CN106200385B - 一种免疫调节增益的单神经元pid调节方法 - Google Patents
一种免疫调节增益的单神经元pid调节方法 Download PDFInfo
- Publication number
- CN106200385B CN106200385B CN201610770404.8A CN201610770404A CN106200385B CN 106200385 B CN106200385 B CN 106200385B CN 201610770404 A CN201610770404 A CN 201610770404A CN 106200385 B CN106200385 B CN 106200385B
- Authority
- CN
- China
- Prior art keywords
- kth
- std
- gain
- follows
- neuron pid
- 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.)
- Active
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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
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
本发明公开了一种免疫调节增益的单神经元PID调节方法,该方法利用神经元自适应调节和免疫调节神经元增益相结合的特点,能够实现PID参数自适应调节,极大的简化了PID参数整定的工作量,提高了控制参数的精度和适应性,于传统的整定方法相比,该方法能使机组更加安全、经济、稳定运行。
Description
技术领域:
本发明涉及燃煤机组协调控制领域PID参数整定方法,具体涉及一种免疫调节增益的单神经元PID调节方法。
背景技术:
我国以燃煤电站为主的电力供应格局在未来相当长的时间内不会发生根本性改变,而燃煤机组的协调优化控制一直以来是众多专家学者研究的重点问题。目前,协调优化控制手段还是以传统PID调节控制为主,而如何更快、更好的整定PID调节参数一直以来是一个重要的问题。
目前来说,PID整定的方法有很多,最传统的方法是齐格勒-道格拉斯整定方法,这种方法需要大量的阶跃扰动实验,并且整定的参数也并不是最优参数,而是较优参数。一个重要的方法之一就是参数自适应调节的神经元PID自整定,而传统的神经元PID自适应调节存在调节速度过快和搜索方向易受外界干扰等问题。
为有效的解决这一问题,必须选择一种合适有效的算法,并对其进行有针对性的改造,使这种自整定的方法一方面具有较强的自适应调节功能,另外一方面具有较强的稳定性。
发明内容:
本发明的目的在于针对现有PID整定技术的不足,提供了一种在线动态粒子群PID优化控制方法。
为达到上述目的,本发明采用如下的技术方案予以实现:
一种免疫调节增益的单神经元PID调节方法,包括以下步骤:
1)免疫调节增益单神经元PID调节器输入信号处理;
2)对权利要求1)中的输入信号进行免疫调节增益单神经元PID参数自调节计算;
3)对权利要求2)中的系统增益进行免疫调节机制计算。
本发明进一步的改进在于,步骤1)中,免疫调节增益单神经元PID调节器输入信号处理,如下:
假设r(k)为被控对象第k步计算设定值,y(k)为被控对象第k步计算被调量,e(k)为第k步计算控制偏差信号,其中,
e(k)=r(k)-y(k)
将e(k)进行两步处理,第一步为标准化,处理如下:
estd(k)=e(k)/D
其中estd(k)为第k步计算控制标准偏差信号,D为被控对象量程;
第二步进行输出信号处理,如下:
x1(k)=estd(k)-estd(k-1)
x2(k)=estd(k)
x3(k)=estd(k)-2estd(k-1)+estd(k-2)
其中estd(k-1),estd(k-2)分别为第k-1步和第k-2步的计算控制标准偏差信号,x1(k)、x2(k)和x3(k)分别为神经元PID调节器的比例信号,积分信号和微分信号。
本发明进一步的改进在于,步骤2)中,利用处理后的输入信号进行免疫调节增益单神经元PID参数自调节,如下:
免疫调节增益单神经元PID控制器的第k步计算输出为:
u(k)=u(k-1)+[Kp(k)·x1(k)+Ki(k)·x2(k)+Kd(k)·x3(k)]·K
其中u(k)和u(k-1)分别为第k步和第k-1步的神经元PID控制器输出,Kp(k),Ki(k),Kd(k)分别为第k步神经元PID调节器的比例,积分和微分系数,K为系统增益;定义第k步迭代更新变量值z(k),则,
式中Ts为迭代更新的时间步长,将迭代更新变量进行双S型压缩,得,
其中yn(k)即为第k步计算得双S型函数,Kp(k),Ki(k),Kd(k)的参数自调节算法如下;
Kp(k)=Kp(k-1)+x1(k)·yn(k)·
(y(k)-2y(k-1)+y(k-2))/(u(k)-2u(k-1)+u(k-2))
Kd(k)=Kd(k-1)+x2(k)·(1-yn(k)yn(k))/2·x1(k)/Ts·
(y(k)-2y(k-1)+y(k-2))/(u(k)-2u(k-1)+u(k-2))
其中Kp(k-1),Ki(k-1),Kd(k-1)分别为神经元PID第k-1步的比例,积分和微分系数,y(k),y(k-1),y(k-2)分别为第k,k-1,k-2步的被控对象被调量输出,u(k),u(k-1),u(k-2)分别为第k,k-1,k-2步的免疫调节增益单神经元PID控制器输出。
本发明进一步的改进在于,步骤3)中,系统增益K免疫调节机制如下:
K(k)=K0(1-ληf(a·etsd(k))
其中K(k)为第k步计算系统增益,K0为系统增益基值,λ为免疫值,η为免疫函数增益,a为免疫细胞调节作用常数,f()表示免疫函数,具体表达如下:
其中,
其中e0,e1分别为误差阈值。
相对于现有技术,本发明提出首先根据阶跃扰动实验建立机组数学传递模型,其次利用粒子群算法建立动态例子群数据库和适应度函数评价表,再次根据机组实际运行数据和粒子群模型输出数据寻找最小适应度函数,根据最小适应度函数进行粒子群数据库更新,最后将更新完之后的粒子群数据传递到PID参数地址中,完成一次PID参数的在线优化。
附图说明:
图1为免疫调节增益神经元PID控制示意图。
图2为采用免疫调节单神经元PID方法前的机组负荷和主汽压力变化趋势图。
图3为采用免疫调节单神经元PID方法后的机组负荷和主汽压力变化趋势图。
具体实施方式:
以下结合附图和实施例对本发明作进一步的详细说明。
本发明提供的一种免疫调节增益的单神经元PID调节方法,包括以下步骤:
1、免疫调节增益单神经元PID调节器原理,本调节控制器分为三部分,即神经元参数自调节,神经元PID增益免疫调节和被控对象回路,其中神经元参数自调节主要包括偏差信号转换器,神经元学习算法和神经元输出,具体结构图形如图1所示,
2、神经元参数自调节,结合图1进行说明如下
在图中r(k)为第k步计算被控对象设定值,y(k)为第k步计算被控对象被调量,e(k)为控制偏差信号,其中,
e(k)=r(k)-y(k)
e(k)进入转换器中,进行两部处理,第一步为标准化,处理如下,
estd(k)=e(k)/D
其中estd(k)为处理后的第k步标准偏差信号,D为被控信号量程,
第二部进行输出信号处理,从转化器输出三组信号,分别为,
x1(k)=estd(k)-estd(k-1)
x2(k)=estd(k)
x3(k)=estd(k)-2estd(k-1)+estd(k-2)
其中estd(k-1),estd(k-2)分别为第k-1步和第k-2步的标准偏差信号,x1(k),x2(k)和x3(k)分别为神经元调节器的比例信号,积分信号和微分信号
则神经元PID控制器的输出为,
u(k)=u(k-1)+(Kp(k)·x1(k)+Ki(k)·x2(k)+Kd(k)·x3(k))·K
其中u(k)和u(k-1)分别为第k步和第k-1步的控制器输出,Kp(k),Ki(k),Kd(k)分别为第步神经元PID调节器的比例,积分和微分系数,K为系统增益
而Kp(k),Ki(k),Kd(k)的神经元学习算法如下,
定义每一步迭代的变量更新z(k),其计算如下,
式中Ts为时间步长,将迭代更新变量进行双S型压缩,得,
则,Kp(k),Ki(k),Kd(k)的更新机制如下:
Kp(k)=Kp(k-1)+x1(k)·yn(k)·
(y(k)-2y(k-1)+y(k-2))/(u(k)-2u(k-1)+u(k-2))
Kd(k)=Kd(k-1)+x2(k)·(1-yn(k)yn(k))/2·x1(k)/Ts·
(y(k)-2y(k-1)+y(k-2))/(u(k)-2u(k-1)+u(k-2))
其中Kp(k-1),Ki(k-1),Kd(k-1)分别为神经元PID第k-1步的比例,积分和微分增益,y(k),y(k-1),y(k-2)分别为第k,k-1,k-2步的被控对象输出,u(k),u(k-1),u(k-2)分别为第k,k-1,k-2步的PID控制器输出。
3、系统增益K免疫调节机制,其说明如下,
系统增益K按照下面的免疫机制变化,
K(k)=K0(1-ληf(a·etsd(k))
其中K(k)为第k步计算系统增益,K0为系统增益基值,λ为免疫值,η为免疫函数增益,a为免疫细胞调节作用常数,f()表示免疫函数,具体表达如下,
其中,
其中e0,e1分别为误差阈值。
采用上述免疫调节前和调节后的机组负荷和主汽压力控制效果如图2和图3所示,采用免疫调节的单神经元PID方法在抑制超调效果上有很大优势。
Claims (1)
1.一种免疫调节增益的单神经元PID调节方法,其特征在于,包括以下步骤:
1)免疫调节增益单神经元PID调节器输入信号处理;如下:
假设r(k)为被控对象第k步计算设定值,y(k)为被控对象第k步计算被调量,e(k)为第k步计算控制偏差信号,其中,
e(k)=r(k)-y(k)
将e(k)进行两步处理,第一步为标准化,处理如下:
estd(k)=e(k)/D
其中estd(k)为第k步计算控制标准偏差信号,D为被控对象量程;
第二步进行输出信号处理,如下:
x1(k)=estd(k)-estd(k-1)
x2(k)=estd(k)
x3(k)=estd(k)-2estd(k-1)+estd(k-2)
其中estd(k-1),estd(k-2)分别为第k-1步和第k-2步的计算控制标准偏差信号,x1(k)、x2(k)和x3(k)分别为神经元PID调节器的比例信号,积分信号和微分信号;
2)对步骤1)中的输入信号进行免疫调节增益单神经元PID参数自调节计算;如下:
免疫调节增益单神经元PID控制器的第k步计算输出为:
u(k)=u(k-1)+[Kp(k)·x1(k)+Ki(k)·x2(k)+Kd(k)·x3(k)]·K
其中u(k)和u(k-1)分别为第k步和第k-1步的神经元PID控制器输出,Kp(k),Ki(k),Kd(k)分别为第k步神经元PID调节器的比例,积分和微分系数,K为系统增益;定义第k步迭代更新变量值z(k),则,
式中Ts为迭代更新的时间步长,将迭代更新变量进行双S型压缩,得,
其中yn(k)即为第k步计算的双S型函数,Kp(k),Ki(k),Kd(k)的参数自调节算法如下;
Kp(k)=Kp(k-1)+x1(k)·yn(k)·
(y(k)-2y(k-1)+y(k-2))/(u(k)-2u(k-1)+u(k-2))
(y(k)-2y(k-1)+y(k-2))/(u(k)-2u(k-1)+u(k-2))
Kd(k)=Kd(k-1)+x2(k)·(1-yn(k)yn(k))/2·x1(k)/Ts·
(y(k)-2y(k-1)+y(k-2))/(u(k)-2u(k-1)+u(k-2))
其中Kp(k-1),Ki(k-1),Kd(k-1)分别为神经元PID第k-1步的比例,积分和微分系数,y(k),y(k-1),y(k-2)分别为第k,k-1,k-2步的被控对象被调量输出,u(k-2)为第k-2步的单神经元PID控制器输出;
3)对步骤2)中的系统增益进行免疫调节机制计算,其中系统增益K免疫调节机制如下:
K(k)=K0(1-ληf(a·etsd(k))
其中K(k)为第k步计算系统增益,K0为系统增益基值,λ为免疫值,η为免疫函数增益,a为免疫细胞调节作用常数,f()表示免疫函数,具体表达如下:
其中,
其中e0,e1分别为误差阈值的上限值和下限值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610770404.8A CN106200385B (zh) | 2016-08-29 | 2016-08-29 | 一种免疫调节增益的单神经元pid调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610770404.8A CN106200385B (zh) | 2016-08-29 | 2016-08-29 | 一种免疫调节增益的单神经元pid调节方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106200385A CN106200385A (zh) | 2016-12-07 |
CN106200385B true CN106200385B (zh) | 2019-07-30 |
Family
ID=58089629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610770404.8A Active CN106200385B (zh) | 2016-08-29 | 2016-08-29 | 一种免疫调节增益的单神经元pid调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106200385B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1672103A (zh) * | 2002-07-30 | 2005-09-21 | 雅马哈发动机株式会社 | 基于具有离散限制软计算的非线性动态控制的系统和方法 |
CN1746797A (zh) * | 2005-08-09 | 2006-03-15 | 东华大学 | 智能优化参数自整定控制方法 |
WO2008033800A2 (en) * | 2006-09-14 | 2008-03-20 | Honeywell International Inc. | A system for gain scheduling control |
CN101923318A (zh) * | 2009-06-09 | 2010-12-22 | 上海电气集团股份有限公司 | 一种网络pid控制器制造方法 |
CN103645633A (zh) * | 2013-12-25 | 2014-03-19 | 中国科学院自动化研究所 | 一种变换炉系统的炉温自学习控制方法 |
-
2016
- 2016-08-29 CN CN201610770404.8A patent/CN106200385B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1672103A (zh) * | 2002-07-30 | 2005-09-21 | 雅马哈发动机株式会社 | 基于具有离散限制软计算的非线性动态控制的系统和方法 |
CN1746797A (zh) * | 2005-08-09 | 2006-03-15 | 东华大学 | 智能优化参数自整定控制方法 |
WO2008033800A2 (en) * | 2006-09-14 | 2008-03-20 | Honeywell International Inc. | A system for gain scheduling control |
CN101923318A (zh) * | 2009-06-09 | 2010-12-22 | 上海电气集团股份有限公司 | 一种网络pid控制器制造方法 |
