|
本文设计基于 AT89S51 单片机的太阳能热水器模糊控制系统，其模糊控制规则能够比较有效地模仿人的经验，合理解决输出的强关联性问题。给出了模糊控制查询的单片机实现方法及模糊控制系统的核心控制部分的硬件电路和软件流程。
0 引言
模糊控制是利用模糊数学的基本思想和理论的控制方法，它利用隶属度来描述程度，运用分析不确定、不精确的模糊信息来进行决策，从而实现成功的控制。本文以 ATMEL 公司的 AT89S51 单片机为例介绍了基于单片机的模糊控制器的应用，其控制对象是带有辅助电加热功能的太阳能热水器。
1 系统概述
加热系统主要由蓄热水箱、太阳能集热板、电加热器、中央控制器、电磁阀、电磁继电器等构成。控制系统的原理方框图如图 1 所示。
2 太阳能热水器模糊控制系统的硬件组成
该热水器的控制系统主要包括单片机、段码液晶显示器、时钟芯片、温度传感器、水位传感器、辅助加热电路、定时电路、看门狗和复位接口电路等组成。
2． 1 AT89S51 系列单片机
太阳能热水器模糊控制系统的控制核心选用 AT-MEL 公司生产的 AT89551 系列的单片机。
2． 2 段码液晶显示器
该段码液晶显示组件是 12 位段码式液晶显示器组件，内含 LCD 控制器、LCD 驱动器，并带有数据译码功能，数据采用串行输入，可直接与 CPU 接口。
2． 3 时钟芯片时钟芯片采 RTC – 4553 时钟芯片。该芯片采用内置晶振，具有独特的数据处理方法，大大提高了时钟精度和可靠性。
2． 4 蓄水箱温度和水位检测接口电路的设计本系统温度检测电路仍采用热敏电阻。温度检测部分的电路图如图 2 所示。
2． 5 继电器输出电路
在太阳能热水器控制器的设计中，继电器输出是实现蓄水箱辅助加热的手段。对继电器的控制安全有效是对蓄水箱进行辅助加热的保证。本控制器中继电器输出电路图如图 3 所示。
2． 6 定时电路
MCU 和 RTC 的选择决定了定时电路的硬件 设计。本系统的定时电路由 AT89551 和 PCF8563组成。
2． 7 看门狗和复位接口电路的设计
控制器的看门狗电路采用芯片 IMP705 完成。电路如图 4 所示。
3 太阳能热水器模糊控制系统的软件组成
系统软件由主程序、检测子程序、中断服务子程序构成，在该软件编制过程中，为抗 50 Hz 工频干扰和外界的突发干扰，在对温度传感器的输出进行采样时，连续采样 30 次，再求平均值，作为一个温度值样本，这样可有效提高系统抗干扰能力。
3． 1 程序框图( 如图 5)
3． 2 模糊控制软件测试
为了检测硬件是否能够正常进行基本的工作，可用一个简单的应用程序:
将单片机的 Pl 口先清零，然后向这个口送立即数，那么显示器上将显示这个立即数。程序如下:
ORG 0000H
AJMP START:
START MOV Pl，#08H
END
经过编译，调试运行后，显示器上便显示了 0707，工作基本正常。然后将输出控制继电器的三个口置于“0”看其工作情况。程序如下:
ORG0001H
AJMP START:
START CLR P2． 0
CLR P2． 1
CLR P2． 2
End
经编译调试后，代替继电器的发光二极管均亮，表示工作正常。
4 基于单片机的太阳热水器模糊控制系统的仿真研究
为了说明模糊控制器性能的优劣，采用了 MAT-LAB 软件，用 MATLAB 的 SIMULINK 工具箱建立仿真模型。
4． 1 仿真实验基本过程
建立数学模型→建立仿真模型→编写仿真程序→进行仿真实验并分析实验结果。
4． 2 系统仿真模型的建立
系统的仿真模型大致可分为三个部分: 主电路部分、控制部分和测量部分。图 6 为系统的仿真模型。
建立起系统模型之后，还要进行参数设置，打开Simulation( 仿真分析) 菜单，利用其中的 Parameters 选项来设置仿真控制参数:
To Workspace 模块: 位于 Sinks 模块库中，向工作空间输出 timeout 时间序列。设置如图 7 所示。
Sum 模块: 设置如图 8 所示。
在系统仿真参数设置窗口的 Solver 标签页中将仿真结束时间改为 105。然后在 MATLAB 命令窗口给 R、L、C 赋值。赋值后进行仿真，得到太阳能热水器模糊控制器系统仿真结果，如图 9 所示。
4． 3 系统仿真结论
通过用 MATLAB 语言对系统进行仿真，比较直观、形象、准确、可靠。以上仿真结果表明，应用模糊参数自整定控制蓄水箱的温度是可行的，其参数的模糊自整定能力能抑制外界各种干扰和噪声提高控制系统的稳定性。当被控对象参数发生变化时，控制系统仍然保持较好的适应能力。
5 结束语
这里只是建立了一般的非线性系统的综合型模糊控制器，还有许多工作有待进一步完成。如模糊控制器比例因子的优化以及更好的自适应率的选择与设计等等。目前采用神经网络与模糊控制相结合的控制方式，将神经网络的记忆性融入控制方式中，这样更进一步提高系统的稳定性和抗干扰性，因此将模糊控制、神经网络与传统的控制理论相结合，发挥各自的特长，是非常具有吸引力的课题，将是进一步研究的重点。 | 
