CN112286043A - 基于被控对象阶跃响应特性数据的pid参数整定方法 - Google Patents
基于被控对象阶跃响应特性数据的pid参数整定方法 Download PDFInfo
- Publication number
- CN112286043A CN112286043A CN202011089438.3A CN202011089438A CN112286043A CN 112286043 A CN112286043 A CN 112286043A CN 202011089438 A CN202011089438 A CN 202011089438A CN 112286043 A CN112286043 A CN 112286043A
- Authority
- CN
- China
- Prior art keywords
- pid
- controlled
- sampling
- step response
- setting
- 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
- 230000004044 response Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 66
- 230000008859 change Effects 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 238000012360 testing method Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- 238000009825 accumulation Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 11
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- KZVPFSJPLBOVLO-UHFFFAOYSA-N trimethyl(2-methylprop-1-enoxy)silane Chemical compound CC(C)=CO[Si](C)(C)C KZVPFSJPLBOVLO-UHFFFAOYSA-N 0.000 claims 2
- 239000013589 supplement Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000003534 oscillatory effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002245 particle Substances 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
本发明公开了一种基于被控对象阶跃响应特性数据的PID参数整定方法。本发明对自平衡被控对象进行阶跃响应试验,得到阶跃响应曲线;按采样周期采样和计算后,确定被控对象的单位阶跃响应序列;设置PID参数寻优区间、寻优参数和适应度函数,并随机生成初始PID参数;模拟PID闭环控制系统设定值扰动试验,按控制量增量公式和被控量改变量预测公式,得到PID整定时域内各采样时刻的被控量改变量的预测值和设定值与被控量的偏差量;计算各组PID参数对应的适应度函数,按遗传算法原理对PID参数进行寻优,得到符合适应度准则的最佳PID控制参数。本发明无需对被控对象进行模型辨识,直接基于被控对象的阶跃试验特性数据,利用寻优算法确定最佳PID控制参数。
Description
技术领域
本发明属于自动控制技术领域,更具体地,涉及一种基于自动控制系统被控对象阶跃响应特性数据的PID参数整定方法。
背景技术
比例-积分-微分(Proportion-integral-derivative,PID)控制器具有结构简单、容易实现、鲁棒性好等诸多优点,在工业过程自动化系统中得到了广泛应用。在工程应用中,如果PID参数不合理,不仅自动化系统的动态性能较差,而且可能需要操作人员频繁干预,甚至导致自动化系统退出自动控制状态。PID控制器只有三个可调参数,但要获得最佳参数组合并不容易,目前技术人员主要利用经验或理论方法整定PID参数。
经验整定方法包括衰减曲线法、齐格勒-尼科尔斯法等。这类方法一般先根据系统的开环或闭环阶跃响应特性曲线确定初始PID参数(如采用衰减曲线法时,调整控制器增益使系统产生4:1衰减震荡,再通过经验公式计算得到初始PID参数),然后基于系统闭环阶跃响应特性不断调整PID参数,直至闭环系统获得比较满意的控制品质。由于经验整定方法需要反复测试和调整,整定时间较长,而且对技术人员的工程经验要求也比较高。
理论整定方法包括极点配置法、二次型优化法、遗传算法和粒子群算法等。这类方法一般在被控对象数学模型的基础上,通过各种寻优算法计算得到PID参数。如果被控对象建模比较准确,则可以获得使闭环系统具有良好控制品质的PID控制器。但无论是对象模型辨识、还是PID参数寻优,都要求技术人员具备较高的专业理论知识和工程实践经验;而且在进行了以阶跃信号或伪随机序列信号等作为输入信号的模型辨识试验后,还需要花很多时间进行离线模型辨识,无法在线整定PID参数。
对技术人员来说,如果可以通过对被控对象进行阶跃响应试验,利用试验数据和寻优算法直接来整定得到PID参数,必将大大降低PID参数整定难度、减少工作量。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的不足,对于具有自平衡能力的被控对象,提出一种基于被控对象阶跃响应特性数据的PID参数整定方法,该方法可以使技术人员不必进行模型辨识,直接基于自平衡被控对象的阶跃响应特性数据,利用各种寻优算法确定最佳PID控制参数。