CN103645633A (zh) * | 2013-12-25 | 2014-03-19 | 中国科学院自动化研究所 | 一种变换炉系统的炉温自学习控制方法 |
Non-Patent Citations (3)
Title |
---|
免疫单神经元PID控制在永磁交流伺服系统中的应用;王科等;《西安交通大学学报》;20100430;第44卷(第4期);第76-81页 |
免疫调节增益的单神经元PID控制器;王伟等;《电机与控制学报》;20080131;第12卷(第1期);第74-79页 |
第四代篦冷机刮板速度控制器设计;冯烨等;《机床与液压》;20111031;第39卷(第19期);第75-77、125页 |
Also Published As
Publication number | Publication date |
---|---|
CN106200385A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107479389B (zh) | 一种火电机组过热汽温预测模糊自适应pid控制方法 | |
CN105425612B (zh) | 一种水轮机调节系统控制参数的优选方法 | |
CN106154836B (zh) | 一种在线动态粒子群pid优化方法 | |
CN107544255B (zh) | 一种批次注塑过程的状态补偿模型控制方法 | |
CN109254530A (zh) | 基于磨矿过程基础回路的无模型自适应控制方法 | |
CN109407512B (zh) | 依赖时滞的间歇过程2d输入输出约束控制方法 | |
CN105353619A (zh) | 一种批次注塑过程的滚动时域跟踪控制方法 | |
CN114545766A (zh) | 一种麻雀搜索算法优化的bp神经网络pid控制方法 | |
CN110673482B (zh) | 一种基于神经网络预测的电站燃煤锅炉智能控制方法和系统 | |
CN106054616B (zh) | 模糊逻辑优化pid控制器参数的钛带卷连续酸洗活套高度控制方法 | |
CN102323750A (zh) | 嵌入式非线性脉冲协同控制器 | |
CN106200385B (zh) | 一种免疫调节增益的单神经元pid调节方法 | |
CN104235820A (zh) | 一种基于改进型单神经元自适应pid控制策略的锅炉汽温控制方法 | |
CN106773675B (zh) | 火电机组预测函数控制简化方法及其应用 | |
Singh et al. | Comparative study of integer order PI-PD controller and fractional order PI-PD controller of a DC motor for speed and position control | |
CN104460317A (zh) | 单输入单输出化工生产过程的自适应预测函数的控制方法 | |
CN106527127A (zh) | 一种基于环境阻抗模型的时延遥操作机器人自适应控制方法 | |
CN108132597B (zh) | 一种微分超前智能模型集pid控制器设计方法 | |
Aravind et al. | Simulation based modeling and implementation of adaptive control technique for Non Linear process tank | |
Ren et al. | A new Smith predictor for control of process with long time delays | |
CN113653589A (zh) | 一种变参双幂趋近律的水轮机组微分预测滑模控制方法 | |
CN109253443B (zh) | 火力发电锅炉主汽压力最优控制系统及其控制方法 | |
Zheng et al. | Double fuzzy pitch controller of wind turbine designed by genetic algorithm | |
CN108828932B (zh) | 一种单元机组负荷控制器参数优化整定方法 | |
CN108107713B (zh) | 一种比例微分超前智能模型集pid控制器设计方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210528 Address after: 710032 No. 136 Xingqing Road, Beilin District, Xi'an City, Shaanxi Province Patentee after: Xi'an Thermal Power Research Institute Co.,Ltd. Patentee after: XI'AN TPRI THERMAL CONTROL TECHNOLOGY Co.,Ltd. Address before: 710054 room 310, West 2nd floor, No.99 Yanxiang Road, Xi'an City, Shaanxi Province Patentee before: XI'AN TPRI THERMAL CONTROL TECHNOLOGY Co.,Ltd. |