CN108107713B - 一种比例微分超前智能模型集pid控制器设计方法 - Google Patents
一种比例微分超前智能模型集pid控制器设计方法 Download PDFInfo
- Publication number
- CN108107713B CN108107713B CN201711358703.1A CN201711358703A CN108107713B CN 108107713 B CN108107713 B CN 108107713B CN 201711358703 A CN201711358703 A CN 201711358703A CN 108107713 B CN108107713 B CN 108107713B
- Authority
- CN
- China
- Prior art keywords
- controller
- loop
- model set
- value
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000013461 design Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000004519 manufacturing process Methods 0.000 claims abstract description 17
- 230000007547 defect Effects 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000004886 process control Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 claims description 2
- 230000006872 improvement Effects 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims 1
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000009776 industrial production Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000002994 raw material Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
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
本发明公开了一种比例微分超前智能模型集PID控制器设计方法,属于流程工业生产技术领域。该方法对生产过程回路对象建立多时段、多工况模型,并形成有效模型集,模型集包含了回路多工况对象精准模型。在回路模型集基础上,提出了一种控制器设计方法,该方法可在不改变原有PID控制器结构的基础上直接实施。该方法在控制器设计方法的基础上,综合生产控制回路过程对象多时段、多工况的有效模型集,智能选取出适应多种工况的全局优化控制器,解决了常规控制器设计方法难以适应工况变化的缺陷,实现在该控制器控制下的回路能够长期稳定运行。
Description
技术领域
本发明属于流程工业生产技术领域,涉及一种比例微分超前智能模型集PID控制器设计方法,该方法可以应用于流程工业生产装置控制回路多工况全局优化的控制器设计。
背景技术
在当前流程工业大规模快速发展的时代,一套生产装置通常包含少则上百,多则上千的过程控制回路,且装置运行工况随着原料改变、加工需求调整或环境因素变化而变化,对于靠经验整定的单一控制器参数难以适应多工况变化的控制性能,在工况变化时,操作人员往往采用手动控制方式控制目标参数,待生产过程操作工况处于新的稳态时,原有的控制器参数难以达到有效控制,须经由工程师对相关回路控制器进行重新整定才能稳定投用,但随着控制回路的增加及工况变化,装置自动化水平和运行平稳性受到了严重影响。
发明内容
针背景技术描述的问题,本发明提出一种比例微分超前智能模型集PID控制方法。该方法融合了先进的计算机技术、控制技术及工艺生产技术,充分利用工业大数据挖掘方法,采用先进的建模技术,对生产过程回路对象建立多时段、多工况模型,并形成有效模型集,模型集包含了回路多工况对象精准模型。在回路模型集基础上,提出了一种控制器设计方法,该方法可在不改变原有PID控制器结构的基础上直接实施。将该控制器设计方法与回路对象多工况模型集结合,设计出适应多种工况的全局优化控制器,解决了常规控制器设计方法难以适应工况变化的缺陷,实现控制回路长期稳定运行。
本发明采用的技术方案为一种比例微分超前智能模型集PID控制器设计方法,在石油化工生产过程中,被控变量往往要求平缓的变化,即使在工艺需要改变生产计划时,也需要各被控变量平缓地过渡到新的稳态,特别是生产过程中上下游关联较强的流量参数。为防止设定值改变或输入有高频干扰信号时造成输出波动幅度大,严重时可造成事故的风险,因此,引入了比例微分超前PID(I-PD)控制,如图1所示,即比例、微分对测量值起作用,仅积分对偏差起作用,避免设定值变化造成的输出参数大幅波动。
图1中,R(s)为回路设定值;Y(s)为被控变量输出值;为控制器的积分作用部分传递函数;TI为积分时间常数;为比例微分部分传递函数,K为比例系数;TD为微分参数;α为微分放大系数,取值为0.05~0.1;GP(s)为过程对象传递函数;s为拉普拉斯算子。
为实现图1所示控制回路得到有效控制,控制器设计目标为使得控制回路前向通道等价于积分环节如图2所示,相当于闭环控制回路等价于一阶惯性环节避免设定值变化造成的输出参数大幅波动,达到更有利于生产装置整体平稳运行的目的。
图2中,G′P(s)为名义过程控制对象传递函数,由图1可得:
图3中,λ为鲁棒提升系数,在控制器参数设计阶段求得,该鲁棒提升系数的适当取值有利于提升回路的鲁棒性能及平稳过渡动态性能;对图3进行等价变换,变换后结构图如图4所示。
图4中,GC(s)为所需设计的控制器,控制器的传递函数如下:
增加鲁棒提升环节后,最终控制器参数设计目标为确定控制器参数K、TI、TD,使得控制回路中GC(s)和G′P(s)环节的输入输出响应等价于一阶惯性环节在设定值R(s)改变后,被控变量实现比较理想的平稳过度过程。控制器参数及鲁棒提升系数设计采用随机搜索优化方法,该方法具有运算速度快、精确度高、全局收敛性好等特点,最终计算结果即为本发明所设计的控制器参数。
为了使上述所设计的控制器参数能够在多种工况正常运行,本发明提出一种基于模型集的全局优化智能控制器设计方法,该方法在控制器设计方法的基础上,综合生产控制回路过程对象多时段、多工况的有效模型集,智能选取出适应多种工况的全局优化控制器,解决了常规控制器设计方法难以适应工况变化的缺陷,实现在该控制器控制下的回路能够长期稳定运行,采用该方法设计全局优化控制器回路结构图如图5所示。
图5中,(G′P1(s),G′P2(s),…,G′Pm(s))为当前回路名义过程对象模型集,表达式如下:
其中,实际的过程对象模型集为(GP1(s),GP2(s),…,GPm(s)),m为模型集中包含模型的数量,i为模型的序号数。
在基于模型集的全局优化智能控制器参数的设计中,采用ITAE即时间乘误差绝对值积分作为最终最优参数确定指标,该指标计算公式如下:
其中,ηITAE为全局优化控制器参数性能指标;m为当前回路对象模型集包含模型数量;n为计算模型集中各模型动态响应性能选取时间段包含的数据点数;yi(tj)为模型集中第i个模型在tj时刻输出动态响应值;ri为第i个模型输入给定值;tj为第j个采样数据值的时间,j为采样数据值的序号。
本发明所设计的全局优化智能控制器即采用随机搜索优化算法,该方法可快速选取出一组智能控制器参数,直接在PID控制器实施,使得在该组智能控制器参数控制下,被控过程对象的输出动态响应在性能指标ηITAE的约束下,使得该性能指标ηITAE取值最小,实现适应多工况的全局优化智能控制器控制目标。设计方法步骤如下:
S1、根据采集到的现场生产过程对象多时段、多工况的有效数据,并采用混合Box-Jenkins模型闭环辨识方法建立过程对象多工况精准模型,形成对象模型集;
S2、对模型集中各精准模型,采用比例微分超前控制器设计方法,分别采用随机搜索优化方法对各工况模型设计出相应的控制器K、TI、TD参数组;
S3、根据S2得到的控制器K、TI、TD参数组,计算出各组控制器K、TI、TD参数的平均值,作为S4采用随机搜索优化算法求取全局优化控制器参数的初值;
S4、采用随机搜索优化算法,以S3计算出的参数平均值作为初值,搜索出一组智能控制器参数,使得对象模型集中各工况模型在该组控制器参数控制下,性能指标ηITAE取值最小,即达到全局优化智能控制器的设计目标。
综合对基于模型集的新型比例微分超前PID控制器设计方法进行分析,与现有传统的PID控制器相比,本发明所提出的方法具有如下几个优点:
1、该方法突破了传统的PID控制器设计理念,提出了一种新型的比例微分超前智能模型集PID控制器设计方法,该方法具有设计简单,无需改变现有工艺设备条件,可直接在现有DCS集散控制系统中实施;
2、提出了一种新型的比例微分超前智能模型集PID控制器设计方法,该方法基于生产过程控制回路对象多时段、多工况有效模型集,设计适应多种工况的全局优化智能控制器,解决了常规控制器设计方法难以适应工况变化的缺陷,实现在该全局优化控制器控制下的回路能够长期稳定运行。
附图说明
图1控制回路I-PD控制结构图。
图2比例微分超前控制回路原理图。
