 U ＝ { -6，-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5，6}。

濕度模糊控制器，輸入 e1 為濕度與設定 值偏差，模糊變量為 {NL， NM， NS， O， PS， PM， PL}， 論 域 E1 ＝ {-5, -4, -3, -2,  -1, 0, 1, 2, 3, 4, 5} ；輸入 e2 為濕度偏差變化 率，模糊變量為 {NL， NS， O, PS， PL}， 論域為 E2 = { -4, -3, -2, -1, 0, 1, 2, 3, 4} ；輸 出 u 為濕度調節量， U 的模糊變量為 ：{NL， NM， NS， O， PS， PM， PL}， 論 域 U ＝ { -6，-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5，6}。 為了更好的抑制環境參數變化對生化培養過程 控制系統的影響，方便參數調節，本文采用梯 形函數。

根據生化培養過程工藝的專家經驗，溫、 濕度模糊控制的規則，均按照偏差較大時快速 調節，偏差較小時精細調節的原則，總結出模 糊控制規則，如表 1 所示。 根據所本文所設計的隸屬度及模糊推理規 則，同時利用 Mamdani 模糊推理方法進行解模糊，得到模糊控制查詢表。通過清晰化接口和查詢表，分別得熱電偶電流和鼓風機轉速的調節量。