为此,本发明采用如下的技术方案:基于被控对象阶跃响应特性数据的PID参数整定方法,其包括步骤:
1)对自平衡被控对象进行阶跃响应试验,得到自平衡被控对象的阶跃响应特性曲线;
2)对步骤1)得到的阶跃响应曲线进行采样,得到各采样时刻的被控量采样值;经计算后得到自平衡被控对象的单位阶跃响应序列;
3)设置PID参数寻优区间、寻优参数和适应度函数,并随机生成初始PID控制参数;
4)模拟PID闭环控制系统设定值扰动试验,按控制量增量公式和被控量改变量预测公式,得到PID整定时域内各采样时刻的被控量改变量的预测值和设定值与被控量的偏差量;
5)计算各组PID参数对应的适应度函数,按遗传算法原理对PID参数进行寻优,得到符合适应度准则的最佳PID控制参数。
作为上述技术方案的补充,步骤1)的具体内容如下:
在自平衡被控对象自动控制系统稳态运行时,断开PID控制器,将自动控制系统由自动控制状态切换至手动控制状态;在原稳态控制量U0的基础上手动增加或减少一控制量改变量u;等待自动控制系统重新回到平衡状态,得到自平衡被控对象的阶跃响应特性曲线。
作为上述技术方案的补充,步骤2)的具体内容如下:
对于步骤1)中得到的阶跃响应特性曲线,按采样周期T采样,得到各采样时刻的被控量采样值Yi=Y(iT),i=0、1、2、…、N1、…、N2,其中N1为自平衡被控对象的模型长度,N2为PID参数整定的时域长度,是寻优算法适应度计算的时域上限;
对于各采样值Yi,分别减去在阶跃试验开始前的稳态值Y0,并除以控制量改变量u,得到单位阶跃响应序列ai=a(iT),i=1、2、…、N1、…、N2。
作为上述技术方案的补充,步骤3)的具体内容如下:
根据预期的自动控制系统性能要求,选择适合用于PID参数整定的适应度函数;
设置PID参数的寻优区间;随机生成一些初始PID参数组合;设置选择算子;设定交叉概率、变异概率;设定迭代寻优次数。
作为上述技术方案的补充,所述的适应度函数包括:平方误差积分ISE、误差绝对值积分IAE、时间乘平方误差积分ITSE和时间乘绝对误差积分ITAE,如式(1)所示:
上式中,e(k)表示在kT采样时刻设定值与被控量的偏差量,ISE对应的累加式用于计算寻优时域内误差平方的积分,IAE对应的累加式用于计算寻优时域内误差绝对值的积分,ITSE对应的累加式用于计算寻优时域内时间乘以误差平方的积分,ITAE对应的累加式用于计算寻优时域内时间乘以误差绝对值的积分。
作为上述技术方案的补充,步骤4)的具体内容如下:
由于线性系统满足叠加原理,故在kT时刻,对于未来N2个(1、2、…、N1、…、N2)采样时刻的被控量改变量的预测值y(k+i|k),按下式(2)进行预测:
其中,Δu(k+i)为(k+i)T采样时刻的控制量增量,Δu(k+i)=u(k+i)-u(k+i-1);
对于比例增益为KP、积分增益为KI、微分增益为KD的增量式PID控制器,其控制量增量根据式(3)计算得到:
Δu(k)=KP(e(k)-e(k-1))+KIe(k)+KD(e(k)-2e(k-1)+e(k-2)) (3)
其中,e(k)为设定值与被控量的偏差量,e(k)=s(k)-y(k),s(k)为设定值改变量;y(k)表示被控量改变量;
假设在kT时刻,对PID闭环控制系统进行设定值扰动试验,由于e(k)、e(k-1)和e(k-2)均已知,故由式(3)计算得到Δu(k),将之代入式(2)即得到(k+1)T时刻被控量改变量的预测值y(k+1|k);在(k+1)T时刻,e(k+1)、e(k)和e(k-1)也均已知,因此同样由(3)计算得到Δu(k+1),进而求得(k+2)T时刻被控量改变量的预测值y(k+2|k);
由此,PID闭环控制系统在未来N2个采样时刻的被控量改变量的预测值y(k+i|k)由式(3)、(2)递推求解,同时计算得到未来N2个采样时刻设定值与被控量的偏差量e(k+i),i=1、2、…、N1,…,N2。
作为上述技术方案的补充,步骤5)的具体内容如下:
由式(1)计算得到各样本的适应度函数,根据适应度计算结果,利用遗传算法的选择、交叉和变异算子,生成{KP、KI、KD}优化后代,然后返回至步骤4)迭代运行;当迭代到设定次数后结束寻优,获得符合适应度准则的最佳PID控制参数。
本发明采用的另一种技术方案为:基于被控对象阶跃响应特性数据的PID参数整定方法,其包括:
步骤1、自动控制系统稳态运行时断开PID控制器,切换至手动控制;在原稳态控制量基础上手动增加或减少一控制量改变量;待自动控制系统恢复平衡状态,得到被控对象的阶跃响应曲线;
步骤2、对步骤1得到的阶跃响应曲线进行采样,得到各采样时刻的被控量采样值;经计算后得到单位阶跃响应序列;
步骤3、选择适应度函数;设定PID控制参数寻优区间;随机生成一些初始PID参数组合;设定选择算子;设定交叉概率、变异概率;设定遗传算法寻优次数;
步骤4、对于给定的PID参数{KP、KI、KD},模拟PID闭环控制系统设定值扰动试验,计算未来N2个采样周期的被控量改变量和设定值与被控量的偏差量;
步骤5、计算各组PID参数对应的适应度函数;根据适应度值进行选择、交叉、变异变换,生成PID参数组的优化后代;如还未完成迭代次数,返回步骤4,否则寻优结束,得到符合适应度准则最佳的PID控制参数。
本发明的PID参数整定方法,技术人员无需对自平衡被控对象进行模型辨识,直接基于被控对象的阶跃试验特性数据,利用寻优算法,计算得到最佳PID控制参数;本发明的方法适用于具有自平衡能力的被控对象。
附图说明
图1是本发明PID参数整定方法的流程示意图;
图2是本发明应用例的被控对象具有自平衡能力的自动控制系统框图;
图3是本发明应用例的自平衡被控对象的阶跃试验响应曲线图;
图4是本发明应用例的PID闭环控制系统设定值扰动试验仿真曲线图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例和应用例用于说明本发明,但不用来限制本发明的范围。
实施例
如图1,本发明一个具体实施例中,示出了一种基于被控对象阶跃响应特性数据的PID参数整定方法的流程示意图。
一种基于被控对象阶跃响应特性数据的PID参数整定方法,其包括以下步骤:
步骤1,在自平衡被控对象自动控制系统稳态运行时,断开PID控制器,将自动控制系统由自动控制状态切换至手动控制状态;在原稳态控制量U0的基础上手动增加或减少一定幅值的控制量改变量u;等待自动控制系统重新回到平衡状态,得到被控自平衡对象的阶跃响应特性曲线。
步骤2,对于步骤1中得到的阶跃响应特性曲线,按一定采样周期T采样,得到各采样时刻的被控量采样值Yi=Y(iT),i=0、1、2、…、N1、…、N2,其中N1为被控自平衡对象的模型长度(对于具有自平衡能力的被控对象,经过N1个采样周期后,被控量可看作近似保持稳态值不变),N2为PID参数整定的时域长度,是寻优算法适应度计算的时域上限。
对于各采样值Yi,分别减去在阶跃试验开始前的稳态值Y0,并除以控制量改变量u,得到单位阶跃响应序列ai=a(iT),i=1、2、…、N1、…、N2。
步骤3,根据预期的系统性能要求,选择适合用于PID参数整定的适应度函数,如平方误差积分(ISE,采用该准则可使系统具有较快的响应速度,但系统振荡性较大,相对稳定性差)、误差绝对值积分(IAE,采用该准则可使系统具有适当的阻尼和良好的瞬态响应,但是当控制参数选择不同时,在性能指标上的反应不明显)、时间乘平方误差积分(ITSE,该指标着重考虑动态过程后期出现的误差,较少考虑响应中大的起始误差)、时间乘绝对误差积分(ITAE,采用该准则可使控制系统的瞬态响应振荡性小,对参数具有良好的选择性,但无法利用基于模型的寻优算法计算)等,如式(1):
上式中,e(k)表示在kT采样时刻设定值与被控量的偏差量,ISE对应的累加式用于计算寻优时域内误差平方的积分,IAE对应的累加式用于计算寻优时域内误差绝对值的积分,ITSE对应的累加式用于计算寻优时域内时间乘以误差平方的积分,ITAE对应的累加式用于计算寻优时域内时间乘以误差绝对值的积分。
设置PID参数的寻优区间;随机生成一定数量的初始PID控制参数组合;设置选择算子;设定交叉概率、变异概率;设定迭代寻优次数。
步骤4,由于线性系统满足叠加原理,故在kT时刻,对于未来N2个采样时刻的被控量改变量的预测值y(k+i|k),可按下式(2)进行预测。
其中,Δu(k+i)为(k+i)T采样时刻的控制量增量,Δu(k+i)=u(k+i)-u(k+i-1)。式(2)是计算被控量改变量预测值的关键公式。
对于比例增益为KP、积分增益为KI、微分增益为KD的增量式PID控制器,其控制量增量可根据式(3)计算得到:
Δu(k)=KP(e(k)-e(k-1))+KIe(k)+KD(e(k)-2e(k-1)+e(k-2)) (3)
其中e(k)为设定值与被控量的偏差量,e(k)=s(k)-y(k),s(k)为设定值改变量。
假设在kT时刻,对PID闭环控制系统进行设定值扰动试验。由于e(k)、e(k-1)和e(k-2)均已知,故可由式(3)计算得到Δu(k),将之代入式(2)即可得到(k+1)T时刻被控量改变量的预测值y(k+1|k);在(k+1)T时刻,e(k+1)、e(k)和e(k-1)也均已知,因此可同样由(3)计算得到Δu(k+1),进而求得(k+2)T时刻被控量改变量的预测值y(k+2|k)。由此可见,PID闭环控制系统在未来N2个采样时刻的被控量改变量预测值y(k+i|k)可由式(3)、(2)递推求解,同时也可以计算得到未来N2个采样时刻设定值与被控量的偏差量e(k+i),i=1、2、…、N1、…、N2。
步骤5,由式(1)计算得到各样本的适应度函数。根据适应度计算结果,利用遗传算法的选择、交叉和变异算子,生成{KP、KI、KD}优化后代,然后返回至步骤4迭代运行。当迭代到设定次数后结束寻优,获得符合适应度准则的最佳PID参数。
应用例
对于附图2所示被控对象具有自平衡能力的自动控制系统,假设被控对象的传递函数模型为:
利用本发明对该自动控制系统进行PID参数整定,总体上包括:
步骤1,在自动控制系统稳态运行时,断开PID控制器,将自动控制系统由自动控制状态切换至手动控制状态;在原稳态控制量U0的基础上手动增加一控制量改变量u=1;等待自动控制系统重新回到平衡状态,得到被控对象的阶跃响应特性曲线如附图3。
步骤2,如附图3所示,对于步骤1中得到的阶跃响应特性曲线,按采样周期T=1s采样,得到各采样时刻的被控量采样值Yi=Y(iT),i=0、1、2、…、N1、…、N2,其中N1=300,为被控对象的模型长度(经过N1个采样周期后,被控量可看作近似保持稳态值1.4不变,见附图3),N2=600,为PID参数整定的时域长度,是寻优算法适应度计算的时域上限。
对于各采样值Yi,分别减去在阶跃试验开始前的稳态值Y0,并除以控制量改变量u,得到单位阶跃响应序列ai=a(iT),i=1,2,…,N1,…,N2。
步骤3,分别以时间乘平方误差积分(ITSE)、时间乘绝对误差积分(ITAE)作为适应度函数,即
将PID参数的寻优区间分别设置为KP∈[0,2]、KI∈[0,0.2]、KD∈[10,100];随机生成50组初始PID参数;设置选择算子为轮盘赌方式;设定交叉概率为0.5~0.85、变异概率为0.001~0.002;设定寻优次数为50次。在本步骤中,PID参数的寻优区间可凭借技术人员的工程经验来设置,对于经验不足的技术人员,可以由粗到细不断测试,当寻优区间较大且参数分辨率较大时,可能无法获得比较理想的PID参数,如采用较小分辨率也带来寻优时间较长的问题。初始PID参数的组数、选择算子类型、交叉概率等可按遗传算法通用做法进行配置。
步骤4,对于给定的各组PID参数{KP、KI、KD},模拟PID闭环控制系统设定值扰动试验,由控制量增量计算公式和被控量改变量预测公式递推计算得到未来N2个采样周期的被控量改变量的预测值y(k+i|k)和设定值与被控量的偏差量e(k+i),i=1、2、…、N1、…、N2。
步骤5,利用步骤4中得到的e(k+i)计算各组PID参数的适应度函数;根据适应度值进行选择、交叉、变异变换,生成PID参数组的优化后代;如还未完成迭代次数,返回步骤4,否则寻优过程结束,确定符合适应度准则的最佳PID控制参数。本实施例以ITSE和ITAE指标作为适应度函数的PID参数整定结果如下:
适应度函数 | K<sub>P</sub> | K<sub>P</sub> | K<sub>D</sub> |
ITSE | 1.1693 | 0.0158 | 32.4698 |
ITAE | 0.9724 | 0.0135 | 21.6836 |
附图4给出了采用上述两个PID控制器的PID闭环控制系统进行设定值扰动试验得到的仿真曲线,由曲线可知,本发明提出的PID参数整定方法可以确保自动控制系统具有良好的动态性能,其中ITSE曲线对应的PID闭环控制系统响应速度较快,动态过程后期误差符合预期,但存在较大的超调量;而ITAE曲线对应的PID闭环控制系统震荡较小,总体性能非常均衡。
本应用例的PID参数整定结果说明,基于被控对象阶跃响应特性数据,通过控制量增量计算公式和被控量改变量预测公式递推计算,得到被控对象在寻优时域内的未来预测值,并利用寻优算法确定最佳PID参数。在整定过程中,既不需要进行模型辨识,也无需反复调整和测试,因而可以大大降低难度、减少工作量。
Claims (10)
1.基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,包括步骤:
1)对自平衡被控对象进行阶跃响应试验,得到自平衡被控对象的阶跃响应特性曲线;
2)对步骤1)得到的阶跃响应曲线进行采样,得到各采样时刻的被控量采样值;经计算后得到自平衡被控对象的单位阶跃响应序列;
3)设置PID参数寻优区间、寻优参数和适应度函数,并随机生成初始PID控制参数;
4)模拟PID闭环控制系统设定值扰动试验,按控制量增量公式和被控量改变量预测公式,得到PID整定时域内各采样时刻的被控量改变量的预测值和设定值与被控量的偏差量;
5)计算各组PID参数对应的适应度函数,按遗传算法原理对PID参数进行寻优,得到符合适应度准则的最佳PID控制参数。
2.根据权利要求1所述的基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,步骤1)的具体内容如下:
在自平衡被控对象自动控制系统稳态运行时,断开PID控制器,将自动控制系统由自动控制状态切换至手动控制状态;在原稳态控制量U0的基础上手动增加或减少一控制量改变量u;等待自动控制系统重新回到平衡状态,得到自平衡被控对象的阶跃响应特性曲线。
3.根据权利要求1或2所述的基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,步骤2)的具体内容如下:
对于步骤1)中得到的阶跃响应特性曲线,按采样周期T采样,得到各采样时刻的被控量采样值Yi=Y(iT),i=0、1、2、…、N1、…、N2,其中N1为自平衡被控对象的模型长度,N2为PID参数整定的时域长度,是寻优算法适应度计算的时域上限;
对于各采样值Yi,分别减去在阶跃试验开始前的稳态值Y0,并除以控制量改变量u,得到单位阶跃响应序列ai=a(iT),i=1、2、…、N1、…、N2。
4.根据权利要求3所述的基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,步骤3)的具体内容如下:
根据预期的自动控制系统性能要求,选择适合用于PID参数整定的适应度函数;设置PID参数的寻优区间;随机生成一些初始PID参数组合;设置选择算子;设定交叉概率、变异概率;设定迭代寻优次数。
6.根据权利要求5所述的基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,步骤4)的具体内容如下:
由于线性系统满足叠加原理,故在kT时刻,对于未来N2个采样时刻的被控量改变量的预测值y(k+i|k),按下式(2)进行预测:
其中,Δu(k+i)为(k+i)T采样时刻的控制量增量,Δu(k+i)=u(k+i)-u(k+i-1);
对于比例增益为KP、积分增益为KI、微分增益为KD的增量式PID控制器,其控制量增量根据式(3)计算得到:
Δu(k)=KP(e(k)-e(k-1))+KIe(k)+KD(e(k)-2e(k-1)+e(k-2)) (3)
其中,e(k)为设定值与被控量的偏差量,e(k)=s(k)-y(k),s(k)为设定值改变量;y(k)表示被控量改变量;
假设在kT时刻,对PID闭环控制系统进行设定值扰动试验,由于e(k)、e(k-1)和e(k-2)均已知,故由式(3)计算得到Δu(k),将之代入式(2)即得到(k+1)T采样时刻被控量改变量的预测值y(k+1|k);在(k+1)T采样时刻,e(k+1)、e(k)和e(k-1)也均已知,因此同样由(3)计算得到Δu(k+1),进而求得(k+2)T采样时刻被控量改变量的预测值y(k+2|k);
由此,PID闭环控制系统在未来N2个采样时刻的被控量改变量的预测值y(k+i|k)由式(3)、(2)递推求解,同时计算得到未来N2个采样时刻设定值与被控量的偏差量e(k+i),i=1、2、…、N1,…,N2。
7.根据权利要求6所述的基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,步骤5)的具体内容如下:
由式(1)计算得到各样本的适应度函数,根据适应度计算结果,利用遗传算法的选择、交叉和变异算子,生成{KP、KI、KD}优化后代,然后返回至步骤4)迭代运行;当迭代到设定次数后结束寻优,获得符合适应度准则的最佳PID参数。
8.基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,包括:
步骤1、自动控制系统稳态运行时断开PID控制器,切换至手动控制;在原稳态控制量基础上手动增加或减少一控制量改变量;待自动控制系统恢复平衡状态,得到被控对象的阶跃响应曲线;
步骤2、对步骤1得到的阶跃响应曲线进行采样,得到各采样时刻的被控量采样值;经计算后得到单位阶跃响应序列;
步骤3、选择适应度函数;设定PID控制参数寻优区间;随机生成一些初始PID参数组合;设定选择算子;设定交叉概率、变异概率;设定遗传算法寻优次数;
步骤4、对于给定的PID参数{KP、KI、KD},模拟PID闭环控制系统设定值扰动试验,计算未来N2个采样周期的被控量改变量的预测值和设定值与被控量的偏差量;
步骤5、计算各组PID参数对应的适应度函数;根据适应度值进行选择、交叉、变异变换,生成PID参数组的优化后代;如还未完成迭代次数,返回步骤4,否则寻优结束,得到符合适应度准则最佳的PID控制参数。
9.根据权利要求8所述的基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,步骤2的具体内容如下:
对于步骤1中得到的阶跃响应特性曲线,按采样周期T采样,得到各采样时刻的被控量采样值Yi=Y(iT),i=0、1、2、…、N1、…、N2,其中N1为自平衡被控对象的模型长度,N2为PID参数整定的时域长度,是寻优算法适应度计算的时域上限;
对于各采样值Yi,分别减去在阶跃试验开始前的稳态值Y0,并除以控制量改变量u,得到单位阶跃响应序列ai=a(iT),i=1、2、…、N1、…、N2。
10.根据权利要求8所述的基于被控对象阶跃响应特性数据的PID参数整定方法,其特征在于,步骤4的具体内容如下:
由于线性系统满足叠加原理,故在kT时刻,对于未来N2个采样时刻的被控量改变量的预测值y(k+i|k),按下式(2)进行预测:
其中,Δu(k+i)为(k+i)T采样时刻的控制量增量,Δu(k+i)=u(k+i)-u(k+i-1);
对于比例增益为KP、积分增益为KI、微分增益为KD的增量式PID控制器,其控制量增量根据式(3)计算得到:
Δu(k)=KP(e(k)-e(k-1))+KIe(k)+KD(e(k)-2e(k-1)+e(k-2)) (3)
其中,e(k)为设定值与被控量的偏差量,e(k)=s(k)-y(k),s(k)为设定值改变量;y(k)表示被控量改变量;
假设在kT时刻,对PID闭环控制系统进行设定值扰动试验,由于e(k)、e(k-1)和e(k-2)均已知,故由式(3)计算得到Δu(k),将之代入式(2)即得到(k+1)T采样时刻被控量改变量的预测值y(k+1|k);在(k+1)T时刻,e(k+1)、e(k)和e(k-1)也均已知,因此同样由(3)计算得到Δu(k+1),进而求得(k+2)T采样时刻被控量改变量的预测值y(k+2|k);
由此,PID闭环控制系统在未来N2个采样时刻的被控量改变量的预测值y(k+i|k)由式(3)、(2)递推求解,同时计算得到未来N2个采样时刻设定值与被控量的偏差量e(k+i),i=1、2、…、N1,…,N2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011089438.3A CN112286043B (zh) | 2020-10-13 | 2020-10-13 | 基于被控对象阶跃响应特性数据的pid参数整定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011089438.3A CN112286043B (zh) | 2020-10-13 | 2020-10-13 | 基于被控对象阶跃响应特性数据的pid参数整定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112286043A true CN112286043A (zh) | 2021-01-29 |
CN112286043B CN112286043B (zh) | 2022-04-19 |
Family
ID=74496763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011089438.3A Active CN112286043B (zh) | 2020-10-13 | 2020-10-13 | 基于被控对象阶跃响应特性数据的pid参数整定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112286043B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965365A (zh) * | 2021-02-23 | 2021-06-15 | 浙江中智达科技有限公司 | Pid控制回路的模型辨识方法、装置、系统及存储介质 |
CN113126480A (zh) * | 2021-05-31 | 2021-07-16 | 长安大学 | 一种普适的pid参数整定方法 |
CN113138552A (zh) * | 2021-03-31 | 2021-07-20 | 国网浙江省电力有限公司电力科学研究院 | 基于阶跃响应数据和临界比例度法的pid参数整定方法 |
CN113325692A (zh) * | 2021-04-28 | 2021-08-31 | 东南大学 | 基于近邻等效的pid控制器拉回式整定方法 |
CN113485094A (zh) * | 2021-08-02 | 2021-10-08 | 中北大学 | 一种获取过程最优zn模型的方法及装置 |
CN113883506A (zh) * | 2021-09-13 | 2022-01-04 | 国能国华(北京)电力研究院有限公司 | 富氧燃烧送风系统控制方法 |
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 |
CN114285058A (zh) * | 2021-12-28 | 2022-04-05 | 深圳库博能源科技有限公司 | 储能系统的参数整定方法和储能系统 |
CN114488774A (zh) * | 2021-12-16 | 2022-05-13 | 上海中韩杜科泵业制造有限公司 | Pid控制参数的获取方法、装置、设备及介质 |
CN114690620A (zh) * | 2022-06-01 | 2022-07-01 | 湖南恩智测控技术有限公司 | 电子负载pid自整定方法及系统 |
CN114718669A (zh) * | 2022-05-11 | 2022-07-08 | 华北电力科学研究院有限责任公司 | 汽轮机调速系统执行机构参数辨识误差的分析方法及装置 |
CN115079577A (zh) * | 2022-07-22 | 2022-09-20 | 浙江中控技术股份有限公司 | 基于实时控制性能评估的闭环阶跃测试方法和测试装置 |
CN115291528A (zh) * | 2022-10-08 | 2022-11-04 | 中认国证(北京)评价技术服务有限公司 | 模型不确定性等级确定方法、装置、系统及存储介质 |
CN115903453A (zh) * | 2022-09-30 | 2023-04-04 | 荣耀终端有限公司 | 一种马达的控制方法、控制系统以及电子设备 |
CN117075466A (zh) * | 2023-10-13 | 2023-11-17 | 浙江中智达科技有限公司 | Pid控制器参数整定方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156407A (zh) * | 2011-04-08 | 2011-08-17 | 南京师范大学 | 基于arm的嵌入式模型预测控制方法和装置 |
CN102346438A (zh) * | 2011-05-25 | 2012-02-08 | 浙江大学宁波理工学院 | 非线性mimo pid控制器参数多目标优化方法 |
CN102749844A (zh) * | 2011-04-20 | 2012-10-24 | 中国石油化工股份有限公司 | 非自衡系统的预测控制方法 |
CN105388764A (zh) * | 2015-12-15 | 2016-03-09 | 重庆科技学院 | 基于动态矩阵前馈预测的电液伺服pid控制方法及系统 |
CN106200379A (zh) * | 2016-07-05 | 2016-12-07 | 杭州电子科技大学 | 一种非自衡对象的分布式动态矩阵控制方法 |
CN108508743A (zh) * | 2018-06-25 | 2018-09-07 | 曾喆昭 | 时滞系统的准pi预测控制新方法 |
CN109597301A (zh) * | 2017-09-30 | 2019-04-09 | 上海梅山钢铁股份有限公司 | 干熄焦余热锅炉主汽温优化控制方法 |
CN109612289A (zh) * | 2018-12-07 | 2019-04-12 | 南京科技职业学院 | 基于预测控制的模糊pid电阻炉温度控制方法 |
-
2020
- 2020-10-13 CN CN202011089438.3A patent/CN112286043B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156407A (zh) * | 2011-04-08 | 2011-08-17 | 南京师范大学 | 基于arm的嵌入式模型预测控制方法和装置 |
CN102749844A (zh) * | 2011-04-20 | 2012-10-24 | 中国石油化工股份有限公司 | 非自衡系统的预测控制方法 |
CN102346438A (zh) * | 2011-05-25 | 2012-02-08 | 浙江大学宁波理工学院 | 非线性mimo pid控制器参数多目标优化方法 |
CN105388764A (zh) * | 2015-12-15 | 2016-03-09 | 重庆科技学院 | 基于动态矩阵前馈预测的电液伺服pid控制方法及系统 |
CN106200379A (zh) * | 2016-07-05 | 2016-12-07 | 杭州电子科技大学 | 一种非自衡对象的分布式动态矩阵控制方法 |
CN109597301A (zh) * | 2017-09-30 | 2019-04-09 | 上海梅山钢铁股份有限公司 | 干熄焦余热锅炉主汽温优化控制方法 |
CN108508743A (zh) * | 2018-06-25 | 2018-09-07 | 曾喆昭 | 时滞系统的准pi预测控制新方法 |
CN109612289A (zh) * | 2018-12-07 | 2019-04-12 | 南京科技职业学院 | 基于预测控制的模糊pid电阻炉温度控制方法 |
Non-Patent Citations (7)
Title |
---|
HARI V M;LAKSHMI P;KALAIVANI R: "Time domain analysis of servo and regulatory responses of various controllers", 《2014 SIXTH INTERNATIONAL CONFERENCE ON ADVANCED COMPUTING (ICOAC)》 * |
KANGDI LU,WUNENG ZHOU,WEI DU: "Design of PID controller based on a self-adaptive state-space predictive functional control using extremal optimization method", 《JOURNAL OF THE FRANKLIN INSTITUTE》 * |
LI HAI-SHENG; ZOU HONG-BO; LU REN-QUAN: "Dynamic matrix control optimization based new PIPD type control for outlet temperature in a coke furnace", 《2015 34TH CHINESE CONTROL CONFERENCE (CCC)》 * |
RUIHUA WEI; LIHONG XU: "Adaptive Paralleled DMC-PID Controller Design on System with Uncertainties", 《2009 NINTH INTERNATIONAL CONFERENCE ON INTELLIGENT SYSTEMS DESIGN AND APPLICATIONS》 * |
刘加存,梅其祥,李春辉: "基于频分神经网络和预测控制的 PID 参数整定研究", 《系统仿真学报》 * |
孙坚栋;舒畅;苏烨;张江丰;丁宁;李泉;郑可轲: "基于被控对象阶跃响应模型的PID参数整定方法", 《2021中国自动化大会论文集》 * |
张晓程;王荣浩;邢建春: "基于模糊预测 PID 算法的地下空间湿度控制", 《动力学与控制学报》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965365A (zh) * | 2021-02-23 | 2021-06-15 | 浙江中智达科技有限公司 | Pid控制回路的模型辨识方法、装置、系统及存储介质 |
CN112965365B (zh) * | 2021-02-23 | 2023-03-31 | 浙江中智达科技有限公司 | Pid控制回路的模型辨识方法、装置、系统及存储介质 |
CN113138552A (zh) * | 2021-03-31 | 2021-07-20 | 国网浙江省电力有限公司电力科学研究院 | 基于阶跃响应数据和临界比例度法的pid参数整定方法 |
CN113138552B (zh) * | 2021-03-31 | 2023-03-07 | 国网浙江省电力有限公司电力科学研究院 | 基于阶跃响应数据和临界比例度法的pid参数整定方法 |
CN113325692A (zh) * | 2021-04-28 | 2021-08-31 | 东南大学 | 基于近邻等效的pid控制器拉回式整定方法 |
CN113325692B (zh) * | 2021-04-28 | 2022-12-27 | 东南大学 | 基于近邻等效的pid控制器拉回式整定方法 |
CN113126480A (zh) * | 2021-05-31 | 2021-07-16 | 长安大学 | 一种普适的pid参数整定方法 |
CN113485094A (zh) * | 2021-08-02 | 2021-10-08 | 中北大学 | 一种获取过程最优zn模型的方法及装置 |
CN113883506A (zh) * | 2021-09-13 | 2022-01-04 | 国能国华(北京)电力研究院有限公司 | 富氧燃烧送风系统控制方法 |
CN114488774B (zh) * | 2021-12-16 | 2022-09-27 | 上海中韩杜科泵业制造有限公司 | Pid控制参数的获取方法、装置、设备及介质 |
CN114488774A (zh) * | 2021-12-16 | 2022-05-13 | 上海中韩杜科泵业制造有限公司 | Pid控制参数的获取方法、装置、设备及介质 |
CN114285058A (zh) * | 2021-12-28 | 2022-04-05 | 深圳库博能源科技有限公司 | 储能系统的参数整定方法和储能系统 |
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 |
CN114718669A (zh) * | 2022-05-11 | 2022-07-08 | 华北电力科学研究院有限责任公司 | 汽轮机调速系统执行机构参数辨识误差的分析方法及装置 |
CN114718669B (zh) * | 2022-05-11 | 2024-01-26 | 华北电力科学研究院有限责任公司 | 汽轮机调速系统执行机构参数辨识误差的分析方法及装置 |
CN114690620A (zh) * | 2022-06-01 | 2022-07-01 | 湖南恩智测控技术有限公司 | 电子负载pid自整定方法及系统 |
CN115079577A (zh) * | 2022-07-22 | 2022-09-20 | 浙江中控技术股份有限公司 | 基于实时控制性能评估的闭环阶跃测试方法和测试装置 |
CN115079577B (zh) * | 2022-07-22 | 2022-11-11 | 浙江中控技术股份有限公司 | 基于实时控制性能评估的闭环阶跃测试方法和测试装置 |
CN115903453A (zh) * | 2022-09-30 | 2023-04-04 | 荣耀终端有限公司 | 一种马达的控制方法、控制系统以及电子设备 |
CN115903453B (zh) * | 2022-09-30 | 2024-04-09 | 荣耀终端有限公司 | 一种马达的控制方法、控制系统以及电子设备 |
CN115291528A (zh) * | 2022-10-08 | 2022-11-04 | 中认国证(北京)评价技术服务有限公司 | 模型不确定性等级确定方法、装置、系统及存储介质 |
CN115291528B (zh) * | 2022-10-08 | 2023-02-17 | 中认国证(北京)评价技术服务有限公司 | 模型不确定性等级确定方法、装置、系统及存储介质 |
CN117075466A (zh) * | 2023-10-13 | 2023-11-17 | 浙江中智达科技有限公司 | Pid控制器参数整定方法、装置、电子设备及存储介质 |
CN117075466B (zh) * | 2023-10-13 | 2024-01-26 | 浙江中智达科技有限公司 | Pid控制器参数整定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112286043B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112286043B (zh) | 基于被控对象阶跃响应特性数据的pid参数整定方法 | |
Qin et al. | A survey of industrial model predictive control technology | |
Zribi et al. | A new PID neural network controller design for nonlinear processes | |
Li et al. | Offset-free fuzzy model predictive control of a boiler–turbine system based on genetic algorithm | |
JP5830251B2 (ja) | プロセスモデルの高速同定および生成 | |
CN101713988A (zh) | 两阶段模型预测控制技术 | |
JPH07502354A (ja) | 閉ループ神経ネットワーク自動同調器 | |
JP4908433B2 (ja) | 制御パラメータ調整方法および制御パラメータ調整プログラム | |
JP3864781B2 (ja) | 温度調節器 | |
Efheij et al. | Comparison of model predictive control and PID controller in real time process control system | |
Zhu | System identification for process control: recent experience and outlook | |
Begovich et al. | Predictive control with constraints of a multi-pool irrigation canal prototype | |
CN113625549A (zh) | 一种基于优化路径的pid参数设置方法与系统 | |
JPH11296204A (ja) | 多変数プロセス制御システム | |
Engin et al. | Auto-tuning of PID parameters with programmable logic controller | |
Zhu | System identification for process control: Recent experience and outlook | |
Dubay et al. | Well-conditioned model predictive control | |
de Castro et al. | Unrestricted horizon predictive control applied to a nonlinear SISO system | |
Xu et al. | Data-driven plant-model mismatch quantification for MIMO MPC systems with feedforward control path | |
CN110865535A (zh) | 一种互耦pd协同控制理论新方法 | |
Aravind et al. | Reliability of pid controller for a real time sensor interfaced temperature process | |
Lindberg | A comparison between MPC and PID controllers for education and steam reformers | |
Vlachos et al. | PI controller tuning for multivariable processes using genetic algorithms | |
CN115877811B (zh) | 流程工艺处理方法、装置及设备 | |
Younis et al. | Real-time model predictive control of an industrial Internet platform |
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 |