CN106325074A - 一种基于布谷鸟算法的pid控制器参数智能整定方法 - Google Patents
一种基于布谷鸟算法的pid控制器参数智能整定方法 Download PDFInfo
- Publication number
- CN106325074A CN106325074A CN201610939572.5A CN201610939572A CN106325074A CN 106325074 A CN106325074 A CN 106325074A CN 201610939572 A CN201610939572 A CN 201610939572A CN 106325074 A CN106325074 A CN 106325074A
- Authority
- CN
- China
- Prior art keywords
- model
- parameter
- controlled device
- pid controller
- 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.)
- 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
- G05B13/04—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
- G05B13/042—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 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布谷鸟算法的PID控制器参数智能整定方法,包括如下步骤:步骤(1).通过阶跃响应数据建立被控对象的一阶惯性滞后模型;步骤(2).整定被控对象的PID控制器参数Kp、Ki、Kd。本发明过数据采集、模型建立、智能优化等手段,得到了一种基于布谷鸟算法优化的PID控制参数整定方法,利用该方法可获得较合理的PID控制参数,为工程师提供了更有效的借鉴,同时也提高了控制的性能。
Description
技术领域
本发明属于自动控制领域,涉及一种PID控制器参数的智能整定方法。
背景技术
在实际工业控制中,PID控制由于结构简单、易于实施等因素依旧占据主流。PID控制器的参数整定是控制系统设计的核心内容,它是根据被控过程的特性确定PID控制器的比例系数、积分时间和微分时间的大小。对于PID控制器的参数整定,Ziegler和Nichols、Cohen和Coon、Tyreus和Luyben等提出过一些经典的方法,均是对传统的PID参数整定方法在参数的系数上做了调整。但是在实际的实施过程中,工程师仍然需要根据被控系统的响应以及自身的工程经验来进行较大的调整。如果能整定出更优的PID控制参数,将给现场工程师一个更好的借鉴,同时也更加能保证被控系统的性能。
发明内容
本发明的目的是针对传统PID参数整定方法的不足之处,提供一种基于布谷鸟算法优化的PID参数整定方法,来获得更优的PID控制初始参数供工程人员参考。该整定方法采用布谷鸟算法来最优化给定的目标函数,兼顾了被控系统的响应时间与超调量,以此来得到尽可能优化的PID控制参数。
本发明方法首先基于被控对象的阶跃响应数据,建立被控对象的一阶惯性滞后模型,然后采用布谷鸟算法对该对象的PID控制参数进行优化计算,最后将优化好的PID参数实施于该对象或者作为工程师调整的初始参数。具体技术方案如下:
一种基于布谷鸟算法的PID控制器参数智能整定方法,包括如下步骤:
步骤(1).通过阶跃响应数据建立被控对象的一阶惯性滞后模型;
步骤(2).整定被控对象的PID控制器参数Kp、Ki、Kd,具体如下:
a.在采样时间Ts下对被控对象的模型加一个零阶保持器,可得到被控对象的离散模型
y(k)=ay(k-1)+K(1-a)u(k-1-L)
y(k)为k时刻的模型输出,u(k-1-L)为k-1-L时刻的模型输入,L=τ/Ts为模型的时滞;
在PID控制下,控制输入的形式如下
u(k)=u(k-1)+Kp(e1(k)-e1(k-1))+Kie1(k)+Kd(e1(k)-2e1(k-1)+e1(k-2))
其中,e(k)为k时刻过程设定值与实际输出值之间的误差,e(k)=c-y(k),c为被控对象的设定值;
b.构造布谷鸟优化算法的目标函数,如下所示:
其中,N为过程输出达到稳态所需要的步长,在运算过程中进行判断;β1、β2为相应的加权系数;
c.布谷鸟算法求解PID参数。
进一步的,步骤(1)具体如下:
Ⅰ.给被控对象的输入端加一个阶跃信号,记录输出在该阶跃下基于初始状态的变化值yp(k)。
Ⅱ.将对应的输出变化值yp(k)滤波处理成一条光滑曲线,并将其转换为无纲量形式,具体如下
yp *(k)=yp(k)/yp(∞)
