CN108089436A - 快速无超调智能控制器参数设计方法 - Google Patents
快速无超调智能控制器参数设计方法 Download PDFInfo
- Publication number
- CN108089436A CN108089436A CN201711358716.9A CN201711358716A CN108089436A CN 108089436 A CN108089436 A CN 108089436A CN 201711358716 A CN201711358716 A CN 201711358716A CN 108089436 A CN108089436 A CN 108089436A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- controller
- colony house
- 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
- 238000009395 breeding Methods 0.000 claims abstract description 20
- 230000001488 breeding effect Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 241001465754 Metazoa Species 0.000 claims description 11
- 230000007306 turnover Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了快速无超调智能控制器PID参数设计方法，属于控制理论控制器设计领域。本发明首先将对象估计模型Gm分解；设计对象估计模型Gm的H2最优控制器按H∞最优控制设计滤波器f，得到内模控制器GIMC；将内模控制器转化为选定的PID控制器；整定滤波器常数λ，得到PID控制器参数。通过混合精英圈养优化算法确定滤波器常数及PID控制器参数。鲁棒IMC‑PID控制器只需要调节一个参数，即滤波器常数，使得IMC‑PID控制器的在线设计变得简便易行。设计的控制器直接在DCS上实施，能实现快速平稳控制，结构简单，免维护。
Description
技术领域
本发明涉及一种控制器设计方法，尤其涉及快速无超调智能控制器参数设计方法，属于控制理论控制器设计领域。
背景技术
控制器的设计和整定一直是进行过程控制所面临的主要问题，过去由于受硬件的限制，PID控制器是当然的选择。但是近年来随着计算机的发展，控制系统已经能够实施各种复杂的控制策略。尽管如此，大多数工业控制回路仍依赖于不同形式的PID控制器。由于常规的PID控制器需要整定比例度\积分常数\微分常数三个控制器参数，在应用过程中很难找到一种有效的优化方法，只能凭人工经验的方法，所以控制器的性能很难得到保证。因此找到一种简单的设计方法使得 PID控制器能达到最佳的控制效果就具有相当重要的意义。
PID控制器的整定即调整三个控制器参数Kc、Ti和Td。传统的控制器参数整定为4:1衰减比法，衰减过程慢，具有较强振荡，对现在的大生产强度大，耦合严重，控制回路多，相互影响强烈，致使控制回路很难快速平稳，对生产过程具有一定的干扰。
内模控制技术可解决控制器参数整定的问题，同时还能兼顾控制精度和鲁棒性能。但在实际工业现场，将内模控制应用于实际，就必须改造现有控制系统结构，需要在原有的控制系统中要加入过程对象模型模块，这给内模控制的应用带来了一定难度。而鲁棒IMC-PID控制器可以在DCS上进行适当组态就能顺利地解决这一难题。
发明内容
本发明在内模控制的基础上结合混合精英圈养优化算法提出了快速无超调智能控制器参数设计方法。
本发明采用的技术方案为快速无超调智能控制器参数设计方法，该方法的实现步骤如下：
首先，在内模控制的基础上进行鲁棒IMC-PID控制器的设计。
内模控制的结构框图见1所示。图中Gp为对象模型，Gm为对象估计模型，
GIMC为内模控制器。
第一步：首先将对象估计模型Gm分解
Gm＝Gm+Gm- (1)
其中Gm+包含所有的时延和右半平面(RHP)上的零点，而Gm-是模型的最小相位系统部分，是稳定的并且不包含任何预估。
第二步：设计对象估计模型Gm的H2最优控制器
第三步：按H∞最优控制设计滤波器f，得到内模控制器GIMC：
选择滤波器，调整参数使得滤波器f满足H∞最优控制的鲁棒性能要求：
式中：指数n为正整数，选择指数n使GIMC为正则的，s为拉普拉斯算子。
第四步：将内模控制器转化为选定的PID控制器；
由内模控制的结构与特性得到反馈控制器GC与内模控制器GIMC的关系：
第五步：整定滤波器常数λ，得到PID控制器参数。
通过混合精英圈养优化算法确定滤波器常数及PID控制器参数。由第一步到第五步的流程可知，鲁棒IMC-PID控制器只需要调节一个参数，即滤波器常数，使得IMC-PID控制器的在线设计变得简便易行。
混合精英圈养优化算法步骤如下：
步骤1.确立模型参数辨识的性能指标，作为混合精英圈养优化算法的代价函数CF。
选择代价函数即输出误差平方和为最小，如式(6)所示：
其中，为模型计算输出，y(t)为模型实际输出。
步骤2.把滤波器系数λ，比例系数K，积分时间常数Ti，微分时间常数Td，作为混合精英圈养优化算法的可操作变量OVs。
OVs＝[λ,K,Ti,Td] (7)
步骤3.初始化。设定饲养场圈舍的规模N，自定义新品种更新率Qupdate和饲养代数L。在可操作变量OVs的搜索范围内，随机生成初始圈舍分配情况 Population。
步骤4.计算饲养场内每个圈舍的代价函数指标CF值，即评价模型参数性能指标。根据CF值对圈舍Population进行排序。
步骤5.根据混合模型计算第i个圈舍的出栏率和入栏率，根据随机函数和入栏率出栏率进行混合操作。此处采用简单易实现的线性混合模型。线性混合模型如下式所示：
其中，αi为入栏率，βi为出栏率。I和O分别为最大的入栏率和出栏率；其中si是圈舍饲养动物数量，smax为该圈舍容纳的最大动物数量。
步骤6.根据各圈舍的出栏入栏率，计算混合饲养之后各圈舍饲养数量存在的概率其中i为圈舍的编号、n为最大的圈舍数，j为混合圈养的代数。
步骤7.根据新品种更新率进行引入新品种操作，新品种更新率的计算如式(11)所示：
其中，Mupdata代表了新品种的更新率，是j代圈养圈舍里最大的饲养数量。
步骤8.将经过混栏饲养和新品种引入之后的圈舍做检疫检查，使得每个个体都在搜索范围以内。然后计算代价函数，并进行排序。
步骤9.进行搜索动力不足检验，判断最优的CF值和前两代的最优CF值是否相等，就判断搜索动力足不足。混合圈养有效果，则进行步骤10；混合圈养没有收到良好的效果，则直接进行步骤11。
步骤10.根据公式(14)进行人工干预，选取精英个体混合饲养，对该饲养场中最好的圈舍Xbest进行特殊改造，提高后代产出新品种的概率，从而提高其跳出局部最优的动力。将饲养场中代价函数值最高的圈舍拆毁按照进行特殊改造之后的圈舍进行重建。
X'＝Xbest+sgn(rand-0.5)*E (12)
其中E是维度与X相同且全为1的单位矩阵。相当于在最好的解决方案上面随机的加上一个扰动量，从而增加了圈舍的多样性。
步骤11.判断是否满足结束条件，若不满足，则调到步骤4，若满足，则输出模型辨识参数，结束程序。
结合内模控制、鲁棒IMC-PID控制技术，采用混合精英圈养优化算法直接辨识PID控制器参数，可设计一种MOD-PID控制器，结合IMC、IMC-PID、 MOD-PID的控制思想，设计出三种控制器(IMC/IMC-PID/MOD-PID控制器)，形成了一种快速无超调智能控制器参数设计方法。
与现有技术相比较，本发明具有如下优点：
快速无超调智能控制器参数设计方法设计的控制器，不仅兼顾鲁棒稳定性和控制性能，还具有PID控制器的简单结构，可实现小超调无超调跟踪设定值变化或克服扰动。设计的控制器直接在DCS上实施，能实现快速平稳控制，结构简单，免维护。
附图说明
图1为内模控制的结构框图；
图2为阶跃响应曲线对比。
图3为闭环响应曲线。
图4为混合精英圈养优化算法。
具体实施方式
针对本发明所提出的方法，下面结合一个实例予以说明。
对象模型设定为二阶带纯滞后模型：
其中a,b,c,d,τ分别为模型参数，s为拉普拉斯算子。
式中K为比例系数，Ti为积分时间常数，Td为微分时间常数。
回路的模型参数如下表所示：
| 参数名称 | a | b | c | d | τ |
| 参数值 | 0.00 | 0.17 | 0.029 | 1.89 | 0.012 |
用混合精英圈养优化算法获得的滤波器常数λ，及得到最终的PID参数，见下表：
| λ | kc | Ti | Td |
| 0.2 | 0.41 | 0.53 | 0.00 |
通过快速无超调智能控制器参数设计方法得到的PID参数的闭环响应曲线如图3所示。
Claims (2)
1.快速无超调智能控制器参数设计方法，其特征在于：该方法的实现步骤如下：
在内模控制的基础上进行鲁棒IMC-PID控制器的设计；
内模控制的结构框中，Gp为对象模型，Gm为对象估计模型，GIMC为内模控制器；
第一步：首先将对象估计模型Gm分解
Gm＝Gm+Gm- (1)
其中Gm+包含所有的时延和右半平面上的零点，而Gm-是模型的最小相位系统部分，是稳定的并且不包含任何预估；
第二步：设计对象估计模型Gm的H2最优控制器
<mrow>
<msub>
<mover>
<mi>G</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>I</mi>
<mi>M</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>G</mi>
<mrow>
<mi>m</mi>
<mo>-</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
第三步：按H∞最优控制设计滤波器f，得到内模控制器GIMC：
<mrow>
<msub>
<mi>G</mi>
<mrow>
<mi>I</mi>
<mi>M</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>G</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>I</mi>
<mi>M</mi>
<mi>C</mi>
</mrow>
</msub>
<mi>f</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
选择滤波器，调整参数使得滤波器f满足H∞最优控制的鲁棒性能要求：
<mrow>
<mi>f</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msup>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>n</mi>
</msup>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：指数n为正整数，选择指数n使GIMC为正则的，s为拉普拉斯算子；
第四步：将内模控制器转化为选定的PID控制器；
由内模控制的结构与特性得到反馈控制器GC与内模控制器GIMC的关系：
<mrow>
<msub>
<mi>G</mi>
<mi>C</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>G</mi>
<mrow>
<mi>I</mi>
<mi>M</mi>
<mi>C</mi>
</mrow>
</msub>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>G</mi>
<mi>m</mi>
</msub>
<msub>
<mi>G</mi>
<mrow>
<mi>I</mi>
<mi>M</mi>
<mi>C</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
第五步：整定滤波器常数λ，得到PID控制器参数；
通过混合精英圈养优化算法确定滤波器常数及PID控制器参数；由第一步到第五步的流程可知，鲁棒IMC-PID控制器只需要调节一个参数，即滤波器常数，使得IMC-PID控制器的在线设计变得简便易行。
2.根据权利要求1所述的快速无超调智能控制器参数设计方法，其特征在于：混合精英圈养优化算法步骤如下：
步骤1.确立模型参数辨识的性能指标，作为混合精英圈养优化算法的代价函数CF；
选择代价函数即输出误差平方和为最小，如式(6)所示：
<mrow>
<mi>C</mi>
<mi>F</mi>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>t</mi>
</msubsup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mi>d</mi>
<mi>t</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为模型计算输出，y(t)为模型实际输出；
步骤2.把滤波器系数λ，比例系数K，积分时间常数Ti，微分时间常数Td，作为混合精英圈养优化算法的可操作变量OVs；
OVs＝[λ,K,Ti,Td] (7)
步骤3.初始化；设定饲养场圈舍的规模N，自定义新品种更新率Qupdate和饲养代数L；在可操作变量OVs的搜索范围内，随机生成初始圈舍分配情况Population；
步骤4.计算饲养场内每个圈舍的代价函数指标CF值，即评价模型参数性能指标；根据CF值对圈舍Population进行排序；
步骤5.根据混合模型计算第i个圈舍的出栏率和入栏率，根据随机函数和入栏率出栏率进行混合操作；此处采用简单易实现的线性混合模型；线性混合模型如下式所示：
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<msub>
<mi>s</mi>
<mi>max</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>O</mi>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<msub>
<mi>s</mi>
<mi>max</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，αi为入栏率，βi为出栏率；I和O分别为最大的入栏率和出栏率；其中si是圈舍饲养动物数量，smax为圈舍容纳的最大动物数量；
步骤6.根据各圈舍的出栏入栏率，计算混合饲养之后各圈舍饲养数量存在的概率其中i为圈舍的编号、n为最大的圈舍数，j为混合圈养的代数；
<mrow>
<msubsup>
<mi>Q</mi>
<mi>i</mi>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>Q</mi>
<mi>i</mi>
<mi>j</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>j</mi>
</msubsup>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>Q</mi>
<mi>i</mi>
<mi>j</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>&alpha;Q</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>j</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>j</mi>
</msubsup>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>Q</mi>
<mi>i</mi>
<mi>j</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>j</mi>
</msubsup>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mi>n</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤7.根据新品种更新率进行引入新品种操作，新品种更新率的计算如式(11)所示：
<mrow>
<msubsup>
<mi>New</mi>
<mi>i</mi>
<mi>j</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>M</mi>
<mrow>
<mi>u</mi>
<mi>p</mi>
<mi>d</mi>
<mi>a</mi>
<mi>t</mi>
<mi>a</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msubsup>
<mi>Q</mi>
<mi>i</mi>
<mi>j</mi>
</msubsup>
<msubsup>
<mi>Q</mi>
<mi>max</mi>
<mi>j</mi>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Mupdata代表了新品种的更新率，是j代圈养圈舍里最大的饲养数量；
步骤8.将经过混栏饲养和新品种引入之后的圈舍做检疫检查，使得每个个体都在搜索范围以内；然后计算代价函数，并进行排序；
步骤9.进行搜索动力不足检验，判断最优的CF值和前两代的最优CF值是否相等，就判断搜索动力足不足；混合圈养有效果，则进行步骤10；混合圈养没有收到良好的效果，则直接进行步骤11；
步骤10.根据公式(14)进行人工干预，选取精英个体混合饲养，对该饲养场中最好的圈舍Xbest进行特殊改造，提高后代产出新品种的概率，从而提高其跳出局部最优的动力；将饲养场中代价函数值最高的圈舍拆毁按照进行特殊改造之后的圈舍进行重建；
X'＝Xbest+sgn(rand-0.5)*E (12)
其中E是维度与X相同且全为1的单位矩阵；相当于在最好的解决方案上面随机的加上一个扰动量，从而增加了圈舍的多样性；
步骤11.判断是否满足结束条件，若不满足，则调到步骤4，若满足，则输出模型辨识参数，结束程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711358716.9A CN108089436B (zh) | 2017-12-17 | 2017-12-17 | 快速无超调智能控制器参数设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711358716.9A CN108089436B (zh) | 2017-12-17 | 2017-12-17 | 快速无超调智能控制器参数设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108089436A true CN108089436A (zh) | 2018-05-29 |
| CN108089436B CN108089436B (zh) | 2022-02-08 |
Family
ID=62176524
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711358716.9A Active CN108089436B (zh) | 2017-12-17 | 2017-12-17 | 快速无超调智能控制器参数设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108089436B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111830833A (zh) * | 2020-07-31 | 2020-10-27 | 中国科学院自动化研究所 | 基于模范系统的对象辨识及控制系统优化整定方法 |
| CN114755914A (zh) * | 2022-04-11 | 2022-07-15 | 中国航发控制系统研究所 | 基于imc-pid的航空发动机伺服控制器设计方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0263616B1 (en) * | 1986-10-09 | 1993-08-11 | International Control Automation Finance S.A. | Process control systems and methods |
| CN102890446A (zh) * | 2012-10-08 | 2013-01-23 | 北京化工大学 | 一种非方时滞系统的imc-pid控制器的设计方法 |
| CN104821596A (zh) * | 2015-05-21 | 2015-08-05 | 国家电网公司 | 一种基于内模控制的混合直流输电系统拓扑及控制方法 |
| CN104834211A (zh) * | 2015-04-29 | 2015-08-12 | 贵州电力试验研究院 | 火电厂控制系统内模pid控制器整定方法 |
| CN106200705A (zh) * | 2016-08-22 | 2016-12-07 | 淮阴工学院 | 一种无线传感器网络的养殖池塘ph值控制系统 |
| CN106338913A (zh) * | 2016-11-04 | 2017-01-18 | 河北省科学院应用数学研究所 | 基于相位裕量和截止频率的分数阶pid控制器设计方法 |
-
2017
- 2017-12-17 CN CN201711358716.9A patent/CN108089436B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0263616B1 (en) * | 1986-10-09 | 1993-08-11 | International Control Automation Finance S.A. | Process control systems and methods |
| CN102890446A (zh) * | 2012-10-08 | 2013-01-23 | 北京化工大学 | 一种非方时滞系统的imc-pid控制器的设计方法 |
| CN104834211A (zh) * | 2015-04-29 | 2015-08-12 | 贵州电力试验研究院 | 火电厂控制系统内模pid控制器整定方法 |
| CN104821596A (zh) * | 2015-05-21 | 2015-08-05 | 国家电网公司 | 一种基于内模控制的混合直流输电系统拓扑及控制方法 |
| CN106200705A (zh) * | 2016-08-22 | 2016-12-07 | 淮阴工学院 | 一种无线传感器网络的养殖池塘ph值控制系统 |
| CN106338913A (zh) * | 2016-11-04 | 2017-01-18 | 河北省科学院应用数学研究所 | 基于相位裕量和截止频率的分数阶pid控制器设计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周以琳 等: "基于内模控制的窑炉温度控制系统", 《青岛科技大学学报(自然科学版)》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111830833A (zh) * | 2020-07-31 | 2020-10-27 | 中国科学院自动化研究所 | 基于模范系统的对象辨识及控制系统优化整定方法 |
| CN111830833B (zh) * | 2020-07-31 | 2021-09-10 | 中国科学院自动化研究所 | 基于模范系统的对象辨识及控制系统优化整定方法 |
| CN114755914A (zh) * | 2022-04-11 | 2022-07-15 | 中国航发控制系统研究所 | 基于imc-pid的航空发动机伺服控制器设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108089436B (zh) | 2022-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103105774B (zh) | 基于改进的量子进化算法的分数阶pid控制器整定方法 | |
| CN108664006A (zh) | 一种基于分区控制和先进控制的scr脱硝智能喷氨优化方法及系统 | |
| CN106054596B (zh) | 一种基于改进性能指标的pid控制器参数优化整定方法 | |
| CN105334751B (zh) | 一种批次注塑过程的稳定控制器设计方法 | |
| JP2000116003A (ja) | 電圧無効電力制御方法 | |
| Das et al. | Performance analysis of robust stable PID controllers using dominant pole placement for SOPTD process models | |
| Oliveira et al. | A swarm intelligence-based tuning method for the sliding mode generalized predictive control | |
| CN106773654A (zh) | 一种分数阶pid控制器参数优化整定方法 | |
| CN113315164B (zh) | 无功电压控制方法和装置、介质以及计算装置 | |
| Hu et al. | NSGA-II-based nonlinear PID controller tuning of greenhouse climate for reducing costs and improving performances | |
| CN108448659B (zh) | 一种基于hacs算法求解电力系统无功优化的方法 | |
| US9098078B2 (en) | Control algorithm based on modeling a controlled object | |
| Gouadria et al. | Comparison between self-tuning fuzzy PID and classic PID controllers for greenhouse system | |
| Nasir et al. | Stochastic model predictive control based reference planning for automated open-water channels | |
| CN105867126A (zh) | 一种三相电压源型逆变系统分数阶pi优化控制方法 | |
| CN108089436A (zh) | 快速无超调智能控制器参数设计方法 | |
| CN106482507A (zh) | 一种水泥分解炉燃烧自动控制方法 | |
| CN108493939A (zh) | 一种基于最优潮流的空调负荷优化调度方法 | |
| CN112925207A (zh) | 一种基于参数辨识的温室环境温度自适应方法 | |
| Meihui et al. | Greenhouse multi-variables control by using feedback linearization decoupling method | |
| CN105511270B (zh) | 一种基于协同进化的pid控制器参数优化方法和系统 | |
| Würth et al. | On the numerical solution of discounted economic NMPC on infinite horizons | |
| CN106647247B (zh) | 一种适用于伺服控制器的控制算法 | |
| CN109212972A (zh) | 间歇过程的受限滚动时域混杂2d跟踪控制方法 | |
| CN106444389A (zh) | 一种废塑料裂解温度系统的模糊rbf网络优化pi控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |