CN106054596A - 一种基于改进性能指标的pid控制器参数优化整定方法 - Google Patents
一种基于改进性能指标的pid控制器参数优化整定方法 Download PDFInfo
- Publication number
- CN106054596A CN106054596A CN201610465240.8A CN201610465240A CN106054596A CN 106054596 A CN106054596 A CN 106054596A CN 201610465240 A CN201610465240 A CN 201610465240A CN 106054596 A CN106054596 A CN 106054596A
- Authority
- CN
- China
- Prior art keywords
- value
- pid controller
- coefficient
- pid
- thermal process
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于改进性能指标的PID控制器参数优化整定方法。该方法根据被控热工过程的传递函数,通过仿真计算过程的阶跃响应曲线的特征参数稳态增益K、滞后时间τ和惯性时间Tc,根据K、τ和Tc采用传统的Z‑N工程整定法整定PID控制器的三个参数比例系数KP、积分系数KI和微分系数KD,根据整定结果确定KP、KI和KD参数的优化值搜索范围;采用遗传算法,基于改进的积分型性能指标及其相应的适应度函数,优化PID控制器的三个参数KP、KI和KD。采用本发明方法整定的PID控制器具有很好的控制性能。
Description
技术领域
本发明属于热工自动控制技术领域,具体涉及一种基于改进性能指标的PID控制器参数优化整定方法。
背景技术
热工过程自动控制是保证热力设备安全和经济运行的必要措施和手段。PID控制器由于算法简单、鲁棒性好,因而在热工过程自动控制中得到广泛应用。
遗传算法作为一种较成熟的智能算法,如今已被广泛应用到自动控制、通信、模式识别等各个领域中。在PID控制器参数优化整定中,遗传算法也得到了广泛应用。但其优化效果与使用的性能指标和相应的适应度函数密切相关。采用传统的积分型性能指标以及相应的适应度函数,其整定结果很难同时满足控制系统的快速性、稳定性和准确性的要求。
本发明提出一种基于改进性能指标的PID控制器参数优化整定方法。该方法采用改进的积分型性能指标及相应的适应度函数,通过遗传算法优化PID控制器的三个参数,使优化整定的PID控制器具有很好的控制性能。
发明内容
发明目的:为了克服传统常用的积分型性能指标存在的不足,本发明提出一种基于改进性能指标的PID控制器参数优化整定方法,使PID控制器具有很好的控制性能。
技术方案:为了使PID控制器具有满意的快速性、稳定性和准确性,本发明提供了一种基于改进性能指标的PID控制器参数优化整定方法,包括以下步骤:
步骤1:由热工过程和比例积分微分(PID)控制器构成单回路负反馈控制系统,热工过程输出为y(t),输入为PID控制器的输出u(t),PID控制器的输入为热工过程输出设定值r与y(t)之差e(t),t为时间,热工过程传递函数为G(s),PID控制器传递函数为s为复数域内的复变量,KP为比例系数,KI为积分系数,KD为微分系数;
步骤2:通过仿真获得热工过程传递函数G(s)的阶跃响应曲线,并计算得到该传递函数的阶跃响应曲线的特征参数K、τ和Tc,其中K为过程稳态增益,其值为过程稳态值和初始值之差与过程阶跃输入信号的阶跃幅值之比,τ为滞后时间,其值为阶跃响应曲线上拐点处的切线与横坐标轴的交点值,Tc为惯性时间,其值为以阶跃响应曲线上的最大速度(即曲线上拐点处的速度),从起始值变化到最终稳态值所需要的时间;
步骤3:根据步骤2得到的传递函数阶跃响应曲线的特征参数K、τ和Tc,采用传统的由Zielger和Nichols提出的Z-N整定法求得PID控制器三个参数值:比例系数K'P,积分系数K′I,微分系数K'D;
步骤4:采用遗传算法优化PID控制器参数KP、KI和KD,方法如下:
(1)设置遗传算法个体向量为[KP KI KD],PID控制器三个参数的优化值搜索范围分别为:KP∈(0,αP·K'P),KI∈(0,αI·K′I),KD∈(0,αD·K'D),其中αP、αI和αD分别为大于1的实数;
(2)步骤1构成的单回路负反馈控制系统中的设定值r作单位阶跃扰动,通过仿真计算如下的遗传算法适应度函数值f:
其中,β为大于1的实数,δ为小于1的较小的正实数,可取0.001~0.01之间的值,J为改进的积分型优化性能指标:
式中,λ为误差平方项的权值系数,取0.8~2之间的值,t1和t2为仿真时刻,t2=3(τ+Tc),I为e(t)的积分值,由下式计算:
(3)随机生成初始种群P(0),种群规模为M,设置交叉率pc、变异率pm和最大迭代次数N,迭代次数k置为0;
(4)对种群P(k)进行选择、交叉和变异操作,产生新的种群P(k+1),并置k=k+1;
若k<N,转上一步(4),否则,迭代优化结束,种群P(N)中适应度函数值最大的个体即为PID控制器三个参数KP、KI和KD的优化整定值。
有益效果:采用本发明提出的方法整定的PID控制器,其控制性能优于采用传统的积分型性能指标整定的PID控制器。
