CN114371611A - 一种基于人工智能的压缩机寿命试验台pid优化控制的方法 - Google Patents
一种基于人工智能的压缩机寿命试验台pid优化控制的方法 Download PDFInfo
- Publication number
- CN114371611A CN114371611A CN202111520336.7A CN202111520336A CN114371611A CN 114371611 A CN114371611 A CN 114371611A CN 202111520336 A CN202111520336 A CN 202111520336A CN 114371611 A CN114371611 A CN 114371611A
- Authority
- CN
- China
- Prior art keywords
- membership function
- input error
- value
- output value
- rule
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 41
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 10
- 230000004069 differentiation Effects 0.000 title description 3
- 230000010354 integration Effects 0.000 title description 3
- 230000008859 change Effects 0.000 claims abstract description 101
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 239000000126 substance Substances 0.000 claims description 6
- 230000007547 defect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction 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.
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
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人工智能的压缩机寿命试验台PID优化控制的方法,方法的步骤中含有:压缩机寿命试验台按照数据采样周期实时采集实际值,并根据实际值和预定在PID控制器内的期望值得输入误差和输入误差变化率,传递给人工智能控制器;人工智能控制器根据输入误差和输入误差变化率依照内置输出规则调整P值和I值,将调整后的P值和I值反馈给压缩机寿命试验台,替换掉压缩机寿命试验台内的PID控制器原先的P值和I值。它能实时自动调节PID控制器数值且易于实验员根据实际情况修改参数,降低达到所需实验条件的时间,并能适应不同工况条件,最终达到节能和提升实验效率的目的。
Description
技术领域
本发明涉及一种基于人工智能的压缩机寿命试验台PID优化控制的方法。
背景技术
目前,当前人工智能发展迅速,在语音识别,图像分析,机器控制等方向有广泛的应用。在压缩机寿命试验台上,控制系统需要根据PID控制器设定值来将吸气压力、排气压力、吸气温度等达到设定值以开始实验。当前压缩机寿命试验台通常采用的PID控制器中仅为固定的P值和I值,且需实验员凭借经验输入,这种控制方法效率较低且不能根据实验条件的改变而做出调整。
压缩机寿命试验台采用常规PID控制器控制,其缺点在于控制器数值固定,以至于试验台达到所需实验条件时间较长,并且节能效果差、能源消耗量较大,通过手动调节控制器数值难度较大,且依赖实验员相关调节经验,准确度较低,并且这种调节方式往往滞后于试验台本身工况变化,调节效果较差。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种基于人工智能的压缩机寿命试验台PID优化控制的方法,它能实时自动调节PID控制器数值且易于实验员根据实际情况修改参数,降低达到所需实验条件的时间,并能适应不同工况条件,最终达到节能和提升实验效率的目的。
为了解决上述技术问题,本发明的技术方案是:一种基于人工智能的压缩机寿命试验台PID优化控制的方法,压缩机寿命试验台内设有PID控制器,方法的步骤中含有:
压缩机寿命试验台按照数据采样周期实时采集实际值,并根据实际值和预定在PID控制器内的期望值得输入误差和输入误差变化率,传递给人工智能控制器;输入误差即期望值与实际值的差值;输入误差变化率即期望值与实际值的差值除以数据采集周期;
人工智能控制器根据输入误差和输入误差变化率依照内置输出规则调整P值和I值,将调整后的P值和I值反馈给压缩机寿命试验台,替换掉压缩机寿命试验台内的PID控制器原先的P值和I值;其中,
P值为偏差比例,I值为偏差积分。
进一步,将输入误差范围设定为隶属度函数NA:-80%M≤NA≤-40%M、隶属度函数NB:-40%M<NB≤-10%M、隶属度函数Z0:-10%M<Z0≤10%M、隶属度函数PA:10%M<PA≤50%M、隶属度函数PB:50%M≤PB≤100%M;M为期望值与初始值的差值;
将输入误差变化率范围设定为隶属度函数MA:-80%N≤MA≤-40%N、隶属度函数MB:-40%N<MB≤-10%N、隶属度函数Y0:-10%N<Y0≤10%N、隶属度函数RA:10%N<RA≤50%N、隶属度函数RB:50%N≤RB≤100%N;N为M除以数据采样周期;
将P值的输出值设定为P输出值A1=50%P、P输出值A2=80%P、P输出值A3=100%P、P输出值A4=150%P、P输出值A5=200%P;P为压缩机寿命试验台内的PID控制器的初始P值;
将I值的输出值设定为I输出值B1=75%I、I输出值B2=85%I、I输出值B3=100%I、I输出值B4=120%I、I输出值B5=150%I;I为压缩机寿命试验台内的PID控制器的初始I值;
内置输出规则为:
规则1:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数MA时,输出P输出值A1和I输出值B1;
规则2:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数MB时,输出P输出值A1和I输出值B1;
规则3:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数Y0时,输出P输出值A2和I输出值B2;
规则4:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数RA时,输出P输出值A2和I输出值B2;
规则5:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数RB时,输出P输出值A2和I输出值B2;
规则6:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数MA时,输出P输出值A1和I输出值B1;
规则7:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数MB时,输出P输出值A1和I输出值B1;
规则8:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数Y0时,输出P输出值A2和I输出值B2;
规则9:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数RA时,输出P输出值A2和I输出值B2;
规则10:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数RB时,输出P输出值A2和I输出值B2;
规则11:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数MA时,输出P输出值A3和I输出值B3;
规则12:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数MB时,输出P输出值A3和I输出值B3;
规则13:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数Y0时,输出P输出值A3和I输出值B3;
规则14:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数RA时,输出P输出值A3和I输出值B3;
规则15:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数RB时,输出P输出值A3和I输出值B3;
规则16:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数MA时,输出P输出值A5和I输出值B5;
规则17:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数MB时,输出P输出值A5和I输出值B5;
规则18:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数Y0时,输出P输出值A4和I输出值B4;
规则19:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数RA时,输出P输出值A4和I输出值B4;
规则20:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数RB时,输出P输出值A4和I输出值B4;
规则21:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数MA时,输出P输出值A5和I输出值B5;
规则22:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数MB时,输出P输出值A5和I输出值B5;
规则23:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数Y0时,输出P输出值A4和I输出值B4;
规则24:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数RA时,输出P输出值A4和I输出值B4;
规则25:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数RB时,输出P输出值A4和I输出值B4。
进一步,所述压缩机寿命试验台包括触摸屏,所述触摸屏与所述PID控制器相连;其中,
所述压缩机寿命试验台实时采集的实际值传递至所述PID控制器,所述PID控制器根据实际值和预定在PID控制器内的期望值得输入误差和输入误差变化率,并传递给触摸屏,所述触摸屏再将传递输入误差和输入误差变化率给人工智能控制器。
进一步,所述PID控制器将所述初始值和/或所述期望值和/或所述初始P值和/或所述初始I值通过触摸屏传递给人工智能控制器。
进一步,所述初始值和/或所述期望值和/或所述初始P值和/或所述初始I值输入至所述人工智能控制器。
采用了上述技术方案后,本发明方法不依赖任何数学模型,按照人工智能思想设计的优化控制方法,无需将人工智能控制器连入控制系统内,仅需与触摸屏间实现通讯,即可根据触摸屏中显示的当前数值与期望数值进行处理,并将处理后数据与触摸屏进行替换,实现智能控制,其中人工智能控制器中的控制规则可根据具体实验模型的不同进行更改,更改方法仅需按大小排列输入,方便且易于掌握。
附图说明
图1为本发明的基于人工智能的压缩机寿命试验台PID优化控制的方法功能模块控制原理图。
具体实施方式
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明。
如图1所示,一种基于人工智能的压缩机寿命试验台PID优化控制的方法,压缩机寿命试验台内设有PID控制器,方法的步骤中含有:
压缩机寿命试验台按照数据采样周期实时采集实际值,并根据实际值和预定在PID控制器内的期望值得输入误差和输入误差变化率,传递给人工智能控制器;输入误差即期望值与实际值的差值;输入误差变化率即期望值与实际值的差值除以数据采集周期;
人工智能控制器根据输入误差和输入误差变化率依照内置输出规则调整P值和I值,将调整后的P值和I值反馈给压缩机寿命试验台,替换掉压缩机寿命试验台内的PID控制器原先的P值和I值;其中,
P值为偏差比例,I值为偏差积分;
将输入误差范围设定为隶属度函数NA=-80%M~-40%M、隶属度函数NB=-40%M(不包括-40%M)~-10%M、隶属度函数Z0=-10%M(不包括-10%M)~10%M、隶属度函数PA=10%M(不包括10%M)~50%M、隶属度函数PB=50%M(不包括50%M)~100%M;M为期望值与初始值的差值;
将输入误差变化率范围设定为隶属度函数MA=-80%N~-40%N、隶属度函数MB=-40%N(不包括-40%N)~-10%N、隶属度函数Y0=-10%N(不包括-10%N)~10%N、隶属度函数RA=10%N(不包括10%N)~50%N、隶属度函数RB=50%N~100%N;N为M除以数据采样周期;
将P值的输出值设定为P输出值A1=50%P、P输出值A2=80%P、P输出值A3=100%P、P输出值A4=150%P、P输出值A5=200%P;P为压缩机寿命试验台内的PID控制器的初始P值;
将I值的输出值设定为I输出值B1=75%I、I输出值B2=85%I、I输出值B3=100%I、I输出值B4=120%I、I输出值B5=150%I;I为压缩机寿命试验台内的PID控制器的初始I值;
内置输出规则为:
规则1:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数MA时,输出P输出值A1和I输出值B1;
规则2:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数MB时,输出P输出值A1和I输出值B1;
规则3:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数Y0时,输出P输出值A2和I输出值B2;
规则4:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数RA时,输出P输出值A2和I输出值B2;
规则5:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数RB时,输出P输出值A2和I输出值B2;
规则6:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数MA时,输出P输出值A1和I输出值B1;
规则7:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数MB时,输出P输出值A1和I输出值B1;
规则8:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数Y0时,输出P输出值A2和I输出值B2;
规则9:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数RA时,输出P输出值A2和I输出值B2;
规则10:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数RB时,输出P输出值A2和I输出值B2;
规则11:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数MA时,输出P输出值A3和I输出值B3;
规则12:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数MB时,输出P输出值A3和I输出值B3;
规则13:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数Y0时,输出P输出值A3和I输出值B3;
规则14:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数RA时,输出P输出值A3和I输出值B3;
规则15:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数RB时,输出P输出值A3和I输出值B3;
规则16:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数MA时,输出P输出值A5和I输出值B5;
规则17:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数MB时,输出P输出值A5和I输出值B5;
规则18:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数Y0时,输出P输出值A4和I输出值B4;
规则19:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数RA时,输出P输出值A4和I输出值B4;
规则20:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数RB时,输出P输出值A4和I输出值B4;
规则21:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数MA时,输出P输出值A5和I输出值B5;
规则22:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数MB时,输出P输出值A5和I输出值B5;
规则23:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数Y0时,输出P输出值A4和I输出值B4;
规则24:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数RA时,输出P输出值A4和I输出值B4;
规则25:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数RB时,输出P输出值A4和I输出值B4。
具体执行规则可参见下表:
MA | MB | Y0 | RA | RB | |
NA | A1/B1 | A1/B1 | A2/B2 | A2/B2 | A2/B2 |
NB | A1/B1 | A1/B1 | A2/B2 | A2/B2 | A2/B2 |
Z0 | A3/B3 | A3/B3 | A3/B3 | A3/B3 | A3/B3 |
PA | A5/B5 | A5/B5 | A4/B4 | A4/B4 | A4/B4 |
PB | A5/B5 | A5/B5 | A4/B4 | A4/B4 | A4/B4 |
在本实施例中,如图1所示,压缩机寿命试验台包括触摸屏,触摸屏与PID控制器相连;其中,
压缩机寿命试验台实时采集的实际值传递至PID控制器,PID控制器根据实际值和预定在PID控制器内的期望值得输入误差和输入误差变化率,并传递给触摸屏,触摸屏再将传递输入误差和输入误差变化率给人工智能控制器。
具体地,PID控制器将初始值、期望值、初始P值、初始I值可通过触摸屏传递给人工智能控制器。当然,其初始值、期望值、初始P值、初始I值也可以人工输入至人工智能控制器中。
在本实施例中,如图1所示,人工智能控制器包括数据处理器,触摸屏反馈给人工智能控制器的输入数据及人工智能控制器输出给触摸屏的输出数据可通过数据处理器进行传递。
以上所述的具体实施例,对本发明解决的技术问题、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于人工智能的压缩机寿命试验台PID优化控制的方法,压缩机寿命试验台内设有PID控制器,其特征在于方法的步骤中含有:
压缩机寿命试验台按照数据采样周期实时采集实际值,并根据实际值和预定在PID控制器内的期望值得输入误差和输入误差变化率,传递给人工智能控制器;输入误差即期望值与实际值的差值;输入误差变化率即期望值与实际值的差值除以数据采集周期;
人工智能控制器根据输入误差和输入误差变化率依照内置输出规则调整P值和I值,将调整后的P值和I值反馈给压缩机寿命试验台,替换掉压缩机寿命试验台内的PID控制器原先的P值和I值;其中,
P值为偏差比例,I值为偏差积分。
2.根据权利要求1所述的方法,其特征在于,
将输入误差范围设定为隶属度函数NA:-80%M≤NA≤-40%M、隶属度函数NB:-40%M<NB≤-10%M、隶属度函数Z0:-10%M<Z0≤10%M、隶属度函数PA:10%M<PA≤50%M、隶属度函数PB:50%M≤PB≤100%M;M为期望值与初始值的差值;
将输入误差变化率范围设定为隶属度函数MA:-80%N≤MA≤-40%N、隶属度函数MB:-40%N<MB≤-10%N、隶属度函数Y0:-10%N<Y0≤10%N、隶属度函数RA:10%N<RA≤50%N、隶属度函数RB:50%N≤RB≤100%N;N为M除以数据采样周期;
将P值的输出值设定为P输出值A1=50%P、P输出值A2=80%P、P输出值A3=100%P、P输出值A4=150%P、P输出值A5=200%P;P为压缩机寿命试验台内的PID控制器的初始P值;
将I值的输出值设定为I输出值B1=75%I、I输出值B2=85%I、I输出值B3=100%I、I输出值B4=120%I、I输出值B5=150%I;I为压缩机寿命试验台内的PID控制器的初始I值;
内置输出规则为:
规则1:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数MA时,输出P输出值A1和I输出值B1;
规则2:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数MB时,输出P输出值A1和I输出值B1;
规则3:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数Y0时,输出P输出值A2和I输出值B2;
规则4:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数RA时,输出P输出值A2和I输出值B2;
规则5:当输入误差处于隶属度函数NA和输入误差变化率处于隶属度函数RB时,输出P输出值A2和I输出值B2;
规则6:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数MA时,输出P输出值A1和I输出值B1;
规则7:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数MB时,输出P输出值A1和I输出值B1;
规则8:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数Y0时,输出P输出值A2和I输出值B2;
规则9:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数RA时,输出P输出值A2和I输出值B2;
规则10:当输入误差处于隶属度函数NB和输入误差变化率处于隶属度函数RB时,输出P输出值A2和I输出值B2;
规则11:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数MA时,输出P输出值A3和I输出值B3;
规则12:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数MB时,输出P输出值A3和I输出值B3;
规则13:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数Y0时,输出P输出值A3和I输出值B3;
规则14:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数RA时,输出P输出值A3和I输出值B3;
规则15:当输入误差处于隶属度函数Z0和输入误差变化率处于隶属度函数RB时,输出P输出值A3和I输出值B3;
规则16:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数MA时,输出P输出值A5和I输出值B5;
规则17:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数MB时,输出P输出值A5和I输出值B5;
规则18:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数Y0时,输出P输出值A4和I输出值B4;
规则19:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数RA时,输出P输出值A4和I输出值B4;
规则20:当输入误差处于隶属度函数PA和输入误差变化率处于隶属度函数RB时,输出P输出值A4和I输出值B4;
规则21:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数MA时,输出P输出值A5和I输出值B5;
规则22:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数MB时,输出P输出值A5和I输出值B5;
规则23:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数Y0时,输出P输出值A4和I输出值B4;
规则24:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数RA时,输出P输出值A4和I输出值B4;
规则25:当输入误差处于隶属度函数PB和输入误差变化率处于隶属度函数RB时,输出P输出值A4和I输出值B4。
3.根据权利要求1所述的方法,其特征在于,
所述压缩机寿命试验台包括触摸屏,所述触摸屏与所述PID控制器相连;其中,
所述压缩机寿命试验台实时采集的实际值传递至所述PID控制器,所述PID控制器根据实际值和预定在PID控制器内的期望值得输入误差和输入误差变化率,并传递给触摸屏,所述触摸屏再将传递输入误差和输入误差变化率给人工智能控制器。
4.根据权利要求3所述的方法,其特征在于,
所述PID控制器将所述初始值和/或所述期望值和/或所述初始P值和/或所述初始I值通过触摸屏传递给人工智能控制器。
5.根据权利要求1所述的方法,其特征在于,
所述初始值和/或所述期望值和/或所述初始P值和/或所述初始I值输入至所述人工智能控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111520336.7A CN114371611B (zh) | 2021-12-13 | 2021-12-13 | 一种基于人工智能的压缩机寿命试验台pid优化控制的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111520336.7A CN114371611B (zh) | 2021-12-13 | 2021-12-13 | 一种基于人工智能的压缩机寿命试验台pid优化控制的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114371611A true CN114371611A (zh) | 2022-04-19 |
CN114371611B CN114371611B (zh) | 2023-09-29 |
Family
ID=81139610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111520336.7A Active CN114371611B (zh) | 2021-12-13 | 2021-12-13 | 一种基于人工智能的压缩机寿命试验台pid优化控制的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114371611B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07281710A (ja) * | 1994-04-06 | 1995-10-27 | Rika Kogyo Kk | ファジイ推論によるpid制御方法 |
CN102032640A (zh) * | 2009-09-25 | 2011-04-27 | 西安西翼智能科技有限公司 | 工业环境高精度空调的模糊pid控制方法及装置 |
CN105974953A (zh) * | 2016-07-06 | 2016-09-28 | 曲阜师范大学 | 一种反应釜负压精馏模糊控制方法 |
CN106527147A (zh) * | 2016-12-19 | 2017-03-22 | 华北电力大学(保定) | 一种用于脱硝控制系统的模糊自整定pid控制方法 |
CN109236713A (zh) * | 2018-09-18 | 2019-01-18 | 郑州云海信息技术有限公司 | 一种应用于通用机型的智能风扇调控方法及系统 |
CN110118945A (zh) * | 2019-04-22 | 2019-08-13 | 华南理工大学 | 一种能馈型直流电子负载系统及其自组织模糊控制方法 |
CN110308647A (zh) * | 2019-06-14 | 2019-10-08 | 南京理工大学 | 含误差积分输入项的无人机三段式模糊pid控制方法 |
CN112346335A (zh) * | 2020-11-06 | 2021-02-09 | 黄石市科威自控有限公司 | 回流焊设备的温度控制方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-13 CN CN202111520336.7A patent/CN114371611B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07281710A (ja) * | 1994-04-06 | 1995-10-27 | Rika Kogyo Kk | ファジイ推論によるpid制御方法 |
CN102032640A (zh) * | 2009-09-25 | 2011-04-27 | 西安西翼智能科技有限公司 | 工业环境高精度空调的模糊pid控制方法及装置 |
CN105974953A (zh) * | 2016-07-06 | 2016-09-28 | 曲阜师范大学 | 一种反应釜负压精馏模糊控制方法 |
CN106527147A (zh) * | 2016-12-19 | 2017-03-22 | 华北电力大学(保定) | 一种用于脱硝控制系统的模糊自整定pid控制方法 |
CN109236713A (zh) * | 2018-09-18 | 2019-01-18 | 郑州云海信息技术有限公司 | 一种应用于通用机型的智能风扇调控方法及系统 |
CN110118945A (zh) * | 2019-04-22 | 2019-08-13 | 华南理工大学 | 一种能馈型直流电子负载系统及其自组织模糊控制方法 |
CN110308647A (zh) * | 2019-06-14 | 2019-10-08 | 南京理工大学 | 含误差积分输入项的无人机三段式模糊pid控制方法 |
CN112346335A (zh) * | 2020-11-06 | 2021-02-09 | 黄石市科威自控有限公司 | 回流焊设备的温度控制方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
黄山云;陈照波;焦映厚;陈彬;: "基于DSP的液压伺服系统模糊神经网络PID控制", 液压与气动, no. 09, pages 15 - 18 * |
Also Published As
Publication number | Publication date |
---|---|
CN114371611B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106150996B (zh) | 基于需求用气量计算的空压机群控控制方法 | |
CN103994553B (zh) | 一种制冷系统冷却水节能控制方法、系统及装置 | |
CN105182740B (zh) | 原料粉磨自动控制方法 | |
CN103671055B (zh) | 活塞往复式空压机组的智能控制系统及控制方法 | |
CN105020845A (zh) | 一种空调系统联动节能控制系统及方法 | |
CN206092359U (zh) | 基于需求用气量计算的空压机群控控制系统 | |
CN112170121B (zh) | 一种挤压式涂布机回流压力计算方法、装置和存储介质 | |
CN114156910A (zh) | 一种基于信号同源的agc负荷解耦控制方法和自动寻优装置 | |
CN114371611A (zh) | 一种基于人工智能的压缩机寿命试验台pid优化控制的方法 | |
CN115312813A (zh) | 一种燃料电池系统空气压力与流量的控制方法和装置 | |
CN205136018U (zh) | 一种基于pid变频调节的空气压缩机节能系统 | |
CN106300391B (zh) | 一种基于先调风机的风电场agc优化方法 | |
CN108547997A (zh) | 一种远程调压燃气调压器及其远程调压方法 | |
CN211624849U (zh) | 一种带引射器的高低压压缩空气供应系统 | |
CN205479618U (zh) | 调压站气动遥调系统 | |
CN201907219U (zh) | 一种机械压力机气压控制系统 | |
CN104460727A (zh) | 压缩空气系统稳压控制装置及稳压控制方法 | |
CN105627529B (zh) | 基于变速积分pid型迭代学习算法的空调控制系统及方法 | |
CN212888127U (zh) | 一种陶瓷高压注浆成型机的排泥和巩固控制系统 | |
CN111271792A (zh) | 空调扇及其控制方法、控制装置 | |
CN113111474B (zh) | 一种可实现远程供水管网压力的管理系统 | |
CN206817175U (zh) | 多数量空压站联网控制装置 | |
CN203835687U (zh) | 一种物料缓冲系统 | |
CN113847659B (zh) | 一种洁净室压差梯度控制系统及控制方法 | |
CN207123300U (zh) | 锅炉能耗监控调节系统 |
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 |