其中,yp(∞)是在阶跃输入信号下输出变化yp(k)的稳态值。
Ⅲ.选取满足yp *(k1)=0.39、yp *(k2)=0.63的两个时间点k1和k2,根据下面的公式计算被控对象的模型参数K、T和τ:
K=yp(∞)/q
T=2(k1-k2)
τ=2k1-k2
最后可以得到被控对象的传递函数模型:
其中,q为输入的阶跃变化幅度,s为拉普拉斯变换算子,K为模型的增益,T为模型的时间常数,τ为模型的滞后时间。
进一步的,步骤(2)c具体如下:
1)、给定PID参数Kp、Ki、Kd的搜索范围;
2)、设定布谷鸟算法的参数:种群数目、最大迭代次数、淘汰概率;
3)、布谷鸟算法在搜索范围内随机生成设定种群数目的初始种群,对初始种群中的每个个体按照Levy飞行机制以及淘汰概率进行个体位置更新,对比更新前后的目标函数大小来选择更优的位置,达到最大迭代次数为止;
4)、在最终生成的优化种群中通过对比目标函数的大小来得到最优的个体,也就是最优的PID参数。
一种基于布谷鸟算法的PID控制器参数智能整定方法在塑料炼油裂解炉炉膛温度过程控制中的应用。
本发明的技术方案是通过数据采集、模型建立、智能优化等手段,得到了一种基于布谷鸟算法优化的PID控制参数整定方法,利用该方法可获得较合理的PID控制参数,为工程师提供了更有效的借鉴,同时也提高了控制的性能。
具体实施方式
本发明的基于布谷鸟算法的PID控制器参数智能整定方法,包括如下步骤:
步骤(1).通过阶跃响应数据建立被控对象的一阶惯性滞后模型,具体如下:
Ⅰ.给被控对象的输入端加一个阶跃信号,记录输出在该阶跃下基于初始状态的变化值yp(k)。
Ⅱ.将对应的输出变化值yp(k)滤波处理成一条光滑曲线,并将其转换为无纲量形式,具体如下
yp *(k)=yp(k)/yp(∞)
其中,yp(∞)是在阶跃输入信号下输出变化yp(k)的稳态值。
Ⅲ.选取满足yp *(k1)=0.39、yp *(k2)=0.63的两个时间点k1和k2,根据下面的公式计算被控对象的模型参数K、T和τ:
K=yp(∞)/q
T=2(k1-k2)
τ=2k1-k2
最后可以得到被控对象的传递函数模型:
其中,q为输入的阶跃变化幅度,s为拉普拉斯变换算子,K为模型的增益,T为模型的时间常数,τ为模型的滞后时间。
步骤(2).整定被控对象的PID控制器参数Kp、Ki、Kd,具体如下:
a.在采样时间Ts下对被控对象的模型加一个零阶保持器,可得到被控对象的离散模型
y(k)=ay(k-1)+K(1-a)u(k-1-L)
y(k)为k时刻的模型输出,u(k-1-L)为k-1-L时刻的模型输入,L=τ/Ts为模型的时滞。
在PID控制下,控制输入的形式如下
u(k)=u(k-1)+Kp(e1(k)-e1(k-1))+Kie1(k)+Kd(e1(k)-2e1(k-1)+e1(k-2))
其中,e(k)为k时刻过程设定值与实际输出值之间的误差,e(k)=c-y(k),c为被控对象的设定值。
b.构造布谷鸟优化算法的目标函数,如下所示
其中,N为过程输出达到稳态所需要的步长,在运算过程中进行判断;β1、β2为相应的加权系数。
目标函数的意义如下:
这里我们需要达到的指标有三个:一是让过程输出无余差,二是让过程输出尽可能光滑,三是让过程输出超调尽量小。在过程输出无超调阶段,也就是y(k)≤c的情况下,通过f(k)中的前面一部分来让过程输出无余差,通过后面一部分来让过程输出尽量光滑,β1用来调整两种性能的权重。在过程输出有超调的时候,通过调节来抑制超调。在过程输出刚开始上升的时候,余差会较大,为了避免控制量算出来较大导致过程出现大的超调,这里用了k2来进行调节。
c.布谷鸟算法求解PID参数,具体如下
1)、给定PID参数Kp、Ki、Kd的搜索范围;
2)、设定布谷鸟算法的参数:种群数目、最大迭代次数、淘汰概率;
3)、布谷鸟算法在搜索范围内随机生成设定种群数目的初始种群,对初始种群中的每个个体按照Levy飞行机制以及淘汰概率进行个体位置更新,对比更新前后的目标函数大小来选择更优的位置,达到最大迭代次数为止;
4)、在最终生成的优化种群中通过对比目标函数的大小来得到最优的个体,也就是最优的PID参数;
5)、得到最优的PID参数后,可以提供给工程师作为借鉴或者作用于被控对象。
实施例
以废塑料炼油裂解炉炉膛温度过程控制为例,在此过程中通过调节燃烧火嘴开度来调节炉膛温度。
步骤(1).通过阶跃测试来建立裂解炉炉膛温度过程的模型,具体如下:
a.将炉膛温度过程的PID控制器停留在手动操作状态,操作拨盘使其输出有个阶跃变化,由记录仪表记录炉膛温度基于初始状态的变化值,将实际输出变化值yp(k)的响应曲线滤波后转换成无量纲形式yp *(k),具体是:
yp *(k)=yp(k)/yp(∞)
其中,yp(∞)是PID控制器的输出有阶跃变化时的炉膛温度输出变化yp(k)的稳态值。
b.选取满足yp *(k1)=0.39、yp *(k2)=0.63的两个时间点k1和k2,依据下面的式子计算炉膛温度过程的模型参数K、T和τ:
K=yp(∞)/q
T=2(k1-k2)
τ=2k1-k2
最后可以得到炉膛温度过程的传递函数模型:
其中,q为炉膛温度过程的PID控制器输出的阶跃变化幅度,s为拉普拉斯变换算子,K为炉膛温度过程模型的增益,T为炉膛温度过程模型的时间常数,τ为炉膛温度过程模型的滞后时间。
步骤(2).整定炉膛温度过程的PID控制器参数Kp、Ki、Kd,具体如下:
a.在采样时间Ts下炉膛温度过程的模型加一个零阶保持器,可得到对应的离散模型
y(k)=ay(k-1)+K(1-a)u(k-1-L)
y(k)为k时刻的炉膛温度过程的模型输出,u(k-1-L)为k-1-L时刻的炉膛温度过程的模型输入,也就是炉膛温度过程PID控制器的输出,L=τ/Ts为炉膛温度过程的模型时滞。
在PID控制下,炉膛温度过程的控制输入形式如下
u(k)=u(k-1)+Kp(e1(k)-e1(k-1))+Kie1(k)+Kd(e1(k)-2e1(k-1)+e1(k-2))
其中,e(k)为k时刻炉膛温度设定值与实际炉膛温度之间的误差,e(k)=c-y(k),c为炉膛温度的设定值。
b.构造基于布谷鸟优化算法的炉膛温度过程的目标函数,如下所示
其中,N为炉膛温度达到稳态所需要的步长,在运算过程中进行判断;β1、β2为相应的加权系数。
c.布谷鸟算法求解炉膛温度过程的PID控制器参数,具体如下
1)、给定炉膛温度过程PID控制器参数Kp、Ki、Kd的搜索范围;
2)、设定布谷鸟算法的参数:种群数目、最大迭代次数、淘汰概率;
3)、布谷鸟算法在给定的搜索范围内随机生成设定种群数目的初始PID参数种群,对初始PID参数种群中的每个个体按照Levy飞行机制以及淘汰概率进行个体位置更新,对比更新前后的炉膛温度过程的目标函数大小来选择更优的位置,达到最大迭代次数为止;
4)、在最终生成的优化PID参数种群中再次通过对比炉膛温度过程的目标函数的大小来得到最优的个体,也就是最优的炉膛温度过程PID参数;
5)、得到最优的炉膛温度过程PID参数后,可以提供给工程师作为借鉴或者作用于炉膛温度过程。
Claims (4)
1.一种基于布谷鸟算法的PID控制器参数智能整定方法,包括如下步骤:
步骤(1).通过阶跃响应数据建立被控对象的一阶惯性滞后模型;
步骤(2).整定被控对象的PID控制器参数Kp、Ki、Kd,具体如下:
a.在采样时间Ts下对被控对象的模型加一个零阶保持器,可得到被控对象的离散模型
y(k)=ay(k-1)+K(1-a)u(k-1-L)
y(k)为k时刻的模型输出,u(k-1-L)为k-1-L时刻的模型输入,L=τ/Ts为模型的时滞;
在PID控制下,控制输入的形式如下
u(k)=u(k-1)+Kp(e1(k)-e1(k-1))+Kie1(k)+Kd(e1(k)-2e1(k-1)+e1(k-2))
其中,e(k)为k时刻过程设定值与实际输出值之间的误差,e(k)=c-y(k),c为被控对象的设定值;
b.构造布谷鸟优化算法的目标函数,如下所示:
其中,N为过程输出达到稳态所需要的步长,在运算过程中进行判断;β1、β2为相应的加权系数;
c.布谷鸟算法求解PID参数。
2.如权利要求1所述的基于布谷鸟算法的PID控制器参数智能整定方法,其特征在于:步骤(1)具体如下:
Ⅰ.给被控对象的输入端加一个阶跃信号,记录输出在该阶跃下基于初始状态的变化值yp(k)。
Ⅱ.将对应的输出变化值yp(k)滤波处理成一条光滑曲线,并将其转换为无纲量形式,具体如下
yp *(k)=yp(k)/yp(∞)
其中,yp(∞)是在阶跃输入信号下输出变化yp(k)的稳态值。
Ⅲ.选取满足yp *(k1)=0.39、yp *(k2)=0.63的两个时间点k1和k2,根据下面的公式计算被控对象的模型参数K、T和τ:
K=yp(∞)/q
T=2(k1-k2)
τ=2k1-k2
最后可以得到被控对象的传递函数模型:
其中,q为输入的阶跃变化幅度,s为拉普拉斯变换算子,K为模型的增益,T为模型的时间常数,τ为模型的滞后时间。
3.如权利要求1所述的基于布谷鸟算法的PID控制器参数智能整定方法,其特征在于:步骤(2)c具体如下:
1)、给定PID参数Kp、Ki、Kd的搜索范围;
2)、设定布谷鸟算法的参数:种群数目、最大迭代次数、淘汰概率;
3)、布谷鸟算法在搜索范围内随机生成设定种群数目的初始种群,对初始种群中的每个个体按照Levy飞行机制以及淘汰概率进行个体位置更新,对比更新前后的目标函数大小来选择更优的位置,达到最大迭代次数为止;
4)、在最终生成的优化种群中通过对比目标函数的大小来得到最优的个体,也就是最优的PID参数。
4.一种如权利要求1-3之一的基于布谷鸟算法的PID控制器参数智能整定方法在塑料炼油裂解炉炉膛温度过程控制中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610939572.5A CN106325074B (zh) | 2016-10-25 | 2016-10-25 | 一种基于布谷鸟算法的pid控制器参数智能整定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610939572.5A CN106325074B (zh) | 2016-10-25 | 2016-10-25 | 一种基于布谷鸟算法的pid控制器参数智能整定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106325074A true CN106325074A (zh) | 2017-01-11 |
CN106325074B CN106325074B (zh) | 2019-09-17 |
Family
ID=57818474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610939572.5A Active CN106325074B (zh) | 2016-10-25 | 2016-10-25 | 一种基于布谷鸟算法的pid控制器参数智能整定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106325074B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109149943A (zh) * | 2018-09-11 | 2019-01-04 | 上海电力学院 | 基于布谷鸟算法的llc谐振变换器参数优化设计方法 |
CN111103790A (zh) * | 2019-12-05 | 2020-05-05 | 珠海格力电器股份有限公司 | Pid控制器的参数整定方法、装置、存储介质、终端及系统 |
CN112506056A (zh) * | 2020-12-02 | 2021-03-16 | 江南大学 | 基于闭环阶跃响应串级回路pid控制参数自校正方法 |
CN114002946A (zh) * | 2021-12-31 | 2022-02-01 | 浙江中控技术股份有限公司 | 自适应pid参数整定方法、系统、电子设备及存储介质 |
CN116184812A (zh) * | 2023-04-24 | 2023-05-30 | 荣耀终端有限公司 | 一种信号补偿方法、电子设备及介质 |
CN116470773A (zh) * | 2023-05-16 | 2023-07-21 | 江苏科曜能源科技有限公司 | 一种变换器的比例积分参数计算方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760907A (zh) * | 2013-12-30 | 2014-04-30 | 哈尔滨工程大学 | 一种基于布谷鸟搜索算法的水下潜器三维路径规划方法 |
CN105225003A (zh) * | 2015-09-23 | 2016-01-06 | 西北工业大学 | 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法 |
-
2016
- 2016-10-25 CN CN201610939572.5A patent/CN106325074B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760907A (zh) * | 2013-12-30 | 2014-04-30 | 哈尔滨工程大学 | 一种基于布谷鸟搜索算法的水下潜器三维路径规划方法 |
CN105225003A (zh) * | 2015-09-23 | 2016-01-06 | 西北工业大学 | 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法 |
Non-Patent Citations (5)
Title |
---|
兰少峰 等: "布谷鸟搜索算法研究综述", 《计算机工程与设计》 * |
孔志良: "生产过程中一类复杂系统的均衡控制策略及应用的研究", 《万方学位论文》 * |
王庆喜 等: "基于动态布谷鸟搜索算法的PID控制器参数优化", 《计算机测量与控制》 * |
王骥程 祝和云: "《化工过程控制过程(第二版)》", 1 May 1991, 化学工业出版社 * |