附图说明
图1为PID控制器单回路负反馈系统图。
图2为热工过程阶跃响应曲线及其特征参数。
图3为采用三种不同性能指标整定的PID控制器参数。
图4为三种不同性能指标整定的PID控制器控制效果仿真曲线;其中,(a)为控制系统被控量响应曲线;(b)为控制系统控制量响应曲线。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明:
假设被控热工过程传递函数为下面结合附图对本发明做更进一步的解释。
步骤1:如图1,由热工过程和比例积分微分(PID)控制器构成单回路负反馈控制系统,热工过程输出为y(t),输入为PID控制器的输出u(t),PID控制器的输入为热工过程输出设定值r与y(t)之差e(t),t为时间,热工过程传递函数为G(s),PID控制器传递函数为s为复数域内的复变量,KP为比例系数,KI为积分系数,KD为微分系数;
步骤2:通过仿真获得热工过程传递函数G(s)的阶跃响应曲线,并计算得到该传递函数的阶跃响应曲线的特征参数K=5、τ=21和Tc=92,其中K为过程稳态增益,其值为过程稳态值和初始值之差与过程阶跃输入信号的阶跃幅值之比,τ为滞后时间,其值为阶跃响应曲线上拐点处的切线与横坐标轴的交点值,Tc为惯性时间,其值为以阶跃响应曲线上的最大速度(即曲线上拐点处的速度),从起始值变化到最终稳态值所需要的时间;如图2;
步骤3:根据步骤2得到的传递函数阶跃响应曲线的特征参数K、τ和Tc,采用传统的由Zielger和Nichols提出的Z-N工程整定法求得PID控制器三个参数值:比例系数K'P=1.05,积分系数K′I=0.025,微分系数K'D=11.03;
步骤4:采用遗传算法优化PID控制器参数KP、KI和KD,方法如下:
(1)设置遗传算法个体向量为[KP KI KD],PID控制器三个参数的优化值搜索范围分别为:KP∈(0,αP·K'P),KI∈(0,αI·K′I),KD∈(0,αD·K'D),其中αP、αI和αD分别为大于1的实数,实施例中取αP=αI=αD=5,则PID控制器三个参数的优化值搜索范围分别为:KP∈(0,5.25),KI∈(0,0.125),KD∈(0,55.15);
(2)步骤1构成的单回路负反馈控制系统中的设定值r作单位阶跃扰动,通过仿真计算如下的遗传算法适应度函数值f:
其中,β为大于1的实数,实施例中取β=10,δ为小于1的较小的正实数,实施例中取δ=0.001,J为改进的积分型优化性能指标:
式中,λ为误差平方项的权值系数,取0.8~2之间的值,实施中取λ=1.2,t1和t2为仿真时刻,t2=3(τ+Tc)=339,I为e(t)的积分值,由下式计算:
(3)随机生成初始种群P(0),种群规模为M=50,设置交叉率pc=0.8、变异率pm=0.02和最大迭代次数N=500,迭代次数k置为0;
(4)对种群P(k)进行选择、交叉和变异操作,产生新的种群P(k+1),并置k=k+1;
(5)若k<N,转上一步(4),否则,迭代优化结束,种群P(N)中适应度函数值最大的个体即为PID控制器三个参数的优化整定值:KP=1.1968、KI=0.0142和KD=41.2723。
图3为采用三种不同性能指标整定的PID控制器参数。三种不同性能指标整定的PID控制器的控制效果仿真曲线如图4所示。图4表明,本专利方法整定的PID控制器具有很好的控制性能。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于改进性能指标的PID控制器参数优化整定方法,其特征在于:包括步骤:
步骤1:根据被控热工过程的传递函数,通过仿真计算过程的阶跃响应曲线的特征参数稳态增益K、滞后时间τ和惯性时间Tc;
其中,由热工过程和PID控制器构成单回路负反馈控制系统,热工过程输出为y(t),输入为PID控制器的输出u(t),PID控制器的输入为热工过程输出设定值r与y(t)之差e(t),t为时间,热工过程传递函数为G(s);K的值为过程稳态值和初始值之差与过程阶跃输入信号的阶跃幅值之比;τ的值为阶跃响应曲线上拐点处的切线与横坐标轴的交点值;Tc的值为以阶跃响应曲线上的最大速度,从起始值变化到最终稳态值所需要的时间;
步骤2:根据步骤1得到的传递函数阶跃响应曲线的特征参数K、τ和Tc,采用Z-N工程整定法求得PID控制器的三个参数值:比例系数K'P,积分系数K'I,微分系数K'D;其中,PID控制器传递函数为s为复数域内的复变量,KP为比例系数,KI为积分系数,KD为微分系数;
步骤3:采用遗传算法优化PID控制器参数KP、KI和KD:PID控制器的三个参数的优化值搜索范围分别为:KP∈(0,αP·K'P),KI∈(0,αI·K'I),KD∈(0,αD·K'D),其中αP、αI和αD分别为大于1的实数;对步骤1构成的单回路负反馈控制系统中的设定值r作单位阶跃扰动,通过仿真计算如下的遗传算法适应度函数值f:
其中,β为大于1的实数,δ取0.001~0.01之间的值,J为改进的积分型优化性能指标:
式中,λ为误差平方项的权值系数,取0.8~2之间的值;t1和t2为仿真时刻,t2=3(τ+Tc),I为e(t)的积分值,由下式计算:
迭代优化后种群中适应度函数值最大的个体即为PID控制器三个参数KP、KI和KD的优化整定值。
2.根据权利要求1所述的PID控制器参数优化整定方法,其特征在于:所述αP、αI和αD取值均为5-10之间的值,β取值为10。
3.根据权利要求1所述的PID控制器参数优化整定方法,其特征在于:通过增大或减小λ的取值提高或降低PID控制器的控制速度。
4.根据权利要求1所述的PID控制器参数优化整定方法,其特征在于:本方法适用于一类有自平衡能力的被控热工过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610465240.8A CN106054596B (zh) | 2016-06-23 | 2016-06-23 | 一种基于改进性能指标的pid控制器参数优化整定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610465240.8A CN106054596B (zh) | 2016-06-23 | 2016-06-23 | 一种基于改进性能指标的pid控制器参数优化整定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106054596A true CN106054596A (zh) | 2016-10-26 |
CN106054596B CN106054596B (zh) | 2018-10-26 |
Family
ID=57165552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610465240.8A Active CN106054596B (zh) | 2016-06-23 | 2016-06-23 | 一种基于改进性能指标的pid控制器参数优化整定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106054596B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106325104A (zh) * | 2016-10-28 | 2017-01-11 | 黑龙江省电力科学研究院 | 基于matlab建模仿真的热控pid参数设定调整方法 |
CN106970527A (zh) * | 2017-03-30 | 2017-07-21 | 奥克斯空调股份有限公司 | 一种pid控制的工程实现方法 |
CN108170637A (zh) * | 2017-12-06 | 2018-06-15 | 东南大学 | 一种具有微分特性过程的传递函数模型辨识方法 |
CN108181802A (zh) * | 2017-12-05 | 2018-06-19 | 东南大学 | 一种性能可控pid控制器参数优化整定方法 |
CN108983821A (zh) * | 2018-08-17 | 2018-12-11 | 中国航空工业集团公司西安飞行自动控制研究所 | 一种基于智能算法的pid自动驾驶仪参数整定方法 |
CN111812967A (zh) * | 2020-05-27 | 2020-10-23 | 浙江中控技术股份有限公司 | 基于稳定裕度和动态响应指标的pid控制参数整定方法 |
CN113296412A (zh) * | 2021-05-26 | 2021-08-24 | 广东电网有限责任公司 | 一种串级滑动窗滤波器的参数调整方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968055A (zh) * | 2012-12-07 | 2013-03-13 | 上海电机学院 | 基于遗传算法的模糊pid控制器及其控制方法 |
CN103592852A (zh) * | 2013-11-29 | 2014-02-19 | 西南交通大学 | 基于粒子群膜算法的pid控制器优化设计方法 |
CN105511270A (zh) * | 2016-02-04 | 2016-04-20 | 南京邮电大学 | 一种基于协同进化的pid控制器参数优化方法和系统 |
-
2016
- 2016-06-23 CN CN201610465240.8A patent/CN106054596B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968055A (zh) * | 2012-12-07 | 2013-03-13 | 上海电机学院 | 基于遗传算法的模糊pid控制器及其控制方法 |
CN103592852A (zh) * | 2013-11-29 | 2014-02-19 | 西南交通大学 | 基于粒子群膜算法的pid控制器优化设计方法 |
CN105511270A (zh) * | 2016-02-04 | 2016-04-20 | 南京邮电大学 | 一种基于协同进化的pid控制器参数优化方法和系统 |
Non-Patent Citations (4)
Title |
---|
乔维德: "基于遗传PID整定的感应电动机速度控制研究", 《深圳职业技术学院学报》 * |
宋洪法: "控制器参数自整定方法研究", 《全国优秀硕士学位论文数据库》 * |
朱红萍等: "基于ITAE指标的PID控制器参数优化设计", 《智能控制技术》 * |
郑海霞: "遗传算法的自适应PID控制器的应用", 《自动化仪表》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106325104A (zh) * | 2016-10-28 | 2017-01-11 | 黑龙江省电力科学研究院 | 基于matlab建模仿真的热控pid参数设定调整方法 |
CN106970527A (zh) * | 2017-03-30 | 2017-07-21 | 奥克斯空调股份有限公司 | 一种pid控制的工程实现方法 |
CN106970527B (zh) * | 2017-03-30 | 2020-04-10 | 奥克斯空调股份有限公司 | 一种pid控制的工程实现方法 |
CN108181802A (zh) * | 2017-12-05 | 2018-06-19 | 东南大学 | 一种性能可控pid控制器参数优化整定方法 |
CN108170637A (zh) * | 2017-12-06 | 2018-06-15 | 东南大学 | 一种具有微分特性过程的传递函数模型辨识方法 |
CN108170637B (zh) * | 2017-12-06 | 2021-11-12 | 东南大学 | 一种具有微分特性过程的传递函数模型辨识方法 |
CN108983821A (zh) * | 2018-08-17 | 2018-12-11 | 中国航空工业集团公司西安飞行自动控制研究所 | 一种基于智能算法的pid自动驾驶仪参数整定方法 |
CN111812967A (zh) * | 2020-05-27 | 2020-10-23 | 浙江中控技术股份有限公司 | 基于稳定裕度和动态响应指标的pid控制参数整定方法 |
CN113296412A (zh) * | 2021-05-26 | 2021-08-24 | 广东电网有限责任公司 | 一种串级滑动窗滤波器的参数调整方法及装置 |
CN113296412B (zh) * | 2021-05-26 | 2022-05-17 | 广东电网有限责任公司 | 一种串级滑动窗滤波器的参数调整方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106054596B (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106054596A (zh) | 一种基于改进性能指标的pid控制器参数优化整定方法 | |
CN105929683B (zh) | 一种微分可调pid控制器参数工程整定模型及方法 | |
CN109143863A (zh) | 非线性系统的快速自学习改进adrc控制方法 | |
CN102401371B (zh) | 一种基于多变量预测控制的再热汽温优化控制方法 | |
CN105700380B (zh) | 二次再热机组汽轮机调速系统仿真模型及其建模方法 | |
CN107476931A (zh) | 一种水轮机调速器pid参数优化方法及系统 | |
CN105425612B (zh) | 一种水轮机调节系统控制参数的优选方法 | |
CN104102134B (zh) | 一种通过性能指标实现再热汽温多变量协调预测控制的方法 | |
CN108181802A (zh) | 一种性能可控pid控制器参数优化整定方法 | |
CN104734588B (zh) | 一种生物质气内燃发电机组转速控制方法 | |
CN100349076C (zh) | 中药生产浓缩过程中蒸发速度的控制方法 | |
CN101763035A (zh) | Rbf神经网络整定pid与模糊免疫控制方法 | |
CN109828461A (zh) | 一种基于粒子群的热工多回路控制器闭环迭代整定系统及整定方法 | |
CN108803336A (zh) | 一种航空发动机自适应lqg/ltr控制器设计方法 | |
CN103195730B (zh) | 使用压气机进口可转导叶控制燃气轮机排气温度的方法 | |
CN104833154A (zh) | 基于模糊pid与神经内模的冷冻水回路控制方法 | |
CN107863910A (zh) | 具有强跟踪性的永磁同步电机最优分数阶pid控制方法 | |
CN105279579B (zh) | 一种水轮发电机组励磁系统pid控制参数的优选方法 | |
CN106292291A (zh) | 一种电网自动发电控制系统控制器参数优化方法 | |
CN106054610B (zh) | 一种优化的pi控制器参数工程整定方法 | |
CN108549213A (zh) | 一种基于rbf神经网络pid的速比控制方法 | |
CN102323750B (zh) | 嵌入式非线性脉冲协同控制器 | |
CN108919642B (zh) | 一种炉跟机协调控制系统控制器参数优化整定方法 | |
CN105138041A (zh) | 一种用于dcs实现的火电机组主汽温度的控制方法 | |
CN103576672A (zh) | Lpcvd设备的温控系统自校正方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |