CN112506039A - 电器设备输出的控制方法、控制装置以及电器设备 - Google Patents

Abstract

本发明公开了一种电器设备输出的控制方法、控制装置以及电器设备，属于电器设备控制领域；首先获取被控设备的输出；由于控制器采用神经元学习方法，根据输出与预设输出可以调节控制器中的控制系数的权重；然后根据调节后的控制系数的权重控制被控设备输出达到预设输出。本申请方案通过上一周期的输出和预设输出以及控制系数的权重，调整这一周期的控制系数的权重，解决了PID控制算法抗干扰能力差，参数整定难的问题，能够使被控设备的输出达到预设输出，提高电器设备的工作效率。

Description

电器设备输出的控制方法、控制装置以及电器设备

技术领域

本发明涉及电器设备控制技术，特别地，涉及一种电器设备输出的控制方法、控制装置以及电器设备。

背景技术

人们利用电器设备主要是通过电器设备的输出达到自己想要的工作或生活条件，例如利用空调的输出温度调节环境温度。为了使电器设备的输出达到自己的要求，电器设备中常常PID控制器来控制电器设备的输出。PID控制器是一个在工业控制应用中常见的反馈回路部件。但是由于某些电器设备工作环境复杂，内外部的各种因素的干扰严重，采用PID控制器中PID控制算法抗干扰能力差，参数整定难，使得电器设备的实际输出与期望输出有较大的偏差。

发明内容

为了克服现有技术的不足，本发明提供一种电器设备输出的控制方法、控制装置以及电器设备，以解决采用PID控制器中PID控制算法抗干扰能力差，参数整定难，使得电器设备的实际输出与期望输出有较大的偏差的问题。

本发明解决其技术问题所采用的技术方案是：

第一方面，

一种电器设备输出的控制方法，包括以下步骤：

获取被控设备的输出，所述被控设备采用PID控制器；

根据所述输出与预设输出调节控制器中的控制系数的权重，所述控制器采用神经元学习方法；

根据调节后的控制系数的权重控制所述被控设备的输出达到预设输出。

进一步地，所述根据所述输出与预设输出调节控制器中的控制系数的权重包括：

将所述输出与预设输出做差得到偏差值；

根据偏差值调节所述控制器中的控制系数的权重。

进一步地，所述根据偏差值调节所述控制器中的控制系数的权重包括：

判断所述偏差值的绝对值与预设输出的比值是否在预设范围内；

若不在，则调节所述控制系数的权重；

判断调节后得到的偏差值的绝对值与预设输出的比值是否在预设范围内；

若不在，则再次调节所述控制系数的权重直至调节后得到的偏差值的绝对值与预设输出的比值在预设范围内。

进一步地，若所述偏差值的绝对值与预设输出的比值不在预设范围内，调节所述控制系数的权重包括：

当所述偏差值的绝对值与预设输出的比值小于预设范围时，采用神经元学习方法控制所述控制系数的权重变大；

当所述偏差值的绝对值与预设输出的比值大于预设范围时，采用神经元学习方法控制所述控制系数的权重变小。

进一步地，所述采用神经元学习方法控制所述控制系数的权重包括：采用单神经元学习方法控制所述控制系数的权重。

进一步地，在调节控制系数的权重后采用前馈控制的控制方式控制所述被控设备。

进一步地，所述采用前馈控制的控制方式控制所述被控设备包括：

获取所述被控设备的输出的变化率；

根据所述输出的变化率获取前馈补偿量；

根据前馈补偿量和上次的输出控制所述被控设备。

进一步地，所述被控设备为空调。

进一步地，所述输出包括输出温度或输出湿度。

第二方面，

一种电器设备输出的控制装置，包括：

输出获取模块，用于获取被控设备的输出，所述被控设备采用PID控制器；

权重调节模块，用于根据所述输出与预设输出调节控制器中的控制系数的权重，所述控制器采用神经元学习方法；

设备控制模块，用于根据调节后的控制系数的权重控制所述被控设备的输出达到预设输出。

第三方面，

一种电器设备，包括：如上述技术方案中所述的控制装置

本申请采用以上技术方案，至少具备以下有益效果：

本发明技术方案提供的一种电器设备输出的控制方法、控制装置以及电器设备，首先获取被控设备的输出；由于PID控制器采用神经元学习方法，根据输出与预设输出可以调节控制器中的控制系数的权重；然后根据调节后的控制系数的权重控制被控设备输出达到预设输出。本申请方案通过上一周期的输出和预设输出以及控制系数的权重，调整这一周期的控制系数的权重，解决了PID控制算法抗干扰能力差，参数整定难的问题，能够使被控设备的输出达到预设输出，提高电器设备的工作效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种电器设备输出的控制方法流程图；

图2是本发明实施例提供的一种根据偏差值调节控制器中的控制系数的权重的流程图；

图3是本发明实施例提供的一种控制原理图；

图4是本发明实施例提供的一种电器设备输出的控制装置结构图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明的技术方案进行详细的描述说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。

参照图1，本发明实施例提供了一种电器设备输出的控制方法，包括以下步骤：

获取被控设备的输出，被控设备采用PID控制器；

根据输出与预设输出调节控制器中的控制系数的权重，控制器采用神经元学习方法；

根据调节后的控制系数的权重控制被控设备的输出达到预设输出。

需要说明的是，神经网络学习是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术，在神经网络学习中，每一个连接都有一个权重，通过权重的不同，能够改变神经网络的输出。使用神经网络学习的PID控制器进行PID调节的控制系数(比例系数、积分系数和微分系数)由神经网络学习得到，在调节比例系数、积分系数和微分系数时需要改变神经网络中的生成每个系数的权重。

本发明实施例提供的一种电器设备输出的控制方法，首先获取被控设备的输出；由于控制器采用神经元学习方法，根据输出与预设输出可以调节控制器中的控制系数的权重；然后根据调节后的控制系数的权重控制被控设备输出达到预设输出。本申请方案通过上一周期的输出和预设输出以及控制系数的权重，调整这一周期的控制系数的权重，解决了PID控制算法抗干扰能力差，参数整定难的问题，能够使被控设备的输出达到预设输出，提高电器设备的工作效率。

为了对上述实施例的进行进一步地说明，根据输出与预设输出调节控制器中的控制系数的权重包括：

将输出与预设输出做差得到偏差值；根据偏差值调节控制器中的控制系数的权重。

其中，如图2所示，根据偏差值调节控制器中的控制系数的权重包括：

判断偏差值的绝对值与预设输出的比值是否在预设范围内；

若不在，则调节控制系数的权重；若在，则判断偏差值的绝对值与预设输出的比值是否在预设范围内。

判断调节后得到的偏差值的绝对值与预设输出的比值是否在预设范围内；

若不在，则再次调节控制系数的权重直至调节后得到的偏差值的绝对值与预设输出的比值在预设范围内。若在，则直接按调节后的权重生成的控制系数控制被控设备。

作为本发明实施例一种可选的实现方式，偏差值的绝对值与预设输出的比值不在预设范围内，调节控制系数的权重包括：

当偏差值的绝对值与预设输出的比值小于预设范围时，采用神经元学习方法控制控制系数的权重变大；

当偏差值的绝对值与预设输出的比值大于预设范围时，采用神经元学习方法控制控制系数的权重变小。

在实际控制过程中，最终调节的偏差值不能为零，虽然为零时，此时控制精度最高，但是系统响应的速度会非常慢，严重影响实际使用，因此最终调节的偏差值是在一个预设范围内。既保证控制精度，又保证控制速度。

需要说明的是，神经元学习方法采用单神经元学习方法，方式简单，控制速度快。

作为本发明实施例一种可选的实现方式，采用调节后的控制系数的权重生成控制系数时引入前馈控制的控制方式生成控制系数。具体地，获取被控设备的输出的变化率；根据输出的变化率获取前馈补偿量；根据前馈补偿量和上次的输出控制被控设备。

控制原理如图3所示，Z^-1的意思是延迟一次。比如在k-1时刻采样值为y(k-1)，在k时的值y(k)＝y(k)(实际采样)+y(k-1)，就是当前时刻的值与上一个时刻的值的有关。前馈补偿量是为了弥补系统在响应过程中所做的负功或者说是为了补偿系统在其他地方消耗的能量。具体地前馈补偿量的内容为输出的变化率，也就是输出变化速度，输出变化率可以根据被控设备的多次输出以及采样时间计算得到。在生成控制系数时，考虑到输出的变化速率即加上反馈补偿量能够消除某些干扰，使系统响应时间提前，响应速度加快。

作为本发明实施例一种优选的实现方式，被控设备为空调；输出为输出温度或者输出湿度。

下面以电器设备为空调，输出为输出温度为例对图3中的控制过程进行说明，预先设定好一个期望的温度数值T作为输入，首先可以根据经验整定好神经元比例系数K值、学习速率η值(0到1之间)，而控制系数w_p,w_i,w_p三个初值可以随意设定；需要说明的是，K：神经元比例系数且大于0；w_p：比例系数；w_i：积分系数；w_d：微分系数

输入经过设定初始参数的控制器之后，进行采样得到一个实际温度值T0，通过温度传感器将这个温度T0反馈给输入，与最初设定的期望温度T进行作差处理得到一个偏差值e＝(T-T0)，判断e绝对值的大小，若绝对值过大则表明参数取的值过大，连接权重系数(w_p,w_i,w_p)根据单神经元方法学习方法进行自我往小值调节；若太小则表明参数取的值过小，可适当加大控制系数的值，增大系统的响应速率，连接权重系数(w_p,w_i,w_p)根据单神经元方法学习方法进行自我往大值调节。

多次反复采样比较偏差百分比大小，其中，偏差百分比等于偏差值的绝对值比上期望温度，控制系数自我调节，最终在某一次采样之后偏差百分比大小控制在误差允许范围内，不至于太大也没有过小，最后控制系数会在这组参数范围内微调整，以更准确控制系统。

同时因为神经网络具有自学习和逼近任意函数的特性，能够实现几乎所有的常规非线性与不确定系统的控制，能在一定程度上解决PID参数在线整定问题.而传统PID控制器存在一定的滞后性，在面对需要快速性、准确性的控制系统中，一般很难保证系统稳定和不滞后。所以选择增加一个前向反馈装置，前向反馈具有一定的预见性，可延缓降低传统PID带来的滞后问题，从而使系统更加快速准确的的到达(误差允许范围内的)期望温度，提高系统的稳定性、可靠性和精准性，减小超调。

一个实施例中，本发明实施例提供一种电器设备输出的控制装置，如图4所示，包括：

输出获取模块41，用于获取被控设备的输出，被控设备采用PID控制器；

权重调节模块42，用于根据输出与预设输出调节控制器中的控制系数的权重，控制器采用神经元学习方法；具体地，权重调节模块将输出与预设输出做差得到偏差值；根据偏差值调节控制器中的控制系数的权重。

其中，根据偏差值调节控制器中的控制系数的权重包括：

判断偏差值的绝对值与预设输出的比值是否在预设范围内；若不在，则调节控制系数的权重；

判断调节后得到的偏差值的绝对值与预设输出的比值是否在预设范围内；若不在，则再次调节控制系数的权重直至调节后得到的偏差值的绝对值与预设输出的比值在预设范围内。

进一步地，若偏差值的绝对值与预设输出的比值不在预设范围内，调节控制系数的权重包括：

当偏差值的绝对值与预设输出的比值小于预设范围时，采用神经元学习方法控制控制系数的权重变大；具体地，采用单神经元学习方法控制控制系数的权重变大。

当偏差值的绝对值与预设输出的比值大于预设范围时，采用神经元学习方法控制控制系数的权重变小。具体地，采用单神经元学习方法控制控制系数的权重变小。

设备控制模块43，用于根据调节后的控制系数的权重控制被控设备的输出达到预设输出。

作为本发明实施例一种可选的实现方式，还包括前馈控制模块44，用于在调节控制系数的权重后采用前馈控制的控制方式控制被控设备。具体地，前馈控制模块获取被控设备的输出的变化率；根据输出的变化率获取前馈补偿量；根据前馈补偿量和上次的输出控制被控设备。

作为本发明实施例一种可选的实现方式，被控设备为空调。输出包括输出温度或输出湿度。

本发明实施例提供的一种电器设备输出的控制装置，输出获取模块，获取被控设备的输出；权重调节模块根据输出与预设输出调节控制器中的控制系数的权重；设备控制模块根据调节后的控制系数的权重控制被控设备的输出达到预设输出。前馈控制模块在调节控制系数的权重后采用前馈控制的控制方式控制被控设备。本装置通过权重调整模块根据实时偏差大小来调整控制系数，使得控制系数更适应于偏差；同时前馈控制模块采用前向反馈来降低系统的滞后性，提升系统响应快速性，大幅度的减小偏差和超调，提高控制可靠性能。

一个实施例中，本发明还提供一种电器设备，包括：如上述实施例中提到的控制装置。本发明实施例的电器设备采用一种参数自我学习型+前馈补偿的智能控制方法，可同时解决传统控制策略的低精度、效果差、高滞后性等问题。首先设定好智能控制器的学习速率、神经元比例的值，并随意设置三个控制权重的初值，在输入了预期温度后进入控制器。然后通过温度传感器传回实际温度，得到温度偏差值大小，判断偏差是否在规定的误差允许范围内，如果在，则将控制结果输出；如果偏差过大，表明权重参数在上一次的学习中调整的过大，造成超调、偏差过大，则系统会在下一次学习中将参数往小调整以减小超调和误差；若偏差太小或者几乎没有，表明此时的控制权重参数学习调整的很好，在误差允许范围内可适当增加权重的值以增加系统的响应速度。在满足条件后，将反馈控制结果输出，同时加上前馈补偿量，又降低了系统的滞后性，提高系统的灵敏度，将前馈与反馈结果作用于被控对象上，最后达到预期效果。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种电器设备输出的控制方法，其特征在于，包括以下步骤：

获取被控设备的输出，所述被控设备采用PID控制器；

根据所述输出与预设输出调节控制器中的控制系数的权重，所述控制器采用神经元学习方法；

根据调节后的控制系数的权重控制所述被控设备的输出达到预设输出。

2.根据权利要求1所述的方法，其特征在于：所述根据所述输出与预设输出调节控制器中的控制系数的权重包括：

将所述输出与预设输出做差得到偏差值；

根据偏差值调节所述控制器中的控制系数的权重。

3.根据权利要求2所述的方法，其特征在于：所述根据偏差值调节所述控制器中的控制系数的权重包括：

判断所述偏差值的绝对值与预设输出的比值是否在预设范围内；

若不在，则调节所述控制系数的权重；

判断调节后得到的偏差值的绝对值与预设输出的比值是否在预设范围内；

若不在，则再次调节所述控制系数的权重直至调节后得到的偏差值的绝对值与预设输出的比值在预设范围内。

4.根据权利要求3所述的方法，其特征在于：若所述偏差值的绝对值与预设输出的比值不在预设范围内，调节所述控制系数的权重包括：

当所述偏差值的绝对值与预设输出的比值小于预设范围时，采用神经元学习方法控制所述控制系数的权重变大；

当所述偏差值的绝对值与预设输出的比值大于预设范围时，采用神经元学习方法控制所述控制系数的权重变小。

5.根据权利要求4所述的方法，其特征在于：所述采用神经元学习方法控制所述控制系数的权重包括：采用单神经元学习方法控制所述控制系数的权重。

6.根据权利要求1所述的方法，其特征在于：在调节控制系数的权重后采用前馈控制的控制方式控制所述被控设备。

7.根据权利要求6所述的方法，其特征在于：所述采用前馈控制的控制方式控制所述被控设备包括：

获取所述被控设备的输出的变化率；

根据所述输出的变化率获取前馈补偿量；

根据前馈补偿量和上次的输出控制所述被控设备。

8.根据权利要求1-7任一项所述的方法，其特征在于：所述被控设备为空调。

9.根据权利要求1-7任一所述的方法，其特征在于：所述输出包括输出温度或输出湿度。

10.一种电器设备输出的控制装置，其特征在于，包括：

输出获取模块，用于获取被控设备的输出，所述被控设备采用PID控制器；

权重调节模块，用于根据所述输出与预设输出调节控制器中的控制系数的权重，所述控制器采用神经元学习方法；

设备控制模块，用于根据调节后的控制系数的权重控制所述被控设备的输出达到预设输出。

11.一种电器设备，其特征在于，包括：如权利要求10所述的控制装置。

Images