摘要：文中在研究主動式太陽房采暖系統基礎上，針對其中的溫度控制，提出了一種蟻群—PID的復合控制算法。該算法利用蟻群算法在線優化PID控制器的三個參數，達到改善整個控制系統性能、取得最佳控制效果的目的。經過仿真驗證，該復合控制算法的控制性能優于常規的控制器，對主動式太陽房中的溫度調節取得了良好的控制精度，以及調節的平滑性、可靠性，提高了太陽能這種可再生能源的使用效率，發揮了其在建筑節能中的作用，突出了信息技術在節能降耗中的功效。
　　關鍵詞：主動式太陽房；集熱設備；PID；蟻群算法
　　中圖分類號：[TU111.4+5]
　　
　　0引言
　　隨著我國能源需求的與日俱增，對太陽能這種可再生能源的使用愈加受到人們關注。尤其在建筑節能中，關于太陽能的應用成為熱點。在以往主動式太陽房的控制系統中，控制系統采用常規的PID溫度控制算法。該算法使得系統的可靠性及魯棒性都得不到最大的滿足，而本文針對“主動式太陽房”這種新型的太陽能應用模式，提出了其中的溫度控制算法。如圖1所示，主動式太陽房主要是由太陽能集熱器、蓄熱水箱、循環水泵、散熱器、輔助熱源、溫度傳感器、控制系統等組成，太陽房中的控制系統是恒溫控制系統，而太陽房的采暖及供熱系統主要是針對溫度的控制。在控制系統策略的選擇方面，一般采用PID控制算法，若其三參數、、（¬——比例系數；——微分系數；——積分系數）選擇恰當，控制算法就有良好的魯棒性及可靠性。因此，針對不同被控對象的PID三參數的整定問題，一直是該算法應用的“瓶頸”。本文正是根據太陽房溫度控制的特點，提出蟻群—PID控制算法。
　　1主動式太陽房采暖系統[1][2][5]
　　主動式太陽房采暖系統（如圖1所示），可分為三個回路，主要包括集熱器、蓄熱水池、循環水泵、散熱器、輔助熱源、溫度傳感器，控制器等設備。
　　第一個回路為集熱回路。安裝在集熱器底部的溫度傳感器采集到的溫度高于設定的溫度值時，控制器對循環水泵操作，水泵開啟，此時水從補水箱經循環泵進入集熱器，然后經由補水泵到達蓄熱水箱，完成熱量的交換和儲存。從散熱設備出來的熱水再次經由熱交換器回到蓄熱水箱。當蓄熱水箱的熱量不足以負荷供暖要求的熱量，蓄熱水箱停止供暖。當第二個回路停止運行時，循環泵來開啟輔助熱源來給系統供暖，此為第三個回路。
　　在太陽房采暖系統中，對控制系統的要求如下：
　　1、當第一個溫度傳感器采集到的溫度高于設定的溫度值時（每個地區根據每個季節的太陽輻射強度的平均值來設定），把模擬量信號傳輸到控制器中，執行器對循環水泵操作，水泵開啟。
　　2、安裝在蓄熱水箱的第二個溫度傳感器檢測溫度與第一個溫度傳感器的溫度差值在設定的溫度范圍內時，循環水泵關閉，完成熱量的交換和儲存。
　　3、當溫度傳感器檢測到從熱交換器出來的溫度大于用戶設定的供暖溫度時，控制器控制三通閥分流掉一部分熱水。
　　4、當水從散熱設備出來時，第一個溫度傳感器檢測到的值小于等于第二個溫度傳感器的值時，即蓄熱水箱的熱量不足以負荷供暖要求的熱量，此時把差值傳遞到控制器，蓄熱水箱停止供暖。
　　5、當溫度傳感器檢測到輔助熱源的溫度足夠規定的供熱溫度時，控制器發出信號，控制輔助熱源循環泵來開啟輔助熱源來給系統供暖，來協助主動太陽房完成采暖的需求。
　　
　　圖1主動式太陽房采暖系統原理圖
　　　2主動式太陽房蟻群PID控制器的設計
　　多數情況下PID控制器參數多采用試驗加試湊的方式由人工進行優化，PID控制器沒有自適應能力,只能依靠人工重新優化參數.甚至最為經典的Z-N算法整定的PID參數也不是最佳的。
　　當常規的PID控制器在被控對象模型和T已知的情況下,只有3個參數、、需要確定及優化。本文基于太陽房控制系統性能的考慮，為了使PID控制器三個參數達到更好的優化效果的前提下，系統采用了蟻群—PID控制算法。本系統將蟻群算法和PID控制算法相結合，利用蟻群算法的全局尋優能力來優化PID控制器的三個參數使其達到最佳的組合。
　　在設計蟻群算法的PID控制系統前，先介紹常用的PID控制系統原理框圖，如圖2所示[3]。

　　圖2主動式太陽房溫度控制原理框圖
　　Fig.2controlprincipleofthesystem
　　在上圖中，當溫度傳感器檢測到溫度信號后與給定值比較得出溫差值，后把溫差值送入PID控制器，PID控制器發出控制信號，控制執行器對被控對象進行操作。
　　針對本文的溫度控制的特點，基于蟻群—PID算法的控制系統原理圖如圖3所示。
　　
　　圖3基于蟻群算法的PID控制原理
　　此結構圖在常規PID控制器的基礎上引入了蟻群算法，當溫差信號送入控制器，經由蟻群算法優化，后送出優化后的控制信號來控制被控對象。
　　針對太陽房控制系統，基于蟻群算法的PID控制器參數的設計如下：
　　一般來說，在蟻群尋優之前得先確定算法的數學模型，在確定一個模型以后，其搜索算法通常使用以下兩步迭代來解決優化問題：
　　1)可行解通過在解空間參數化概率分布模型上的搜索產生；
　　2)用搜索產生的解來更新參數化概率模型，即更新解空間參數化概率分布的參數，使得在新模型上的搜索能集中在高質量的解搜索空間內。
　　以最常見的Ant-Cycle模型為例，模型如下：
　　（2）
　　其中，Q為正常數，表示第k只螞蟻在本次周游中所走過路徑的長度[4]。
　　利用蟻群算法尋優的過程如下[6]：
　　設蟻群中螞蟻的數量為m,在問題的求解過程中將螞蟻看成商人在城市間移動。螞蟻的移動策略由兩個原因決定,城市間的距離和該路線上由其它螞蟻留下的信息素的強度。在城市r螞蟻k移動到城市s的概率由下式決定：
　　
　　其中為信息素，=1/δ為兩城市間距離，表示螞蟻k在城市r時尚沒訪問的城市的集合（亦即可行解的集合)是期望啟發式因子，表示能見度的相對重要性，越大，螞蟻越傾向于選擇局部最短路徑。（）0）
　　為了使用蟻群算法優化PID控制參數,首先,必須確定PID控制參數的取值空間,以避免在整個空間域上尋優導致收斂過于緩慢的問題。其數學表達式如下:
　　（4）
　　式中,為[0,1]內選定的某一個數值,這樣就可以充分利用Z-N法的內核,獲得PID控制參數的可行解空間,提高蟻群算法的性能。文中分別選擇=0.5,=1,然后將其確定的可行解空間100等分,獲得3個離散的數列集合。PID控制優化問題就轉化為如何分別在這3個數列集合中選取一個數值使得其組合滿足PID控制的最優條件。
　　再者，要先定義蟻群算法尋優的準則函數，在此我們以誤差性能的目標函數作為蟻群算法的準則函數，根據偏差的大小利用蟻群算法尋優，最終得到優化后的PID參數，其準則函數為：
　　（5）
　　依照系統的準則函數，Ant-Cycle模型中的信息素更新計算公式為:
　　（6）
　　（7）其中，是第ｋ只螞蟻在本次循環中走過的路徑的總距離；是信息素的揮發系數，0＜＜１；是信息素強度。可以看出，路徑上的信息素一邊隨時間揮發，一邊根據螞蟻的經驗進行累加。而從（3）式可以看到，路徑上的信息素越大，該路徑被選擇的幾率就越大，從而形成了一個信息的正反饋效應，最后幾乎所有的螞蟻都選擇了最短路徑，即蟻群找到問題的最優解。
　　由上得，蟻群算法優化PID控制參數問題的基本過程為:首先根據式（4）確定可行解空間域,然后將其離散化。在根據式(2),(3)決定的偽隨機概率進行路徑的選擇。然后各螞蟻在路經上釋放信息素,當走完所有的路徑后據式(5)計算準則函數的值,并根據式(6),(7)更新信息素濃度。然后開始新的一次尋優,算法的終止條件可以設置為準則函數滿足一定條件,或是事先確定算法的迭代次數。
　　3仿真應用
　　本部分主要針對第二部分蟻群—PID控制算法通過Matlab仿真，與普通的PID控制器進行比較，從而對比其控制性能。
　　由于水溫控制系統的控制對象具有熱存儲能力大，慣性也較大的特點。一般來說，熱過程大多具有較大的滯后，它對任何信號的響應都會推遲一段時間，使輸出與輸入之間產生相移。因水溫系統的傳遞函數事先難以精確獲得，據于此，我們可近似的選擇被控對象傳遞函數為
　　(9)
　　按Z-N設計法得出=8.4，=2.7，=3.2，在文中設置人工螞蟻數為10，迭代次數為100，取=0.5，=1，得到蟻群算法優化后的=6.5，=6.8，=4.6，現與普通的PID算法作比較，其仿真比較圖如下：
　　
　　圖4基于Z-N算法整定的PID控制階躍響應曲線

　　圖5基于蟻群算法的PID階躍響應曲線
　　
　　圖6控制器在擾動下的性能曲線
　　Fig.6Theresponseofcontrollerwithaddingstir
　　其中圖4表示基于Z-N算法整定的PID控制階躍響應曲線，圖5表示基于蟻群算法的PID階躍響應曲線，由仿真結果可見,PID控制蟻群算法參數尋優后的控制系統對輸入信號的超調量較小,控制精度較高,魯棒性好。優化后的PID控制性能明顯優越于一般的PID算法的控制性能，用蟻群算法實現參數優化大大提高了PID控制器的設計與實現效率。
　　4結論
　　本文采用了基于蟻群—PID控制算法，優化了普通PID控制算法的三個參數，經過仿真比較，此控制算法比一般的PID控制具有控制性能高，控制系統超調較小,控制精度高,魯棒性好等優點并使太陽能的使用效率大大提高，節省了常規能源的消耗，減少了系統的造價。此控制算法在主動式太陽房的應用中具有廣闊的前景。
　　
　　參考文獻
　　[1]崔海亭、楊鋒.蓄熱技術及其應用[M].北京:化學工業出版社，2004,8:23.
　　
　　[2]岑幻霞.太陽能熱利用[M].北京:清華大學出版社,1997.
　　[3]邵惠鶴.工業過程高級控制[M].上海:上海大學出版社,2003,213-217.
　　[4]段海濱.蟻群算法原理及其應用[M].北京：科學出版社，2005.112-116.