许郢: "《生产过程控制系统安装与调试》", 1 March 2014, 水利水电出版社 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109149943A (zh) * | 2018-09-11 | 2019-01-04 | 上海电力学院 | 基于布谷鸟算法的llc谐振变换器参数优化设计方法 |
CN111103790A (zh) * | 2019-12-05 | 2020-05-05 | 珠海格力电器股份有限公司 | Pid控制器的参数整定方法、装置、存储介质、终端及系统 |
CN112506056A (zh) * | 2020-12-02 | 2021-03-16 | 江南大学 | 基于闭环阶跃响应串级回路pid控制参数自校正方法 |
CN114002946A (zh) * | 2021-12-31 | 2022-02-01 | 浙江中控技术股份有限公司 | 自适应pid参数整定方法、系统、电子设备及存储介质 |
CN114002946B (zh) * | 2021-12-31 | 2022-05-03 | 浙江中控技术股份有限公司 | 自适应pid参数整定方法、系统、电子设备及存储介质 |
CN116184812A (zh) * | 2023-04-24 | 2023-05-30 | 荣耀终端有限公司 | 一种信号补偿方法、电子设备及介质 |
CN116470773A (zh) * | 2023-05-16 | 2023-07-21 | 江苏科曜能源科技有限公司 | 一种变换器的比例积分参数计算方法及系统 |
CN116470773B (zh) * | 2023-05-16 | 2023-11-24 | 江苏科曜能源科技有限公司 | 一种变换器的比例积分参数计算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106325074B (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106325074A (zh) | 一种基于布谷鸟算法的pid控制器参数智能整定方法 | |
Zhong | PID controller tuning: A short tutorial | |
CN105892296B (zh) | 一种工业加热炉系统的分数阶动态矩阵控制方法 | |
CN105045233B (zh) | 火电厂热工系统中基于时间量度的pid控制器的优化设计方法 | |
CN103701368B (zh) | 双电机节能消隙控制方法 | |
CN109557810B (zh) | 一种基于新型二自由度内模pid的加热炉温度控制方法 | |
CN104533701A (zh) | 一种水轮机调速系统控制参数的自动整定方法 | |
CN107272403A (zh) | 一种基于改进粒子群算法的pid控制器参数整定算法 | |
CN105751470B (zh) | 一种注塑机温度实时控制方法 | |
CN104776446A (zh) | 一种锅炉燃烧优化控制方法 | |
CN103389746B (zh) | 预测函数控制优化的废塑料炼油裂解炉炉膛压力控制方法 | |
CN108181802A (zh) | 一种性能可控pid控制器参数优化整定方法 | |
CN105425612A (zh) | 一种水轮机调节系统控制参数的优选方法 | |
CN103345150B (zh) | 预测函数控制优化的废塑料炼油裂解炉炉膛温度控制方法 | |
CN103760931B (zh) | 动态矩阵控制优化的油气水卧式三相分离器压力控制方法 | |
CN103616815A (zh) | 动态矩阵控制优化的废塑料炼油裂解炉炉膛温度控制方法 | |
CN103605284B (zh) | 动态矩阵控制优化的废塑料裂解炉炉膛压力控制方法 | |
CN110488888B (zh) | 一种基于自适应迭代学习的电阻加热炉温度控制方法 | |
Paulusová et al. | Application of design of PID controller for continuous systems | |
CN107065541A (zh) | 一种焦化炉炉膛压力系统模糊网络优化pid‑pfc控制方法 | |
CN113377008B (zh) | 一种pid控制系统及参数整定方法 | |
CN105700383B (zh) | 一种正压烘炉优化控制方法 | |
CN105320173A (zh) | 一种基于混沌优化免疫模糊pid的汽提温度控制方法 | |
CN108132597B (zh) | 一种微分超前智能模型集pid控制器设计方法 | |
CN108919642B (zh) | 一种炉跟机协调控制系统控制器参数优化整定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |