CN115933364A - 一种pid控制器参数优化方法、装置、设备、存储介质 - Google Patents
一种pid控制器参数优化方法、装置、设备、存储介质 Download PDFInfo
- Publication number
- CN115933364A CN115933364A CN202211607680.4A CN202211607680A CN115933364A CN 115933364 A CN115933364 A CN 115933364A CN 202211607680 A CN202211607680 A CN 202211607680A CN 115933364 A CN115933364 A CN 115933364A
- Authority
- CN
- China
- Prior art keywords
- loop
- pid controller
- sequence data
- closed
- parameter optimization
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000006870 function Effects 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 17
- 239000007788 liquid Substances 0.000 description 15
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Feedback Control In General (AREA)
Abstract
本申请公开了一种PID控制器参数优化方法、装置、设备、存储介质，涉及工业控制技术领域，包括：获取包含操作变量和被控变量的控制回路和控制回路的开环模型特征；获取用于表征被控变量的动态的自定义闭环动态序列数据；基于开环模型特征和自定义闭环动态序列数据构建PID控制器的参数优化函数；利用待优化PID控制器参数构建的约束条件对参数优化函数进行优化求解，确定PID控制器的优化参数。由于获取了自定义闭环动态序列数据，并构建PID控制器的参数优化函数，使通过对参数优化函数进行优化求解，确定优化参数的方式，能够直观地设计控制回路的闭环动态并优化对应的PID控制器参数，提高对PID控制器参数整定的指导性。
Description
技术领域
本发明涉及工业控制技术领域，特别涉及一种PID控制器参数优化方法、装置、设备、存储介质。
背景技术
PID控制回路在工业控制系统中占了非常高的比例，是工业生产过程正常运行的重要基础。然而，随着装置的长期运行，工艺过程的特性变化、控制系统维护升级等往往会导致PID控制器参数配置不佳，导致回路运行在较差性能上。PID控制器参数整定能够有效地提高PID控制回路运行品质，为后续实施APC先进控制等技术提供基础条件。常规的PID控制器参数整定方法包括Z-N法、Lambda法、临界比例度法等，这些方法通常以PID控制器参数整定表格或者公式的形式呈现，工程人员在实施时往往不能预见到在该PID控制器参数下，PID控制回路的闭环动态特征，从而导致了PID控制器参数整定的盲目性，这大大增加了工程人员的工作强度。例如，上述Lambda整定方法虽然能够给出了一组PID控制参数整定法则，但是该组整定法则仅仅表示了在该方法认为的所谓最优的闭环控制效果下对应的参数。如果使用者在使用了上述参数之后认为还需要进一步调整参数，其首先不清楚当前参数对应的理论闭环动态是什么样子的，其次无法确定应该如何进一步调整参数才能改善当前的闭环动态。因此Lambda法在使用效果不佳时，也就失去了PID控制器参数整定的作用，使用者只能通过试错的方法进行调节。
综上，如何设置一种支持使用者自定义PID控制回路闭环动态特征的PID控制器参数整定方法，实现对PID控制器参数的整定提高了PID控制器参数整定方法的灵活性和可交互性是本领域有待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种PID控制器参数优化方法、装置、设备、存储介质，能够设置一种支持使用者自定义PID控制回路闭环动态特征的PID控制器参数整定方法，实现对PID控制器参数的整定提高了PID控制器参数整定方法的灵活性和可交互性。其具体方案如下：
第一方面，本申请公开了一种PID控制器参数优化方法，包括：
获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征；
获取用于表征被控变量的动态的自定义闭环动态序列数据；
基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数；
利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。
可选的，所述获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征，包括：
获取操作变量数据序列和被控变量数据序列和预设采样周期；
获取所述控制回路的模型增益、时间常数、滞后时间。
可选的，所述基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数，包括：
根据所述开环模型特征确定过程响应序列数据；
基于待优化PID控制器参数和所述开环模型特征构建的传递函数确定控制器响应序列数据；
根据所述过程响应序列数据和所述控制器响应序列数据确定目标闭环动态序列数据；
基于所述目标闭环动态序列数据和所述自定义闭环动态数据，确定第一优化目标；
根据所述控制器响应序列数据，确定第二优化目标；
利用所述第一优化目标和所述第二优化目标构建所述PID控制器的参数优化函数。
可选的，所述根据所述过程响应序列数据和所述控制器响应序列数据确定目标闭环动态序列数据，包括：
对所述过程响应序列数据和所述控制器响应序列数据进行卷积，确定目标闭环动态序列数据。
可选的，所述基于所述目标闭环动态序列数据和所述自定义闭环动态数据，确定第一优化目标，包括：
对所述目标闭环动态序列数据和所述自定义闭环动态数据进行差值计算，确定目标差值；
计算所述目标差值的加权范数，以得到第一优化目标。
可选的，所述根据所述控制器响应序列数据，确定第二优化目标，包括：
确定所述控制器响应序列数据的差分值；计算所述差分值的加权范数，以得到第二优化目标。
可选的，所述利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解之前，还包括：
基于所述待优化PID控制器参数构建PID控制器中比例的范围约束条件、积分时间的范围约束条件和微分时间的范围约束条件。
第二方面，本申请公开了一种PID控制器参数优化装置，包括：
第一数据获取模块，用于获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征；
第二数据获取模块，用于获取用于表征被控变量的动态的自定义闭环动态序列数据；
优化函数构建模块，用于基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数；
参数优化模块，用于利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。
第三方面，本申请公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现前述公开的PID控制器参数优化方法的步骤。
第四方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的PID控制器参数优化方法的步骤。
由此可见，本申请公开了一种PID控制器参数优化方法，包括：获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征；获取用于表征被控变量的动态的自定义闭环动态序列数据；基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数；利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。由此可见，由于获取了自定义闭环动态序列数据，并构建PID控制器的参数优化函数，使通过对参数优化函数进行优化求解，确定优化参数的方式，能够直观地设计控制回路的闭环动态并优化对应的PID控制器参数，避免因无法确定调整的参数对应的理论闭环状态进而无法确定如何进一步调整的参数才能改善当前的闭环状态，使PID控制器的参数失去整定作用，进而一次次手动试错方式调整PID控制器的优化参数。
附图说明
为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种PID控制器参数优化方法流程图；
图2为本申请公开的一种液位PID控制回路示意图；
图3为本申请公开的一种液位PID控制回路数据；
图4为本申请公开的一种液位的期望闭环状态；
图5为本申请公开的一种具体的PID控制器参数优化方法流程图；
图6为本申请公开的一种PID控制器参数优化装置结构示意图；
图7为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
PID控制回路在工业控制系统中占了非常高的比例，是工业生产过程正常运行的重要基础。然而，随着装置的长期运行，工艺过程的特性变化、控制系统维护升级等往往会导致PID控制器参数配置不佳，导致回路运行在较差性能上。PID控制器参数整定能够有效地提高PID控制回路运行品质，为后续实施APC先进控制等技术提供基础条件。常规的PID控制器参数整定方法包括Z-N法、Lambda法、临界比例度法等，这些方法通常以PID控制器参数整定表格或者公式的形式呈现，工程人员在实施时往往不能预见到在该PID控制器参数下，PID控制回路的闭环动态特征，从而导致了PID控制器参数整定的盲目性，这大大增加了工程人员的工作强度。例如，上述Lambda整定方法虽然能够给出了一组PID控制参数整定法则，但是该组整定法则仅仅表示了在该方法认为的所谓最优的闭环控制效果下对应的参数。如果使用者在使用了上述参数之后认为还需要进一步调整参数，其首先不清楚当前参数对应的理论闭环动态是什么样子的，其次无法确定应该如何进一步调整参数才能改善当前的闭环动态。因此Lambda法在使用效果不佳时，也就失去了PID控制器参数整定的作用，使用者只能通过试错的方法进行调节。
为此，本发明实施例还相应公开了一种PID控制器参数优化方案，能够设置一种支持使用者自定义PID控制回路闭环动态特征的PID控制器参数整定方法，实现对PID控制器参数的整定提高了PID控制器参数整定方法的灵活性和可交互性。
参照图1所示，本发明实施例公开了一种PID控制器参数优化方法，包括：
步骤S11：获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征。
本实施例中，获取PID包含操作变量和被控变量的控制回路的运行数据和预设采样周期，具体的，获取操作变量数据序列和被控变量数据序列和预设采样周期；可以理解的是，所述PID控制回路为由控制器、被控过程组成的闭环回路，能够实现对设定值的跟踪控制，PID控制回路具体为包含操作变量和被控变量的控制回路，当PID控制器应用的液位工业控制过程中，所述操作变量为变频器水泵的转动频率指令，所述被控变量为水箱的液位；此外，所述PID控制器还可应用于压力、温度和流量等工业控制领域；获取控制回路的运行数据具体可以包括：长度为NData的操作变量数据序列和被控变量数据序列，所述NData为正整数，获取的预设采样周期为大于零的实数；获取所述控制回路的开环模型特征具体可以包括但不限于：模型增益、时间常数、滞后时间。其中，获取PID控制回路的开环模型特征的方法包括两种，一种为通过PID控制回路的运行数据和预设采样周期辨识出开环模型特征，另一种为用户提供PID控制回路的开环模型特征。
参照图2所示，液位控制的PID控制回路具体可以包括：控制器、变频器水泵、水箱、液位检测装置等。其中，控制器通过比较水箱液位和水箱液位的设定值，向变频器水泵发送转动频率指令，变频器水泵转动速度发生变化，进而使流入水箱的水流量发生变化，水箱同时有出水口，开度保持不变，水箱中有液位测量装置，将液位测量结果发送给控制器。通过PLC、DCS中所配备的数据库，获取上述PID控制回路的运行数据，包括变频器水泵的转动频率指令，也即操作变量、水箱的液位，也即被控变量，数据采集周期为5秒钟，数据总长度NData＝800，数据如图3所示，由图可知，采集数据样本长度为800的转动频率指令，单位为百分比，获取上述转动频率指令下的水箱液位高度，单位为厘米，将上述采集的对应的两种数据整理生成相应的数据折线图。对上述数据进行辨识，以获取开环模型特征，其中，获取开环模型特征所使用的方法包括具体包括但不限于：用户指定法以及子空间辨识、核偏最小二乘、递归最小二乘等模型辨识方法，最终计算得到模型增益为9.5，时间常数为300秒，滞后时间为5.5秒。当使用用户指定法，用户指定模型增益为8，时间常数为300秒，滞后时间为5秒。当用户指定了开环模型特征后，后续计算以用户指定的开环模型特征为准，若用户未指定开环模型特征，则以模型辨识方法得到的开环模型特征为准。
步骤S12：获取用于表征被控变量的动态的自定义闭环动态序列数据。
本实施例中，获取PID控制回路的自定义闭环动态序列数据，所述的闭环动态指PID控制器实施后，被控变量所表现出的动态，也即给定被控过程特征的条件下，获取使用者基于当前需求输入相应的闭环动态序列数据，即为自定义闭环动态序列数据。用户指定的液位的期望闭环动态如图4所示，获取PID控制回路的自定义闭环动态序列数据
NModel表示序列数据长度，j表示第几个序列数据，其中，序列数据长度NModel＝20。
步骤S13：基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数。
本实施例中，根据通过模型辨识方法或者用户直接输入方法获取的开环模型特征和自定义闭环动态序列数据构建PID控制器参数整定优化问题，也即构建参数优化函数。
步骤S14：利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。
本实施例中，当构建PID控制的参数优化函数之后，利用约束条件以及IPOPT、QP等优化方法对该参数优化函数进行求解，以获取最终的优化参数。
本实施例中，所述利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解之前，还包括：基于所述待优化PID控制器参数构建PID控制器中比例的范围约束条件、积分时间的范围约束条件和微分时间的范围约束条件。可以理解的是，由于PID控制器中存在影响操作值计算结果的一些参数，包括比例(Kc)，积分时间(Ti)，微分时间(Td)，而在PID控制器的参数优化求解过程中，相应的，设置比例的范围约束条件、积分时间的范围约束条件以及微分时间的约束范围条件，具体设置的约束条件的数值范围如下：
0<Kc<10
0<Ti<100
0<Td<100。
由此可见，本申请公开了一种PID控制器参数优化方法，包括：获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征；获取用于表征被控变量的动态的自定义闭环动态序列数据；基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数；利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。由此可见，由于获取了自定义闭环动态序列数据，并构建PID控制器的参数优化函数，使通过对参数优化函数进行优化求解，确定优化参数的方式，能够直观地设计控制回路的闭环动态并优化对应的PID控制器参数，避免因无法确定调整的参数对应的理论闭环状态进而无法确定如何进一步调整的参数才能改善当前的闭环状态，使PID控制器的参数失去整定作用，进而一次次手动试错方式调整PID控制器的优化参数。
参照图5所示，本发明实施例公开了一种具体的PID控制器参数优化方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
步骤S21：获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征。
步骤S22：获取用于表征被控变量的动态的自定义闭环动态序列数据。
其中，步骤S21、S22中更加详细的处理过程请参照前述公开的实施例内容，在此不再进行赘述。
步骤S23：根据所述开环模型特征确定过程响应序列数据；基于待优化PID控制器参数和所述开环模型特征构建的传递函数确定控制器响应序列数据；根据所述过程响应序列数据和所述控制器响应序列数据确定目标闭环动态序列数据。
本实施例中，根据PID控制回路的开环模型特征，确定过程响应序列数据；根据待优化的PID控制器参数和PID控制回路的开环模型特征，确定控制器响应序列数据；对所述过程响应序列数据和所述控制器响应序列数据进行卷积，确定目标闭环动态序列数据。可以理解的是，所述目标闭环动态序列数据的获取方法为，根据PID控制回路的开环模型特征、待优化的PID控制器参数和PID控制回路的开环模型特征所构成的传递函数，获得过程响应序列数据和控制器响应序列数据，二者卷积，获得第一闭环动态序列数据。具体的，首先根据水箱液位开环模型特征，确定过程响应序列数据
其次假设控制器PID参数分别为Kc，Ti，Td确定控制器响应序列数据
对二者进行卷积，获得目标闭环动态序列数据：
其中，
表示一个集合，集合中共有NModel个元素，分别对应着下标j等于1到NModel，
的含义相同。在上式中，存在一个未定义数值的符号
为了便于计算，这里令
步骤S24：基于所述目标闭环动态序列数据和所述自定义闭环动态数据，确定第一优化目标；根据所述控制器响应序列数据，确定第二优化目标；利用所述第一优化目标和所述第二优化目标构建所述PID控制器的参数优化函数。
本实施例中，根据目标闭环动态序列数据和自定义闭环动态数据，确定所述优化问题的第一优化目标，具体的，对所述目标闭环动态序列数据和所述自定义闭环动态数据进行差值计算，确定目标差值；计算所述目标差值的加权范数，以得到第一优化目标。在本实施例中第一优化目标的确定方法为目标闭环动态序列数据和自定义闭环动态数据的差值的加权范数，表达式为：
其中，Hi M表示自定义闭环动态数据序列数据中第i个数据。
确定所述控制器响应序列数据的差分值；计算所述差分值的加权范数，以得到第二优化目标。具体的，第二优化目标的确定方法为控制器响应序列数据的差分的加权范数，表达式为：
其中β表示第二优化目标的权重，用于调节两个优化目标的大小关系。
第一优化目标和第二优化目标的加和确定总体优化目标，表示如下：
步骤S25：利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。
本实施例中，利用待优化PID控制器参数构建的约束条件，约束包括对Kc，Ti，Td的约束，设置的具体范围为如下：
0＜Kc＜10
0＜Ti＜100；
0＜Td＜100
结合上述的总体优化目标以及约束条件，获取最小值：
最终整定结果为Kc＝6，Ti＝0.15，Td＝0。需要注意的是，PID控制器整定结果可根据控制器设备厂商对于参数进行转换。
由此可见，本实施例通过利用用户设置的自定义闭环动态序列数据，对PID控制器参数进行整定优化，使用户能够自由的设计PID控制回路的闭环动态。
参照图6所示，本发明实施例还相应公开了一种PID控制器参数优化装置，包括：
第一数据获取模块11，用于获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征；
第二数据获取模块12，用于获取用于表征被控变量的动态的自定义闭环动态序列数据；
优化函数构建模块13，用于基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数；
参数优化模块14，用于利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。
由此可见，本申请公开获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征；获取用于表征被控变量的动态的自定义闭环动态序列数据；基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数；利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。由此可见，由于获取了自定义闭环动态序列数据，并构建PID控制器的参数优化函数，使通过对参数优化函数进行优化求解，确定优化参数的方式，能够直观地设计控制回路的闭环动态并优化对应的PID控制器参数，避免因无法确定调整的参数对应的理论闭环状态进而无法确定如何进一步调整的参数才能改善当前的闭环状态，使PID控制器的参数失去整定作用，进而一次次手动试错方式调整PID控制器的优化参数。
进一步的，本申请实施例还公开了一种电子设备，图7是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。
图7为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的PID控制器参数优化方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，以实现处理器21对存储器22中海量数据223的运算与处理，其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的PID控制器参数优化方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223除了可以包括电子设备接收到的由外部设备传输进来的数据，也可以包括由自身输入输出接口25采集到的数据等。
进一步的，本申请还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的PID控制器参数优化方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种PID控制器参数优化方法、装置、设备、存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种PID控制器参数优化方法，其特征在于，包括：
获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征；
获取用于表征被控变量的动态的自定义闭环动态序列数据；
基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数；
利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。
2.根据权利要求1所述的PID控制器参数优化方法，其特征在于，所述获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征，包括：
获取操作变量数据序列和被控变量数据序列和预设采样周期；
获取所述控制回路的模型增益、时间常数、滞后时间。
3.根据权利要求1所述的PID控制器参数优化方法，其特征在于，所述基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数，包括：
根据所述开环模型特征确定过程响应序列数据；
基于待优化PID控制器参数和所述开环模型特征构建的传递函数确定控制器响应序列数据；
根据所述过程响应序列数据和所述控制器响应序列数据确定目标闭环动态序列数据；
基于所述目标闭环动态序列数据和所述自定义闭环动态数据，确定第一优化目标；
根据所述控制器响应序列数据，确定第二优化目标；
利用所述第一优化目标和所述第二优化目标构建所述PID控制器的参数优化函数。
4.根据权利要求3所述的PID控制器参数优化方法，其特征在于，所述根据所述过程响应序列数据和所述控制器响应序列数据确定目标闭环动态序列数据，包括：
对所述过程响应序列数据和所述控制器响应序列数据进行卷积，确定目标闭环动态序列数据。
5.根据权利要求3所述的PID控制器参数优化方法，其特征在于，所述基于所述目标闭环动态序列数据和所述自定义闭环动态数据，确定第一优化目标，包括：
对所述目标闭环动态序列数据和所述自定义闭环动态数据进行差值计算，确定目标差值；
计算所述目标差值的加权范数，以得到第一优化目标。
6.根据权利要求3所述的PID控制器参数优化方法，其特征在于，所述根据所述控制器响应序列数据，确定第二优化目标，包括：
确定所述控制器响应序列数据的差分值；计算所述差分值的加权范数，以得到第二优化目标。
7.根据权利要求1所述的PID控制器参数优化方法，其特征在于，所述利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解之前，还包括：
基于所述待优化PID控制器参数构建PID控制器中比例的范围约束条件、积分时间的范围约束条件和微分时间的范围约束条件。
8.一种PID控制器参数优化装置，其特征在于，包括：
第一数据获取模块，用于获取包含操作变量和被控变量的控制回路和所述控制回路的开环模型特征；
第二数据获取模块，用于获取用于表征被控变量的动态的自定义闭环动态序列数据；
优化函数构建模块，用于基于所述开环模型特征和所述自定义闭环动态序列数据构建PID控制器的参数优化函数；
参数优化模块，用于利用待优化PID控制器参数构建的约束条件对所述参数优化函数进行优化求解，确定PID控制器的优化参数。
9.一种电子设备，其特征在于，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的PID控制器参数优化方法的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的PID控制器参数优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211607680.4A CN115933364B (zh) | 2022-12-14 | 2022-12-14 | 一种pid控制器参数优化方法、装置、设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211607680.4A CN115933364B (zh) | 2022-12-14 | 2022-12-14 | 一种pid控制器参数优化方法、装置、设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115933364A true CN115933364A (zh) | 2023-04-07 |
| CN115933364B CN115933364B (zh) | 2023-07-21 |
Family
ID=86655582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211607680.4A Active CN115933364B (zh) | 2022-12-14 | 2022-12-14 | 一种pid控制器参数优化方法、装置、设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115933364B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117434830A (zh) * | 2023-12-21 | 2024-01-23 | 中控技术股份有限公司 | 一种基于控制回路曲线形态的参数整定方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102636989A (zh) * | 2012-04-25 | 2012-08-15 | 北京科技大学 | 无钟高炉料线深度调节的数据驱动pid控制器设计方法 |
| JP2012226551A (ja) * | 2011-04-19 | 2012-11-15 | Hiroshima Univ | Ｐｉｄゲイン調整装置及びｐｉｄゲイン調整方法 |
| CN104460318A (zh) * | 2013-09-25 | 2015-03-25 | 北京化工大学 | 一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法 |
| CN110850709A (zh) * | 2019-10-21 | 2020-02-28 | 浙江中控技术股份有限公司 | 用于pid参数的渐进式整定方法 |
| JP2020064439A (ja) * | 2018-10-17 | 2020-04-23 | 富士電機株式会社 | 制御モデル同定方法、制御モデル同定装置及びプログラム |
| CN111812967A (zh) * | 2020-05-27 | 2020-10-23 | 浙江中控技术股份有限公司 | 基于稳定裕度和动态响应指标的pid控制参数整定方法 |
| CN112650051A (zh) * | 2020-11-30 | 2021-04-13 | 清华大学 | 一种广义二自由度pid控制器的预期动态整定方法 |
| 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 |
| CN113485091A (zh) * | 2021-06-17 | 2021-10-08 | 东北大学 | Pid控制器参数整定方法、装置、设备及存储介质 |
| 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 |
-
2022
- 2022-12-14 CN CN202211607680.4A patent/CN115933364B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012226551A (ja) * | 2011-04-19 | 2012-11-15 | Hiroshima Univ | Ｐｉｄゲイン調整装置及びｐｉｄゲイン調整方法 |
| CN102636989A (zh) * | 2012-04-25 | 2012-08-15 | 北京科技大学 | 无钟高炉料线深度调节的数据驱动pid控制器设计方法 |
| CN104460318A (zh) * | 2013-09-25 | 2015-03-25 | 北京化工大学 | 一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法 |
| JP2020064439A (ja) * | 2018-10-17 | 2020-04-23 | 富士電機株式会社 | 制御モデル同定方法、制御モデル同定装置及びプログラム |
| CN110850709A (zh) * | 2019-10-21 | 2020-02-28 | 浙江中控技术股份有限公司 | 用于pid参数的渐进式整定方法 |
| CN111812967A (zh) * | 2020-05-27 | 2020-10-23 | 浙江中控技术股份有限公司 | 基于稳定裕度和动态响应指标的pid控制参数整定方法 |
| CN112650051A (zh) * | 2020-11-30 | 2021-04-13 | 清华大学 | 一种广义二自由度pid控制器的预期动态整定方法 |
| 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 |
| CN113485091A (zh) * | 2021-06-17 | 2021-10-08 | 东北大学 | Pid控制器参数整定方法、装置、设备及存储介质 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| SHIGEKI OOTAKARA: "Closed-Loop Identification and PID Retuning of Self-Excited Oscillatory Process from Poor PID Controller Tuning", 《THE SOCIETY OF CHEMICAL ENGINEERS 》, vol. 54, no. 12, pages 672 - 684 * |
| 高月: "一种面向控制系统解耦的序列决策PID参数整定方法", 《化工学报》, vol. 69, no. 3, pages 1071 - 1080 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117434830A (zh) * | 2023-12-21 | 2024-01-23 | 中控技术股份有限公司 | 一种基于控制回路曲线形态的参数整定方法 |
| CN117434830B (zh) * | 2023-12-21 | 2024-03-15 | 中控技术股份有限公司 | 一种基于控制回路曲线形态的参数整定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115933364B (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6510353B1 (en) | Determining tuning parameters for a process controller from a robustness map | |
| JP4722388B2 (ja) | 統合型モデル予測制御機能ブロックおよびオプチマイザ機能ブロックのための設定および閲覧用表示画面 | |
| Wu et al. | PID controllers: Design and tuning methods | |
| JP4413563B2 (ja) | プロセス制御システムにおける統合型モデル予測制御および最適化 | |
| JP6357027B2 (ja) | プロセス制御システムにおけるオンライン適応モデル予測制御 | |
| JP5830251B2 (ja) | プロセスモデルの高速同定および生成 | |
| JP2002523821A (ja) | プロセス制御システムで使用される最適のチューニングパラメータを決定するコントローラ、及びそのコントローラの作動方法 | |
| JP2005044349A (ja) | 改善されたパターン認識適応コントローラ | |
| WO2019234810A1 (ja) | 学習装置、推論装置、方法、及びプログラム | |
| WO1997007444A2 (en) | Field based process control system with auto-tuning | |
| CN115933364A (zh) | 一种pid控制器参数优化方法、装置、设备、存储介质 | |
| CN108828934A (zh) | 一种基于模型辨识的模糊pid控制方法及装置 | |
| JP2015084155A (ja) | パラメータ調整装置、パラメータ調整方法およびパラメータ調整プログラム | |
| CN116839173A (zh) | 一种能耗优化方法、装置、存储介质和电子设备 | |
| JP6870330B2 (ja) | データ処理装置及びデータ処理方法 | |
| EP4063975A1 (en) | Rst smith predictor | |
| CN109884884A (zh) | 一种系统控制品质的调整方法及相关装置 | |
| CN113655816B (zh) | 钢包底吹氩系统流量控制方法及计算机可读存储介质 | |
| US20230324885A1 (en) | Control assistance device, control system, and control assistance method | |
| CN113341695B (zh) | 一种智能伺服电机电流环控制参数自整定方法 | |
| CN116974206B (zh) | 一种基于预测模糊控制算法的磨机控制方法 | |
| CN113341768B (zh) | 闸门调控方法、装置、设备及介质 | |
| CN111126743B (zh) | 基于管理平台的tqcs特征计算方法、系统及存储介质 | |
| CN115525073A (zh) | 半导体温控设备的温度控制方法、装置及存储介质 | |
| Wojsznis et al. | Neural network assisted control loop tuner |
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 |