图3控制回路增加鲁棒提升环节结构图。
图4变换后控制回路结构图。
图5基于模型集的全局优化控制器设计回路原理图。
图6基于模型集的比例微分超前智能控制器控制效果图。
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。
某石化厂乙烯装置由于经常调整原料进料负荷,且不定期更换原料品种,导致装置各单元生产工况经常变化,现场工作人员通常要对相关控制回路控制器参数重新整定,才能适应新的工况生产,对于此类常见的生产过程控制问题,设计可适应多工况的控制器,对降低工作人员劳动强度,使装置保持长期稳定运行具有重要意义。选取该装置原料进料流量回路作为实例说明,设流量对象模型传递函数如下所示:
其中,GPi(s)表示流量对象模型集中第i个模型;ai,ki,τi为第i个模型的参数。本发明对现场采集的数据进行分析,挖掘出的多种工况的有效建模数据,并采用混合Box-Jenkins模型闭环辨识方法对流量对象进行建模,形成有效模型集,模型参数见下表所示:
表1流量对象模型集中各模型参数
采用随机搜索优化方法求取本发明提出的新型控制器设计方法,控制器微分环节中微分放大系数α取值0.05,上述表中各模型的对应的控制器参数见下表:
表2各工况模型对应的控制器参数
可得各组参数平均值分别为0.85、1.86、0.89,采用该平均值作为下一步采用随机搜索优化算法求取全局优化智能控制器参数的初值,最终得到全局优化智能控制器参数K、TI、TD分别为1.24、0.92、0.63。该参数即为本发明提出的基于模型集的新型智能控制器参数,将该参数实施到上述四种工况模型中,得到控制效果如图6所示。
由图4可见,本发明所设计的全局优化智能控制器适用于该流量对象的上述各种工况,且取得了较好的控制水平。
Claims (3)
1.一种比例微分超前智能模型集PID控制器设计方法,在石油化工生产过程中,被控变量往往要求平缓的变化,即使在工艺需要改变生产计划时,也需要各被控变量平缓地过渡到新的稳态;为防止设定值改变或输入有高频干扰信号时造成输出波动幅度大,严重时可造成事故的风险,因此,引入了比例微分超前PID控制,即比例、微分对测量值起作用,仅积分对偏差起作用,避免设定值变化造成的输出参数大幅波动;
R(s)为回路设定值;Y(s)为被控变量输出值;为控制器的积分作用部分传递函数;TI为积分时间常数;为比例微分部分传递函数,K为比例系数;TD为微分参数;α为微分放大系数,取值为0.05~0.1;GP(s)为过程对象传递函数;s为拉普拉斯算子;
其特征在于:
G′P(s)为名义过程控制对象传递函数,
λ为鲁棒提升系数,在控制器参数设计阶段求得,该鲁棒提升系数的适当取值有利于提升回路的鲁棒性能及平稳过渡动态性能;对图3进行等价变换,得到变换后结构;
GC(s)为所需设计的控制器,控制器的传递函数如下:
2.根据权利要求1所述的一种比例微分超前智能模型集PID控制器设计方法,其特征在于:
在控制器设计方法的基础上,综合生产控制回路过程对象多时段、多工况的有效模型集,智能选取出适应多种工况的全局优化控制器,解决常规控制器设计方法难以适应工况变化的缺陷,实现在该控制器控制下的回路能够长期稳定运行,采用该方法设计全局优化控制器回路结构;
(G′P1(s),G′P2(s),…,G′Pm(s))为当前回路名义过程对象模型集,表达式如下:
其中,实际的过程对象模型集为(GP1(s),GP2(s),…,GPm(s)),m为模型集中包含模型的数量,i为模型的序号数;
在基于模型集的全局优化智能控制器参数的设计中,采用ITAE即时间乘误差绝对值积分作为最终最优参数确定指标,该指标计算公式如下:
其中,ηITAE为全局优化控制器参数性能指标;m为当前回路对象模型集包含模型数量;n为计算模型集中各模型动态响应性能选取时间段包含的数据点数;yi(tj)为模型集中第i个模型在tj时刻输出动态响应值;ri为第i个模型输入给定值;tj为第j个采样数据值的时间,j为采样数据值的序号。
3.根据权利要求1所述的一种比例微分超前智能模型集PID控制器设计方法,其特征在于:
所设计的全局优化智能控制器即采用随机搜索优化算法能快速选取出一组智能控制器参数,直接在PID控制器实施,使得在该组智能控制器参数控制下,被控过程对象的输出动态响应在性能指标ηITAE的约束下,使得该性能指标ηITAE取值最小,实现适应多工况的全局优化智能控制器控制目标;设计方法步骤如下:
S1、根据采集到的现场生产过程对象多时段、多工况的有效数据,并采用混合Box-Jenkins模型闭环辨识方法建立过程对象多工况精准模型,形成对象模型集;
S2、对模型集中各精准模型,采用比例微分超前控制器设计方法,分别采用随机搜索优化方法对各工况模型设计出相应的控制器K、TI、TD参数组;
S3、根据S2得到的控制器K、TI、TD参数组,计算出各组控制器K、TI、TD参数的平均值,作为S4采用随机搜索优化算法求取全局优化控制器参数的初值;
S4、采用随机搜索优化算法,以S3计算出的参数平均值作为初值,搜索出一组智能控制器参数,使得对象模型集中各工况模型在该组控制器参数控制下,性能指标ηITAE取值最小,即达到全局优化智能控制器的设计目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711358703.1A CN108107713B (zh) | 2017-12-17 | 2017-12-17 | 一种比例微分超前智能模型集pid控制器设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711358703.1A CN108107713B (zh) | 2017-12-17 | 2017-12-17 | 一种比例微分超前智能模型集pid控制器设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108107713A CN108107713A (zh) | 2018-06-01 |
CN108107713B true CN108107713B (zh) | 2021-06-29 |
Family
ID=62217460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711358703.1A Active CN108107713B (zh) | 2017-12-17 | 2017-12-17 | 一种比例微分超前智能模型集pid控制器设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108107713B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901385B (zh) * | 2019-03-19 | 2023-03-17 | 广东电网有限责任公司 | 一种超前观测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004190620A (ja) * | 2002-12-13 | 2004-07-08 | Idemitsu Kosan Co Ltd | 用役システムの制御方法 |
CN102063059A (zh) * | 2011-01-07 | 2011-05-18 | 上海海事大学 | 一种多输入多输出过程分散pid控制器的设计方法 |
CN104777746A (zh) * | 2015-04-09 | 2015-07-15 | 长春理工大学 | 一种增强型的增益鲁棒分数阶pid控制器参数整定方法 |
CN105785882A (zh) * | 2016-05-09 | 2016-07-20 | 哈尔滨理工大学 | 一种球墨铸铁球化孕育处理动态调控方法及系统 |
CN105929683A (zh) * | 2016-06-23 | 2016-09-07 | 东南大学 | 一种微分可调pid控制器参数工程整定方法 |
CN106527119A (zh) * | 2016-11-03 | 2017-03-22 | 东华大学 | 基于模糊控制的微分先行pid控制系统 |
CN106640846A (zh) * | 2017-02-14 | 2017-05-10 | 南京航空航天大学 | 基于直线电机驱动增力模块的伺服作动器高动态加载装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7113834B2 (en) * | 2000-06-20 | 2006-09-26 | Fisher-Rosemount Systems, Inc. | State based adaptive feedback feedforward PID controller |
-
2017
- 2017-12-17 CN CN201711358703.1A patent/CN108107713B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004190620A (ja) * | 2002-12-13 | 2004-07-08 | Idemitsu Kosan Co Ltd | 用役システムの制御方法 |
CN102063059A (zh) * | 2011-01-07 | 2011-05-18 | 上海海事大学 | 一种多输入多输出过程分散pid控制器的设计方法 |
CN104777746A (zh) * | 2015-04-09 | 2015-07-15 | 长春理工大学 | 一种增强型的增益鲁棒分数阶pid控制器参数整定方法 |
CN105785882A (zh) * | 2016-05-09 | 2016-07-20 | 哈尔滨理工大学 | 一种球墨铸铁球化孕育处理动态调控方法及系统 |
CN105929683A (zh) * | 2016-06-23 | 2016-09-07 | 东南大学 | 一种微分可调pid控制器参数工程整定方法 |
CN106527119A (zh) * | 2016-11-03 | 2017-03-22 | 东华大学 | 基于模糊控制的微分先行pid控制系统 |
CN106640846A (zh) * | 2017-02-14 | 2017-05-10 | 南京航空航天大学 | 基于直线电机驱动增力模块的伺服作动器高动态加载装置 |
Non-Patent Citations (3)
Title |
---|
The Application of Model PID or IMC-PID Advanced Process Control to Refinery and Petrochemical Plants;Zhen Xinping;《2007 Chinese Control Conference》;20071015;page 1934-1768 * |
催化裂化装置PID控制回路的优化;李全善;《石油炼制与化工》;20040930;第46-51页 * |
基于模型集的鲁棒PID控制器自整定方法及应用;李全善;《第二十二届中国过程控制会议》;20110801;第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108107713A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103293953B (zh) | 具有用来补偿模型失配的调节的鲁棒的自适应模型预测控制器 | |
CN105388764B (zh) | 基于动态矩阵前馈预测的电液伺服pid控制方法及系统 | |
CN106703904A (zh) | 一种基于数据挖掘技术的汽轮机配汽曲线优化方法 | |
CN107870567B (zh) | 一种比例微分超前广义智能内部模型集pid控制器设计方法 | |
CN108132596B (zh) | 一种微分超前广义智能内部模型集pid控制器设计方法 | |
CN108132597B (zh) | 一种微分超前智能模型集pid控制器设计方法 | |
CN106325074A (zh) | 一种基于布谷鸟算法的pid控制器参数智能整定方法 | |
CN113138552A (zh) | 基于阶跃响应数据和临界比例度法的pid参数整定方法 | |
CN104712378A (zh) | 火电机组主蒸汽压力闭环节能控制方法和系统 | |
CN103576711A (zh) | 基于定量单参数pid控制的化工反应器温度控制方法 | |
CN108107713B (zh) | 一种比例微分超前智能模型集pid控制器设计方法 | |
KR101576004B1 (ko) | 동적 행렬 제어를 이용한 보일러-터빈 협조 제어 방법 및 그 장치 | |
CN105487375B (zh) | 一种离散pid控制器参数整定方法 | |
CN109298631A (zh) | 一种基于传统pid控制器附加二次比例系数的自适应参数整定方法 | |
CN108089435B (zh) | 一种智能模型集pid控制器设计方法 | |
CN108170024B (zh) | 一种广义智能内部模型集pid控制器设计方法 | |
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 | |
CN113641101B (zh) | 一种基于数值仿真的多渠池控制参数寻优算法 | |
CN110243138B (zh) | 一种空气分离设备模型前馈控制系统及方法 | |
CN106647247A (zh) | 一种适用于伺服控制器的控制算法 | |
CN115236970A (zh) | 一种pi控制器参数劣化溯源方法 | |
CN110538881B (zh) | 一种基于改进型内模控制器的热连轧厚度控制方法 | |
CN103064284B (zh) | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 | |
CN114509934B (zh) | 基于专家内模控制的串级回路pid控制器参数整定方法 | |
CN106610588B (zh) | 一种串级预测控制系统及方法 |
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 |