CN116540523A - 一种基于关键指标的pid回路参数智能整定方法及系统 - Google Patents
一种基于关键指标的pid回路参数智能整定方法及系统 Download PDFInfo
- Publication number
- CN116540523A CN116540523A CN202310413774.6A CN202310413774A CN116540523A CN 116540523 A CN116540523 A CN 116540523A CN 202310413774 A CN202310413774 A CN 202310413774A CN 116540523 A CN116540523 A CN 116540523A
- Authority
- CN
- China
- Prior art keywords
- value
- pid loop
- pid
- loop
- rationality
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000009467 reduction Effects 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims description 50
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 claims description 7
- 238000006731 degradation reaction Methods 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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]
Abstract
本发明公开一种基于关键指标的PID回路参数智能整定方法及系统,涉及自动化PID控制领域,包括采集运行参数;设定反映控制性能的关键指标;计算关键指标的实际值并设置阈值;判断PID回路是否满足控制性能下降要求,若是:筛选建模数据段;对PID回路进行模型辨识;对PID回路进行参数整定,将PID参数的建议值输入集散控制系统DCS中;继续采集运行参数,计算关键指标的实际值;若否:直接继续采集运行参数,计算关键指标的实际值。本发明根据实际值与阈值的大小关系判断PID回路的控制性能,从而能够在PID回路的控制性能下降或控制效果较差时,及时进行参数智能整定,使得控制回路一直保持在最佳状态下工作。
Description
技术领域
本发明涉及自动化PID控制领域,具体而言,涉及一种基于关键指标的PID回路参数智能整定方法及系统。
背景技术
PID控制(Proportional Integral Derivative,比例-积分-微分控制)策略,由于具有结构简单、参数调整方便、适用面广、鲁棒性强的特点,是工业控制器中应用最为普遍的控制策略。PID回路控制性能对企业提高生产效率、安全平稳操作、降本增效等方面具有重要的作用,直接影响企业的经济效益。
PID控制回路最大难点在于PID参数的整定,目前PID参数多依靠工程师的人工经验整定,具有很多缺陷,例如,其一,人工经验整定很大程度上依赖于工程师们的经验,且效率较低,即便是经验丰富的人员,也需要花大量时间进行工程测试和参数调优。其二,PID参数的优劣,工程师只能简单地通过DCS(Distributed Control System,集散控制系统)画面曲线进行定性的判断,无法准确的进行定量的衡量。其三,一套PID参数的适应范围有限,当负荷等生产条件发生变化导致工作状态迁移时,原有PID参数可能不再适用,导致PID控制器的控制性能下降,而工程师很难准确发现这种工作状态的迁移而及时调整PID参数,导致PID控制器实际没有一直都处于最佳工作状态。
因此,设计一种智能化自动整定PID参数,使PID控制器的控制效果达到最佳的方法是业内亟待解决的技术问题。
发明内容
本发明提供一种基于关键指标的PID回路参数智能整定方法及系统,用以克服现有技术中存在的至少一个技术问题。
一方面,本发明实施例提供一种基于关键指标的PID回路参数智能整定方法,包括:
从集散控制系统DCS中采集PID回路的运行参数;
设定反映所述PID回路的控制性能的关键指标;
根据所述PID回路的运行参数,计算所述关键指标的实际值;
根据所述PID回路特点,设置所述关键指标的阈值;
根据所述实际值与所述阈值的大小关系判断所述PID回路是否满足控制性能下降要求,若是:发送控制性能下降通知,启动PID参数智能整定功能;从所述运行参数中筛选能反映所述PID回路特点并适合建模的数据段;根据所述数据段对所述PID回路进行模型辨识,得到回路模型;根据所述回路模型以及所述集散控制系统DCS的类型,对所述PID回路进行参数整定,得到PID参数的建议值;将所述PID参数的建议值输入所述集散控制系统DCS中;继续采集PID回路的运行参数,计算所述关键指标的实际值;若否:直接继续采集PID回路的运行参数,计算所述关键指标的实际值。
可选地,所述PID回路的运行参数至少包括设定时段内的n个测量值PVi和n个设定值SVi,所述关键指标包括变异系数Cov和准确率系数Accu;所述关键指标的实际值包括所述变异系数Cov的计算值和所述准确率系数Accu的计算值;
根据所述PID回路的运行参数,计算所述关键指标的实际值,具体为:
根据公式计算所述变异系数Cov,其中,Ave表示n个所述测量值PVi的均值,Std表示标准偏差;所述均值Ave为/>所述标准偏差Std为
根据公式计算所述准确率系数Accu。
可选地,所述阈值包括变异系数Cov的阈值和准确率系数Accu的阈值;
根据所述实际值与所述阈值的大小关系判断所述PID回路是否满足控制性能下降要求,具体为:
分别比较所述变异系数Cov的计算值和阈值、以及所述准确率系数Accu的计算值和阈值,当所述变异系数Cov的计算值大于所述变异系数Cov的阈值、且所述准确率系数Accu的计算值小于所述准确率系数Accu的阈值时,则表示满足控制性能下降要求;否则,不满足控制性能下降要求。
可选地,所述变异系数Cov的阈值为2,所述准确率系数Accu的阈值为0.8。
可选地,所述PID回路的运行参数包括设定时段内的设定值、测量值和控制器输出值;
从所述运行参数中筛选能反映所述PID回路特点并适合建模的数据段,具体为:
对所述测量值和所述控制器输出值进行趋势提取,得到趋势提取结果;
根据所述趋势提取结果,对每个数据点进行合理度分析,得到每个数据点的合理度;
采用滑动窗口的方法,对所述设定值、所述测量值和所述控制器输出值进行划分,得到多个滑动数据段;
根据每个所述数据点的合理度和所述滑动数据段,得到所述滑动数据段中所有数据点的合理度的平均值,记作滑动数据段合理度;
当所述滑动数据段内的自动状态是自动、且所述设定值无变化时,设置所述滑动数据段合理度为零;
将所述滑动数据段合理度为第一数值的所述滑动数据段,作为适合建模的数据段。
可选地,根据所述拟合结果,对每个数据点进行合理度分析,得到每个数据点的合理度,具体为:
当系统增益为正时,在预定范围内,若所述控制器输出值或所述测量值不变,则所述合理度为零;若所述测量值的趋势提取结果和所述控制器输出值的趋势提取结果变化趋势一致,则所述合理度为正;否则,所述合理度为负;当系统增益为负时,在预定范围内,若所述控制器输出值或所述测量值不变,则所述合理度为零;若所述测量值的趋势提取结果和所述控制器输出值的趋势提取结果变化趋势一致,则所述合理度为负;否则,所述合理度为正。
可选地,对所述PID回路进行模型辨识,得到回路模型,具体为:
采用最小二乘原理对所述PID回路进行模型辨识,得到回路模型为其中,K表示所述PID回路的增益,T为时间常数,τ表示纯时延。
可选地,对所述PID回路进行参数整定,具体为:
采用Z-N法,对所述PID回路进行参数整定。
另一方面,本发明还提供一种基于关键指标的PID回路参数智能整定系统,包括:
采集模块,用于从集散控制系统DCS中采集PID回路的运行参数;
设定模块,用于设定反映所述PID回路的控制性能的关键指标;
第一计算模块,用于根据所述PID回路的运行参数,计算所述关键指标的实际值;
设置模块,用于根据所述PID回路特点,设置所述关键指标的阈值;
判断模块,用于根据所述实际值与所述阈值的大小关系判断所述PID回路是否满足控制性能下降要求,若是:发送控制性能下降通知,启动PID参数智能整定功能;从所述运行参数中筛选能反映所述PID回路特点并适合建模的数据段;根据所述数据段对所述PID回路进行模型辨识,得到回路模型;根据所述回路模型以及所述集散控制系统DCS的类型,对所述PID回路进行参数整定,得到PID参数的建议值;将所述PID参数的建议值输入所述集散控制系统DCS中;继续采集PID回路的运行参数,计算所述关键指标的实际值;若否:直接继续采集PID回路的运行参数,计算所述关键指标的实际值。
可选地,所述PID回路的运行参数包括设定时段内的设定值、测量值和控制器输出值;所述系统还包括:
提取模块,用于对所述测量值和所述控制器输出值进行趋势提取,得到趋势提取结果;
分析模块,根据所述趋势提取结果,对每个数据点进行合理度分析,得到每个数据点的合理度;
分段模块,用于采用滑动窗口的方法,对所述设定值、所述测量值和所述控制器输出值进行划分,得到多个滑动数据段;
第二计算模块,用于根据每个所述数据点的合理度和所述滑动数据段,得到所述滑动数据段中所有数据点的合理度的平均值,记作滑动数据段合理度;
校正模块,用于当所述滑动数据段内的自动状态是自动、且所述设定值无变化时,设置所述滑动数据段合理度为零;
挑选模块,用于将所述滑动数据段合理度为第一数值的所述滑动数据段,作为适合建模的数据段。
本发明实施例的创新点包括:
1、本实施例中,设置可以反映控制性能的关键指标,通过计算关键指标的实际值,并根据实际值与阈值的大小关系判断PID回路的控制性能,从而能够在PID回路的控制性能下降或控制效果较差时,及时进行参数智能整定,不仅可以使得控制回路一直保持在最佳状态下工作,而且还可以有效降低操作人员的操作强度和难度,是本发明实施例的创新点之一。
2、本实施例中,通过重复采集运行参数并计算关键指标的实际值,可随时检测到由于负荷等生产条件发生变化而引起的回路特性变化,从而能够在工作状态迁移时及时进行参数智能整定,有利于使得控制回路一直保持在最佳状态下工作,而且还可以有效降低操作人员的操作强度和难度,是本发明实施例的创新点之一。
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为本发明实施例提供的整定方法的一种流程图;
图2为本发明实施例提供的筛选数据段的一种流程图;
图3为本发明实施例提供的整定系统的一种结构示意图;
图4为本发明实施例提供的整定系统的另一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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付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。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种基于关键指标的PID回路参数智能整定方法及系统。以下分别进行详细说明。
图1为本发明实施例提供的整定方法的一种流程图,请参考图1,本实施提供的基于关键指标的PID回路参数智能整定方法,包括:
步骤1:从集散控制系统DCS中采集PID回路的运行参数;
步骤2:设定反映PID回路的控制性能的关键指标;
步骤3:根据PID回路的运行参数,计算关键指标的实际值;
步骤4:根据PID回路特点,设置关键指标的阈值;
步骤5:根据实际值与阈值的大小关系判断PID回路是否满足控制性能下降要求,若是:发送控制性能下降通知,启动PID参数智能整定功能;从运行参数中筛选能反映PID回路特点并适合建模的数据段;根据数据段对PID回路进行模型辨识,得到回路模型;根据回路模型以及集散控制系统DCS的类型,对PID回路进行参数整定,得到PID参数的建议值;将PID参数的建议值输入集散控制系统DCS中;继续采集PID回路的运行参数,计算关键指标的实际值;若否:直接继续采集PID回路的运行参数,计算关键指标的实际值。
具体地,请参考图1,本实施提供的基于关键指标的PID回路参数智能整定方法,首先通过步骤1从集散控制系统DCS中采集PID回路的运行参数,此处采集的运行参数可以根据需要选择,例如可以包括但不限于设定值SV、测量值PV和控制器输出值OP等,此外,还包括PID控制器的参数比例系数P、积分时间I和微分时间D。
采集到PID回路的运行参数后,在步骤2中设定反映PID回路的控制性能的关键指标,并在步骤3中根据PID回路的运行参数,计算关键指标的实际值。此处,关键指标例如可以为变异系数和准确率系数,其中,变异系数可以评估系统受外界扰动而偏移稳态后恢复稳态的特性,准确率系数可以评估系统达到稳态过程中被控量的测量值和设定值之间的控制准确的特性。
在步骤4中,根据PID回路特点,设置关键指标的阈值,通过阈值判断计算得到的实际值是否反映出回路保持在较佳工作状态下。此处的PID回路特点,例如可以为回路的重要性、干扰等特点。
需要说明的是,步骤3和步骤4,仅是为了示意性说明该整定方法包含计算关键指标的实际值和设置关键指标的阈值这两个步骤,并不作为对实际执行先后顺序的限定,在其他实施例中,也可以先设置阈值,然后在计算实际值,本申请对此不作限定。
得到关键指标的实际值和阈值之后,在步骤5中,比较实际值和阈值的大小关系,根据实际值与阈值的大小关系,判断PID回路是否满足控制性能下降的要求,当PID回路满足控制性能下降的要求时,表明控制回路没有工作在较佳状态,则发送控制性能下降的通知,启动PID参数智能整定功能。进行参数智能整定时,首先从采集到的运行参数中筛选能反映PID回路特点并适合建模的数据段,在选好的数据段的基础上,对PID回路进行模型辨识,例如可以采用最小二乘原理进行模型辨识,即可得到回路模型。
得到回路模型后,根据回路模型以及集散控制系统DCS的类型,对PID回路进行参数整定,得到PID参数的建议值。进行参数整定时,可以采用经典的Z-N经验整定法,然后根据不同的DCS型号,给出相对应的PID参数。例如,当DCS型号为中控ECS700时,若PID的参数选择PI形式,则Ti=3.3τ,Td=0;若PID参数选择PID形式,则Ti=2.0τ,Td=0.5τ。其中,P表示比例系数,Ti表示积分时间,Td表示微分时间,K表示PID回路的增益,T为时间常数,τ表示纯时延。
得到PID参数的建议值之后,将PID参数的建议值输入集散控制系统DCS中,然后返回步骤1,再次采集PID回路的运行参数,并计算关键指标的实际值,通过重复执行上述步骤,定期判断PID回路的控制性能,当PID回路的控制性能下降时,可及时对其进行参数智能整定,从而使得控制回路一直保持在最佳状态下工作。
当PID回路不满足控制性能下降的要求时,表明控制回路工作在较佳状态,则无需进行参数整定。如此,直接返回步骤1,继续采集PID回路的运行参数,并计算关键指标的实际值,通过重复执行上述步骤,定期判断PID回路的控制性能,当PID回路的控制性能下降或控制效果较差时,可及时对其进行参数智能整定,从而使得控制回路一直保持在最佳状态下工作。
本发明提供的基于关键指标的PID回路参数智能整定方法,设置可以反映控制性能的关键指标,通过计算关键指标的实际值,并根据实际值与阈值的大小关系判断PID回路的控制性能,从而能够在PID回路的控制性能下降或控制效果较差时,及时进行参数智能整定,不仅可以使得控制回路一直保持在最佳状态下工作,而且还可以有效降低操作人员的操作强度和难度。此外,通过重复采集运行参数并计算关键指标的实际值,可随时检测到由于负荷等生产条件发生变化而引起的回路特性变化,从而能够在工作状态迁移时及时进行参数智能整定,有利于使得控制回路一直保持在最佳状态下工作。
可选地,PID回路的运行参数至少包括设定时段内的n个测量值PVi和n个设定值SVi,关键指标包括变异系数Cov和准确率系数Accu;关键指标的实际值包括变异系数Cov的计算值和准确率系数Accu的计算值;请参考图1,步骤3中,根据PID回路的运行参数,计算关键指标的实际值,具体为:根据公式计算变异系数Cov,其中,Ave表示n个测量值PVi的均值,Std表示标准偏差;均值Ave为/>标准偏差Std为根据公式/>计算准确率系数Accu。
具体地,本实施例中,设置关键指标包括变异系数Cov和准确率系数Accu。变异系数Cov的值与测量值有关,准确率系数Accu的值与测量值和设定值有关,因此,在本实施例中,PID回路的运行参数包括设定时段内的n个测量值PVi和n个设定值SVi。
请参考图1,关键指标的实际值包括变异系数Cov的计算值和准确率系数Accu的计算值,因此,计算关键指标的实际值,包括计算变异系数Cov的计算值和计算准确率系数Accu的计算值。
变异系数可以评估系统受外界扰动而偏移稳态后恢复稳态的特性。在本实施例中,选取设定时间内的测量值,记为PV1,PV2,PV3,…,PVi,…,PVn,根据测量值PVi,可以计算得到n个测量值PVi的均值为标准偏差为/>然后根据均值和标准偏差,可以计算得到变异系数为/>
准确率系数可以评估系统达到稳态过程中被控量的测量值和设定值之间的控制准确的特性。在本实施例中,从DCS里采集设定时间内的设定值,记为SV1,SV2,SV3,…SVi,…,SVn,根据设定值和测量值,可以计算得到准确率系数为
本实施例设置变异系数和准确率系数为关键指标,变异系数可以评估系统受外界扰动而偏移稳态后恢复稳态的特性,准确率系数可以评估系统达到稳态过程中被控量的测量值和设定值之间的控制准确性,通过计算变异系数和准确率系数的实际值,并比较实际值与阈值的大小关系,即可判断出PID回路的控制性能,从而能够在PID回路的控制性能下降或控制效果较差时,及时进行参数智能整定,使得控制回路一直保持在最佳状态下工作。
可选地,阈值包括变异系数Cov的阈值和准确率系数Accu的阈值;请参考图1,步骤5中,根据实际值与阈值的大小关系判断PID回路是否满足控制性能下降要求,具体为:分别比较变异系数Cov的计算值和阈值、以及准确率系数Accu的计算值和阈值,当变异系数Cov的计算值大于变异系数Cov的阈值、且准确率系数Accu的计算值小于准确率系数Accu的阈值时,则表示满足控制性能下降要求;否则,不满足控制性能下降要求。
具体地,请参考图1,本发明通过判断关键指标的实际值与阈值的大小关系,来判断PID回路是否满足控制性能下降要求。关键指标包括变异系数和准确率系数,因此在判断时,要比较变异系数的计算值和阈值大小,以及准确率系数的计算值和阈值大小,当二者同时满足要求时,则表明PID回路的控制性能下降,需要进行参数智能整定。
变异系数可以评估系统受外界扰动而偏移稳态后恢复稳态的特性,准确率系数可以评估系统达到稳态过程中被控量的测量值和设定值之间的控制准确性,在PID控制回路中,变异系数越低、准确率系数越高,则表明控制性能越好。因此,在本实施例中,设置当变异系数Cov的计算值大于变异系数Cov的阈值、且准确率系数Accu的计算值小于准确率系数Accu的阈值时,则表示满足控制性能下降要求,对PID回路进行参数智能整定。变异系数的计算值和阈值的大小关系,以及准确率系数的计算值和阈值的大小关系有任一者不满足上述要求,则表示不满足控制性能下降要求,不进行参数智能整定。
本发明根据关键指标的实际值与阈值的大小关系判断PID回路的控制性能,从而能够在PID回路的控制性能下降或控制效果较差时,及时进行参数智能整定,可以使得控制回路一直保持在最佳状态下工作。
可选地,变异系数Cov的阈值为2,准确率系数Accu的阈值为0.8。具体地,本实施例中设置变异系数Cov的阈值为2,准确率系数Accu的阈值为0.8,但在其他实施例中,变异系数和准确率系数的阈值也可以设置为其他。例如,对于很重要的PID回路,或者性能要求很严格、稍微下降一点就需要重新整定参数的回路,可以将变异系数的阈值设置的小点,如1.5,准确率系数Accu的阈值设置的大点,如0.9。如此,更容易满足控制性能下降的要求,从而更容易触发控制性能下降的通知,启动PID参数的智能整定。
需要说明的是,变异系数和准确率系数的阈值设置为2、0.8或者1.5、0.9,仅仅是一种示意性说明,并不作为对本申请的限定,在实际使用中,可以根据需要具体设置。
可选地,PID回路的运行参数包括设定时段内的设定值、测量值和控制器输出值;图2为本发明实施例提供的筛选数据段的一种流程图,参考图1和图2,步骤5中,从运行参数中筛选能反映PID回路特点并适合建模的数据段,具体为:步骤51,对测量值和控制器输出值进行趋势提取,得到趋势提取结果;步骤52,根据趋势提取结果,对每个数据点进行合理度分析,得到每个数据点的合理度;步骤53,采用滑动窗口的方法,对设定值、测量值和控制器输出值进行划分,得到多个滑动数据段;步骤54,根据每个数据点的合理度和滑动数据段,得到滑动数据段中所有数据点的合理度的平均值,记作滑动数据段合理度;步骤55,当滑动数据段内的自动状态是自动、且设定值无变化时,设置滑动数据段合理度为零;步骤56,将滑动数据段合理度为第一数值的滑动数据段,作为适合建模的数据段。
具体地,请参考图1和图2,从运行参数中筛选能反映PID回路特点并适合建模的数据段时,首先通过步骤51,对测量值和控制器输出值进行趋势提取,即可得到趋势提取结果。此处进行趋势提取时,可以采用二项式拟合和动态规划,选择合适的分段数和分段点,并将对应的二项式拟合结果作为最后的趋势提取的结果。
进行趋势拟合后,每个数据点均对应一个合理度,因此,得到趋势提取结果后,在步骤52中,根据趋势提取结果,对每个数据点进行合理度分析,即可得到每个数据点的合理度。然后在步骤53中,采用滑动窗口的方法,对设定值、测量值和控制器输出值进行划分,得到多个滑动数据段。采用滑动窗口进行划分时,可以根据回路类型,确定窗口的宽度参数,例如,流量和压力回路,设置窗口的宽度参数为133,而温度和液位回路,设置窗口的宽度参数为800。然后利用宽度参数,确定窗口划分时的分段点,从而确定各个滑动数据段。
在步骤54中,根据每个数据点的合理度和滑动数据段,可以计算得到各个滑动数据段中所有数据点的合理度的平均值,记作滑动数据段合理度。得到各个滑动数据段合理度后,在步骤55中,根据滑动数据段内的自动状态以及设定值,判断是否需要进行合理度校正,当滑动数据段内的自动状态是自动、且设定值无变化时,则表明需要进行校正,设置对应的滑动数据段合理度为零,反之,则无需进行校正,直接进入下一步。
得到各个滑动数据段的合理度后,在步骤56中,选取将滑动数据段合理度为第一数值的滑动数据段,作为适合建模的数据段。此处,将滑动数据段合理度最大的值作为第一数值。
可选地,请参考图1,步骤5中,根据拟合结果,对每个数据点进行合理度分析,得到每个数据点的合理度,具体为:当系统增益为正时,在预定范围内,若控制器输出值或测量值不变,则合理度为零;若测量值的趋势提取结果和控制器输出值的趋势提取结果变化趋势一致,则合理度为正;否则,合理度为负;当系统增益为负时,在预定范围内,若控制器输出值或测量值不变,则合理度为零;若测量值的趋势提取结果和控制器输出值的趋势提取结果变化趋势一致,则合理度为负;否则,合理度为正。
具体地,请参考图1,各个数据点的合理度除了与测量值和控制器输出值有关外,还和系统增益相关。因此,对每个数据点进行合理度分析时,首先判断系统增益,当系统增益为正时,在预定范围内,若控制器输出值或测量值不变,则合理度为零;若测量值的趋势提取结果和控制器输出值的趋势提取结果变化趋势一致,则合理度为正;否则,合理度为负。当系统增益为负时,在预定范围内,若控制器输出值或测量值不变,则合理度为零;若测量值的趋势提取结果和控制器输出值的趋势提取结果变化趋势一致,则合理度为负;否则,合理度为正。
需要说明的是,此处的预定范围,指的是当前数据点的前后一段区间,例如,当前数据点为第十个数据点,则预定范围例如可以为第四个数据点至第十个数据点,则测量值的拟合结果和控制器输出值的拟合结果变化趋势,指的是在该区间内拟合结果的变化趋势。
可选地,请参考图1,步骤5中,对PID回路进行模型辨识,得到回路模型,具体为:采用最小二乘原理对PID回路进行模型辨识,得到回路模型为其中,K表示PID回路的增益,T为时间常数,τ表示纯时延。
具体地,本实施例中,采用最小二乘原理对PID回路进行模型辨识,得到回路模型为其中,K表示PID回路的增益,T为时间常数,τ表示纯时延,s为拉普拉斯变换专用符号。最小二乘原理的具体方法可参考现有技术,此处不再进行赘述。
需要说明的是,采用最小二乘原理进行模型辨识,仅是在本实施例中的一种实施方式,并不作为对本申请的限定。在其他实施例中,也可以采用其他方法进行模型辨识,例如,极大似然估计原理。在实际使用中,可以根据需要具体选择合适的模型辨识方法,本申请对此不作限定。
可选地,参考图1,步骤5中,对PID回路进行参数整定,具体为:采用Z-N法,对PID回路进行参数整定。具体地,本实施例中,采用经典的Z-N(Ziegler-Nichols)经验整定法,工程上又称为飞升曲线法,对PID回路进行参数整定,然后根据不同的DCS型号,给出相对应的PID参数。例如,当DCS型号为中控ECS700时,若PID的参数选择PI形式,则Ti=3.3τ,Td=0;若PID参数选择PID形式,则Ti=2.0τ,Td=0.5τ。其中,P表示比例系数,Ti表示积分时间,Td表示微分时间,K表示PID回路的增益,T为时间常数,τ表示纯时延。
需要说明的是,采用Z-N法对PID回路进行参数整定,仅是在本实施例中的一种实施方式,并不作为对本申请的限定。Z-N法是一种经验整定法,在其他实施例中,可以选择其他经验整定法(如Cohen-Coon法)或采用鲁棒整定法等复杂方法得到PID参数。在实际使用中,可以根据需要具体选择合适的参数整定方法,本申请对此不作限定。
基于同一发明构思,本发明还提供一种基于关键指标的PID回路参数智能整定系统,图3为本发明实施例提供的整定系统的一种结构示意图,请参考图3,本发明提供的基于关键指标的PID回路参数智能整定系统100,包括:
采集模块10,用于从集散控制系统DCS中采集PID回路的运行参数;
设定模块20,用于设定反映PID回路的控制性能的关键指标;
第一计算模块30,用于根据PID回路的运行参数,计算关键指标的实际值;
设置模块40,用于根据PID回路特点,设置关键指标的阈值;
判断模块50,用于根据实际值与阈值的大小关系判断PID回路是否满足控制性能下降要求,若是:发送控制性能下降通知,启动PID参数智能整定功能;从运行参数中筛选能反映PID回路特点并适合建模的数据段;根据数据段对PID回路进行模型辨识,得到回路模型;根据回路模型以及集散控制系统DCS的类型,对PID回路进行参数整定,得到PID参数的建议值;将PID参数的建议值输入集散控制系统DCS中;继续采集PID回路的运行参数,计算关键指标的实际值;若否:直接继续采集PID回路的运行参数,计算关键指标的实际值。
具体地,请参考图3,本实施提供的基于关键指标的PID回路参数智能整定系统,首先利用采集模块10从集散控制系统DCS中采集PID回路的运行参数,此处采集的运行参数可以根据需要选择,例如可以包括但不限于设定值SV、测量值PV和控制器输出值OP等,此外,还包括PID控制器的参数比例系数P、积分时间I和微分时间D。
采集到PID回路的运行参数后,利用设定模块20设定反映PID回路的控制性能的关键指标,并使第一计算模块30,根据PID回路的运行参数,计算关键指标的实际值。此处,关键指标例如可以为变异系数和准确率系数,其中,变异系数可以评估系统受外界扰动而偏移稳态后恢复稳态的特性,准确率系数可以评估系统达到稳态过程中被控量的测量值和设定值之间的控制准确的特性。
然后通过设置模块40,根据PID回路特点,设置关键指标的阈值,通过阈值判断计算得到的实际值是否反映出回路保持在较佳工作状态下。此处的PID回路特点,例如可以为回路的重要性、干扰等特点。
得到关键指标的实际值和阈值之后,通过判断模块50,比较实际值和阈值的大小关系,根据实际值与阈值的大小关系,判断PID回路是否满足控制性能下降的要求,当PID回路满足控制性能下降的要求时,表明控制回路没有工作在较佳状态,则发送控制性能下降的通知,启动PID参数智能整定功能。进行参数智能整定时,首先从采集到的运行参数中筛选能反映PID回路特点并适合建模的数据段,在选好的数据段的基础上,对PID回路进行模型辨识,例如可以采用最小二乘原理进行模型辨识,即可得到回路模型。
得到回路模型后,根据回路模型以及集散控制系统DCS的类型,对PID回路进行参数整定,得到PID参数的建议值。进行参数整定时,可以采用经典的Z-N经验整定法,然后根据不同的DCS型号,给出相对应的PID参数。例如,当DCS型号为中控ECS700时,若PID的参数选择PI形式,则Ti=3.3τ,Td=0;若PID参数选择PID形式,则Ti=2.0τ,Td=0.5τ。其中,P表示比例系数,Ti表示积分时间,Td表示微分时间,K表示PID回路的增益,T为时间常数,τ表示纯时延。
得到PID参数的建议值之后,将PID参数的建议值输入集散控制系统DCS中,然后再次采集PID回路的运行参数,并计算关键指标的实际值,通过重复执行上述步骤,定期判断PID回路的控制性能,当PID回路的控制性能下降时,可及时对其进行参数智能整定,从而使得控制回路一直保持在最佳状态下工作。
当PID回路不满足控制性能下降的要求时,表明控制回路工作在较佳状态,则无需进行参数整定。如此,直接继续采集PID回路的运行参数,并计算关键指标的实际值,通过重复执行上述步骤,定期判断PID回路的控制性能,当PID回路的控制性能下降或控制效果较差时,可及时对其进行参数智能整定,从而使得控制回路一直保持在最佳状态下工作。
本发明提供的基于关键指标的PID回路参数智能整定系统,设置可以反映控制性能的关键指标,通过计算关键指标的实际值,并根据实际值与阈值的大小关系判断PID回路的控制性能,从而能够在PID回路的控制性能下降或控制效果较差时,及时进行参数智能整定,不仅可以使得控制回路一直保持在最佳状态下工作,而且还可以有效降低操作人员的操作强度和难度。此外,通过重复采集运行参数并计算关键指标的实际值,可随时检测到由于负荷等生产条件发生变化而引起的回路特性变化,从而能够在工作状态迁移时及时进行参数智能整定,有利于使得控制回路一直保持在最佳状态下工作。
可选地,PID回路的运行参数包括设定时段内的设定值、测量值和控制器输出值,图4为本发明实施例提供的整定系统的另一种结构示意图,请参考图4,系统还包括:
提取模块501,用于对测量值和控制器输出值进行趋势提取,得到趋势提取结果;
分析模块502,根据趋势提取结果,对每个数据点进行合理度分析,得到每个数据点的合理度;
分段模块503,用于采用滑动窗口的方法,对设定值、测量值和控制器输出值进行划分,得到多个滑动数据段;
第二计算模块504,用于根据每个数据点的合理度和滑动数据段,得到滑动数据段中所有数据点的合理度的平均值,记作滑动数据段合理度;
校正模块505,用于当滑动数据段内的自动状态是自动、且设定值无变化时,设置滑动数据段合理度为零;
挑选模块506,用于将滑动数据段合理度为第一数值的滑动数据段,作为适合建模的数据段。
具体地,请参考图4,本实施例提供的整定系统还包括提取模块501、分析模块502、分段模块503、第二计算模块504、校正模块505和挑选模块506。从运行参数中筛选能反映PID回路特点并适合建模的数据段时,首先通过提取模块501对测量值和控制器输出值进行趋势提取,即可得到趋势提取结果。此处进行趋势提取时,可以采用二项式拟合和动态规划,选择合适的分段数和分段点,并将对应的二项式拟合结果作为最后的趋势提取的结果。
进行趋势拟合后,每个数据点均对应一个合理度,因此,得到趋势提取结果后,利用分析模块502,根据趋势提取结果,对每个数据点进行合理度分析,即可得到每个数据点的合理度。然后使得分段模块503采用滑动窗口的方法,对设定值、测量值和控制器输出值进行划分,得到多个滑动数据段。采用滑动窗口进行划分时,可以根据回路类型,确定窗口的宽度参数,例如,流量和压力回路,设置窗口的宽度参数为133,而温度和液位回路,设置窗口的宽度参数为800。然后利用宽度参数,确定窗口划分时的分段点,从而确定各个滑动数据段。
得到滑动数据段和各个数据点的合理度后,第二计算模块504根据每个数据点的合理度和滑动数据段,可以计算得到各个滑动数据段中所有数据点的合理度的平均值,记作滑动数据段合理度。得到各个滑动数据段合理度后,根据滑动数据段内的自动状态以及设定值,判断是否需要进行合理度校正,当滑动数据段内的自动状态是自动、且设定值无变化时,则表明需要进行校正,通过校正模块505设置对应的滑动数据段合理度为零,反之,则无需进行校正,直接进入下一步。
得到各个滑动数据段的合理度后,通过挑选模块506选取将滑动数据段合理度为第一数值的滑动数据段,作为适合建模的数据段。此处,将滑动数据段合理度最大的值作为第一数值。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种基于关键指标的PID回路参数智能整定方法,其特征在于,包括:
从集散控制系统DCS中采集PID回路的运行参数;
设定反映所述PID回路的控制性能的关键指标;
根据所述PID回路的运行参数,计算所述关键指标的实际值;
根据所述PID回路特点,设置所述关键指标的阈值;
根据所述实际值与所述阈值的大小关系判断所述PID回路是否满足控制性能下降要求,若是:发送控制性能下降通知,启动PID参数智能整定功能;从所述运行参数中筛选能反映所述PID回路特点并适合建模的数据段;根据所述数据段对所述PID回路进行模型辨识,得到回路模型;根据所述回路模型以及所述集散控制系统DCS的类型,对所述PID回路进行参数整定,得到PID参数的建议值;将所述PID参数的建议值输入所述集散控制系统DCS中;继续采集PID回路的运行参数,计算所述关键指标的实际值;若否:直接继续采集PID回路的运行参数,计算所述关键指标的实际值。
2.根据权利要求1所述的基于关键指标的PID回路参数智能整定方法,其特征在于,所述PID回路的运行参数至少包括设定时段内的n个测量值PVi和n个设定值SVi,所述关键指标包括变异系数Cov和准确率系数Accu;所述关键指标的实际值包括所述变异系数Cov的计算值和所述准确率系数Accu的计算值;
根据所述PID回路的运行参数,计算所述关键指标的实际值,具体为:
根据公式计算所述变异系数Cov,其中,Ave表示n个所述测量值PVi的均值,Std表示标准偏差;所述均值Ave为/>所述标准偏差Std为
根据公式计算所述准确率系数Accu。
3.根据权利要求2所述的基于关键指标的PID回路参数智能整定方法,其特征在于,所述阈值包括变异系数Cov的阈值和准确率系数Accu的阈值;
根据所述实际值与所述阈值的大小关系判断所述PID回路是否满足控制性能下降要求,具体为:
分别比较所述变异系数Cov的计算值和阈值、以及所述准确率系数Accu的计算值和阈值,当所述变异系数Cov的计算值大于所述变异系数Cov的阈值、且所述准确率系数Accu的计算值小于所述准确率系数Accu的阈值时,则表示满足控制性能下降要求;否则,不满足控制性能下降要求。
4.根据权利要求3所述的基于关键指标的PID回路参数智能整定方法,其特征在于,所述变异系数Cov的阈值为2,所述准确率系数Accu的阈值为0.8。
5.根据权利要求1所述的基于关键指标的PID回路参数智能整定方法,其特征在于,所述PID回路的运行参数包括设定时段内的设定值、测量值和控制器输出值;
从所述运行参数中筛选能反映所述PID回路特点并适合建模的数据段,具体为:
对所述测量值和所述控制器输出值进行趋势提取,得到趋势提取结果;
根据所述趋势提取结果,对每个数据点进行合理度分析,得到每个数据点的合理度;
采用滑动窗口的方法,对所述设定值、所述测量值和所述控制器输出值进行划分,得到多个滑动数据段;
根据每个所述数据点的合理度和所述滑动数据段,得到所述滑动数据段中所有数据点的合理度的平均值,记作滑动数据段合理度;
当所述滑动数据段内的自动状态是自动、且所述设定值无变化时,设置所述滑动数据段合理度为零;
将所述滑动数据段合理度为第一数值的所述滑动数据段,作为适合建模的数据段。
6.根据权利要求5所述的基于关键指标的PID回路参数智能整定方法,其特征在于,根据所述趋势提取结果,对每个数据点进行合理度分析,得到每个数据点的合理度,具体为:
当系统增益为正时,在预定范围内,若所述控制器输出值或所述测量值不变,则所述合理度为零;若所述测量值的趋势提取结果和所述控制器输出值的趋势提取结果变化趋势一致,则所述合理度为正;否则,所述合理度为负;当系统增益为负时,在预定范围内,若所述控制器输出值或所述测量值不变,则所述合理度为零;若所述测量值的趋势提取结果和所述控制器输出值的趋势提取结果变化趋势一致,则所述合理度为负;否则,所述合理度为正。
7.根据权利要求1所述的基于关键指标的PID回路参数智能整定方法,其特征在于,对所述PID回路进行模型辨识,得到回路模型,具体为:
采用最小二乘原理对所述PID回路进行模型辨识,得到回路模型为其中,K表示所述PID回路的增益,T为时间常数,τ表示纯时延,s为拉普拉斯变换专用符号。
8.根据权利要求7所述的基于关键指标的PID回路参数智能整定方法,其特征在于,对所述PID回路进行参数整定,具体为:
采用Z-N法,对所述PID回路进行参数整定。
9.一种基于关键指标的PID回路参数智能整定系统,其特征在于,包括:
采集模块,用于从集散控制系统DCS中采集PID回路的运行参数;
设定模块,用于设定反映所述PID回路的控制性能的关键指标;
第一计算模块,用于根据所述PID回路的运行参数,计算所述关键指标的实际值;
设置模块,用于根据所述PID回路特点,设置所述关键指标的阈值;
判断模块,用于根据所述实际值与所述阈值的大小关系判断所述PID回路是否满足控制性能下降要求,若是:发送控制性能下降通知,启动PID参数智能整定功能;从所述运行参数中筛选能反映所述PID回路特点并适合建模的数据段;根据所述数据段对所述PID回路进行模型辨识,得到回路模型;根据所述回路模型以及所述集散控制系统DCS的类型,对所述PID回路进行参数整定,得到PID参数的建议值;将所述PID参数的建议值输入所述集散控制系统DCS中;继续采集PID回路的运行参数,计算所述关键指标的实际值;若否:直接继续采集PID回路的运行参数,计算所述关键指标的实际值。
10.根据权利要求9所述的基于关键指标的PID回路参数智能整定系统,其特征在于,所述PID回路的运行参数包括设定时段内的设定值、测量值和控制器输出值;所述系统还包括:
提取模块,用于对所述测量值和所述控制器输出值进行趋势提取,得到趋势提取结果;
分析模块,根据所述趋势提取结果,对每个数据点进行合理度分析,得到每个数据点的合理度;
分段模块,用于采用滑动窗口的方法,对所述设定值、所述测量值和所述控制器输出值进行划分,得到多个滑动数据段;
第二计算模块,用于根据每个所述数据点的合理度和所述滑动数据段,得到所述滑动数据段中所有数据点的合理度的平均值,记作滑动数据段合理度;
校正模块,用于当所述滑动数据段内的自动状态是自动、且所述设定值无变化时,设置所述滑动数据段合理度为零;
挑选模块,用于将所述滑动数据段合理度为第一数值的所述滑动数据段,作为适合建模的数据段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310413774.6A CN116540523A (zh) | 2023-04-18 | 2023-04-18 | 一种基于关键指标的pid回路参数智能整定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310413774.6A CN116540523A (zh) | 2023-04-18 | 2023-04-18 | 一种基于关键指标的pid回路参数智能整定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116540523A true CN116540523A (zh) | 2023-08-04 |
Family
ID=87456890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310413774.6A Pending CN116540523A (zh) | 2023-04-18 | 2023-04-18 | 一种基于关键指标的pid回路参数智能整定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116540523A (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 |
-
2023
- 2023-04-18 CN CN202310413774.6A patent/CN116540523A/zh active Pending
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4722461B2 (ja) | モデルスイッチングおよび属性補間を用いた適応型多変数プロセスコントローラ | |
CN115293667B (zh) | 一种工程进度及造价管理系统的管理方法 | |
CN104932488A (zh) | 一种模型预测控制性能评估与诊断方法 | |
WO2016155241A1 (zh) | 基于Kalman滤波器的容量预测方法、系统和计算机设备 | |
CN105027010A (zh) | 控制参数调整方法及控制参数调整系统 | |
CN116540523A (zh) | 一种基于关键指标的pid回路参数智能整定方法及系统 | |
CN101446994A (zh) | 数控机床的热误差最小二乘支持向量机建模方法 | |
CN111812967B (zh) | 基于稳定裕度和动态响应指标的pid控制参数整定方法 | |
WO2019234810A1 (ja) | 学習装置、推論装置、方法、及びプログラム | |
CN110308658B (zh) | 一种pid参数整定方法、装置、系统及可读存储介质 | |
WO2021007845A1 (zh) | 一种氧化铝生产指标的云-边协同预报系统及方法 | |
CN106407669A (zh) | 一种切削加工表面粗糙度的预测方法 | |
CN109032117A (zh) | 基于arma模型的单回路控制系统性能评价方法 | |
CN113868953A (zh) | 工业系统中多机组运行优化方法、装置、系统及存储介质 | |
CN109523077B (zh) | 一种风电功率预测方法 | |
CN116258273A (zh) | 湿式双离合变速器液压预测方法、系统、车辆及存储介质 | |
CN113539382B (zh) | 一种亚磷酸二甲酯关键工艺参数的预警定位方法及系统 | |
US10379529B2 (en) | Data processing device and data processing method | |
CN114330102A (zh) | 基于降雨相似与模型参数智能适配的快速洪水预报方法及装置 | |
CN110826196B (zh) | 一种工业设备运行数据的处理方法及装置 | |
CN116213095B (zh) | 一种基于重介质分选的精煤产品灰分智能调节方法及系统 | |
CN116859839A (zh) | 基于模型训练的工业控制方法和装置 | |
CN106371419B (zh) | 用于监视控制回路的运行的诊断装置和诊断方法 | |
CN112965365B (zh) | Pid控制回路的模型辨识方法、装置、系统及存储介质 | |
CN110083804B (zh) | 基于条件分布回归的风电场scada数据缺失的智能修复方法 |
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 |