CN117434830B - 一种基于控制回路曲线形态的参数整定方法 - Google Patents
一种基于控制回路曲线形态的参数整定方法 Download PDFInfo
- Publication number
- CN117434830B CN117434830B CN202311764978.0A CN202311764978A CN117434830B CN 117434830 B CN117434830 B CN 117434830B CN 202311764978 A CN202311764978 A CN 202311764978A CN 117434830 B CN117434830 B CN 117434830B
- Authority
- CN
- China
- Prior art keywords
- loop
- control loop
- fitting curve
- data sequence
- parameter data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000010355 oscillation Effects 0.000 claims description 74
- 230000006870 function Effects 0.000 claims description 50
- 230000010354 integration Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013016 damping Methods 0.000 claims description 4
- 230000000087 stabilizing effect Effects 0.000 claims description 4
- 230000003313 weakening effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 15
- 238000005457 optimization Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000002945 steepest descent method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012843 least square support vector machine Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及过程工业控制技术领域，尤其涉及一种基于控制回路曲线形态的参数整定方法，包括：S1、针对任一PID待整定控制回路，获取该PID待整定控制回路当前时间点之前预设时间段内的参数数据序列，并针对所获取的参数数据序列进行预处理，得到预处理后的参数数据序列；S2、采用在函数库中预先指定的函数，对预处理后的参数数据序列进行拟合处理，得到PID待整定控制回路的第一拟合曲线和第二拟合曲线；S3、基于第一拟合曲线，获取该第一拟合曲线所对应的特征集合；S4、基于特征集合，确定PID待整定控制回路所对应的回路类型；S5、采用与该回路类型相应的整定策略，对PID待整定控制回路进行整定，得到整定后的控制回路。
Description
技术领域
本发明涉及过程工业控制技术领域，尤其涉及一种基于控制回路曲线形态的参数整定方法。
背景技术
在过程工业控制领域，PID控制方法依然占据主流，大部分回路都需要通过调整PID参数来达到稳定生产、减少损耗、提高效率的目的，而这个过程需要具备一定调参经验的操作人员通过观察控制回路的数据趋势，给出PID参数的调整方向以及大小，这就导致两个问题：一、工业现场PID控制回路多，而有经验的操作人员少，自动化调参程度低导致降低生产效率；二、整定过程需要花费操作人员大量的时间用于观察数据趋势，降低操作人员工作效率。
发明内容
鉴于现有技术的上述缺点、不足，本发明提供一种基于控制回路曲线形态的参数整定方法，其解决了在实际现场的众多PID待整定回路中，针对设定值SV不能修改，无法获得充分激励的有效数据进行系统辨识、有调参经验的操作工人手不足从而使工作效率低的技术问题。
为了达到上述目的，本发明采用的主要技术方案包括：
一种基于控制回路曲线形态的参数整定方法，包括：
S1、针对任一PID待整定控制回路，获取该PID待整定控制回路当前时间点之前预设时间段内的参数数据序列，并针对所获取的参数数据序列进行预处理，得到预处理后的参数数据序列；
其中，所述参数数据序列包括按照采集时间依次排列的参数；
所述参数包括PV参数、MV参数、SV参数；
S2、采用在函数库中预先指定的函数，对预处理后的参数数据序列进行拟合处理，得到该PID待整定控制回路的第一拟合曲线和第二拟合曲线；
其中，所述第一拟合曲线为预处理后的参数数据序列中PV参数关于时间的拟合曲线；
所述第二拟合曲线为预处理后的参数数据序列中MV参数关于时间的拟合曲线；
S3、基于所述第一拟合曲线，获取该第一拟合曲线所对应的特征集合；所述特征集合，包括：调节时间、超调量、余差、波峰、波谷、振荡相位差；
S4、基于所述第一拟合曲线所对应的特征集合，确定该PID待整定控制回路所对应的回路类型；
S5、采用与该PID待整定控制回路所对应的回路类型相应的预先设定的整定策略，对该PID待整定控制回路进行整定，得到整定后的控制回路。
优选地，所述S1中针对所获取的参数数据序列进行预处理，得到预处理后的参数数据序列，具体包括：
S11、判断所获取的参数数据序列是否满足预先设定的第一标准条件，若不符合，则采用指定的滤波算法对所获取的参数数据序列进行降噪处理，得到降噪处理后的参数数据序列；
所述第一标准条件为所获取的参数数据序列中PV参数的方差大于预先设定方差值；
S12、判断第一参数数据序列，是否符合第二标准条件，若符合，则将符合第二标准条件的第一参数数据序列作为预处理后的参数数据序列；
若不符合，则对所述第一参数数据序列，进行插值补充处理，并将插值补充处理后的第一参数数据序列作为预处理后的参数数据；
其中，所述第二标准条件为第一参数数据序列中的参数所对应的采集时间均匀；
其中，所述第一参数数据序列为满足预先设定的第一标准条件的参数数据序列，或者，降噪处理后的参数数据序列。
优选地，所述预先指定的函数为在函数库中所对应的Q值最小的函数；
其中，所述函数库包括多种函数；
其中，；
y为对预处理后的参数数据序列进行拟合后得到的第i个采集时间点所对应的拟合值；
yi为预处理后的参数数据序列中在第i个采集时间点所对应的实际的参数值；
为预处理后的参数数据序列的实际的参数值的标准差。
优选地，
所述调节时间为：第一时间段或者第二时间段；
所述第一时间段为：在该第一拟合曲线中的第一个拟合值与所述SV参数之间的差值的绝对值大于预设阈值的情况下，第一拟合曲线上从第一个拟合值到指定拟合值之间所间隔的时间；
所述指定拟合值与所述SV参数之间的差值的绝对值小于预设阈值；
所述第二时间段为：在该第一拟合曲线中的第一个拟合值与预先设定值之间的差值的绝对值小于等于预设阈值的情况下，第一拟合曲线上从第一拟合曲线上第一个波峰或波谷开始到指定拟合值之间所间隔的时间；
所述振荡相位差为：第一拟合曲线与第二拟合曲线之间的相位差。
优选地，
所述振荡相位差是通过计算出第一拟合曲线和第二拟合曲线的振荡时间周期，然后计算二者的波峰之间的波峰间隔，最后利用第一拟合曲线的振荡时间周期和波峰间隔提取得到的。
优选地，所述S4具体包括：
若所述第一拟合曲线所对应的特征集合，满足预设的振荡发散回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡发散回路类型；
若所述第一拟合曲线所对应的特征集合，满足预设的等幅振荡回路类型条件，则确定该PID待整定控制回路所对应的回路类型为等幅振荡回路类型；
若所述第一拟合曲线所对应的特征集合，满足预设的振荡衰弱回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡衰弱回路类型；
若所述第一拟合曲线所对应的特征集合，满足预设的振荡稳定回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡稳定回路类型；
若所述第一拟合曲线所对应的特征集合，满足预设的超调未稳回路类型条件，则确定该PID待整定控制回路所对应的回路类型为超调未稳回路类型；
若所述第一拟合曲线所对应的特征集合，满足预设的超调稳定回路类型条件，则确定该PID待整定控制回路所对应的回路类型为超调稳定回路类型；
若所述第一拟合曲线所对应的特征集合，满足预设的欠调回路类型条件，则确定该PID待整定控制回路所对应的回路类型为欠调回路类型；
若所述第一拟合曲线所对应的特征集合，满足预设的调节慢回路类型条件，则确定该PID待整定控制回路所对应的回路类型为调节慢回路类型。
优选地，
所述振荡发散回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰的值和波谷的值持续增大，且余差超出规定的余差值；
所述等幅振荡回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰的值和波谷的值不变，且该余差超出规定的余差值；
所述振荡衰弱回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰值和波谷值持续下降，且余差超出规定的余差值；
所述振荡稳定回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰值和波谷值持续下降，且余差不大于规定的余差值；
所述超调未稳回路类型条件为：第一拟合曲线中波峰小于n个，且波谷小于m个，且超调量超出规定的超调量，且余差大于规定的余差值；
所述超调稳定回路类型条件为：第一拟合曲线中波峰小于n个，且波谷小于m个，且超调量超出规定的超调量，且余差不大于规定的余差值；
所述欠调回路类型条件为：第一拟合曲线每一数值都高于SV参数或者第一拟合曲线每一数值都低于SV参数，且余差超出规定的余差值；
所述调节慢回路类型条件为：调节时间大于规定的调节时间，且余差不大于规定的余差值。
优选地，所述S5具体包括：
若该PID待整定控制回路所对应的回路类型为振荡回路类型，则确定该第一拟合曲线所对应的振荡相位差所属的预先划分的相位差区间，并得到与振荡回路类型和振荡相位差所属的相位差区间对应的预先设定的第一动作向量；
其中，所述第一动作向量包括比例带PB的调整动作、积分时间TI的调整动作、微分时间TD的调整动作；
基于所述第一动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路；
其中，振荡回路类型为振荡发散回路类型或等辐振荡回路类型或振荡衰弱回路类型或振荡稳定回路类型。
优选地，所述S5具体包括：
若该PID待整定控制回路所对应的回路类型为超调回路类型，则基于第一拟合曲线所对应的超调量和余差，得到与第一拟合曲线所对应的超调量和余差所对应的预先设定的第二动作向量；
其中，所述第二动作向量包括比例带PB的调整动作、积分时间TI的调整动作、微分时间TD的调整动作；
基于所述第二动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路；
其中，超调回路类型为超调未稳回路类型或超调稳定回路类型。
优选地，所述S5具体包括：
若该PID待整定控制回路所对应的回路类型为欠调回路类型，则基于第一拟合曲线所对应的余差，得到与该余差所对应的预先设定的第三动作向量，并基于所述第三动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路；
其中，所述第三动作向量包括比例带PB的调整动作、积分时间TI的调整动作；
若该PID待整定控制回路所对应的回路类型为调节慢回路类型，则基于第一拟合曲线所对应的调节时间，得到与该余差所对应的预先设定的第四动作向量，并基于所述第四动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路；
其中，所述第四动作向量包括比例带PB的调整动作、积分时间TI的调整动作。
本发明的有益效果是：本发明的一种基于控制回路曲线形态的参数整定方法，针对任一PID待整定控制回路，采用在函数库中预先指定的函数，对预处理后的参数数据序列进行拟合处理，得到该PID待整定控制回路的第一拟合曲线和第二拟合曲线，然后基于所述第一拟合曲线，获取该第一拟合曲线所对应的特征集合，进一步，基于所述第一拟合曲线所对应的特征集合，确定该PID待整定控制回路所对应的回路类型；
最终，采用与该PID待整定控制回路所对应的回路类型相应的预先设定的整定策略，对该PID待整定控制回路进行整定，得到整定后的控制回路。相对于现有技术而言，对该PID待整定控制回路进行整定的过程中考虑到了回路类型，根据不同的回路类型采用不同的整定策略，并且，回路类型和整定策略具有对应的关系，因此，可以根据不同类型的回路动态调整参数，提高了整定的准确性和效率。
附图说明
图1为本发明的一种基于控制回路曲线形态的参数整定方法流程图；
图2为本发明实施例中第一拟合曲线与第二拟合曲线示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
PV (Process Variable) - 过程变量：PV是控制系统中实际被控制对象的输出或状态。它是系统实际测量到的反馈信号，表示了被控制对象的当前状态。PV是系统控制的目标，需要被调节以达到期望的控制效果。
MV (Manipulated Variable) - 操控变量： MV是控制系统中操作或调节的变量，它是由控制器调整以影响过程变量PV的值。MV的调整通过反馈机制影响系统，以使PV趋向于设定值。
SV (Setpoint Variable) - 设定值变量：SV是控制系统中设置的期望值或目标值。它表示所期望的过程变量PV的目标值，即系统应该达到的状态。控制器通过调整操控变量MV，以使过程变量PV逐渐接近或维持在设定值SV附近。
参见图1，本实施例提供一种基于控制回路曲线形态的参数整定方法，包括：
S1、针对任一PID待整定控制回路，获取该PID待整定控制回路当前时间点之前预设时间段内的参数数据序列，并针对所获取的参数数据序列进行预处理，得到预处理后的参数数据序列。
需要说明的是，本实施例中的通过历史数据在线读取、离线数据导出、图片识别以及其他方式来获得当前时间点之前预设时间段内自动状态下（也就是PID待整定控制回路闭环时）的参数数据序列。
其中，所述参数数据序列包括按照采集时间依次排列的参数；
所述参数包括PV参数、MV参数、SV参数。
在获取参数数据序列后进行预处理，可以提高数据的质量和可靠性。这样可以排除异常数据、噪声等对整定结果的干扰，提高整定的可靠性。
需要说明的是，如面对多个PID待整定控制回路，那么针对多个PID待整定控制回路是按照按照装备/工艺/整体控制方案的逻辑依次进行本实施例提供一种基于控制回路曲线形态的参数整定方法，例如串级回路则优先整定次回路再整定主回路。
S2、采用在函数库中预先指定的函数，对预处理后的参数数据序列进行拟合处理，得到该PID待整定控制回路的第一拟合曲线和第二拟合曲线。
其中，所述第一拟合曲线为预处理后的参数数据序列中PV参数关于时间的拟合曲线。
所述第二拟合曲线为预处理后的参数数据序列中MV参数关于时间的拟合曲线。
使用预先指定的函数进行拟合处理，增加了方法的灵活性和适用性。可以根据实际情况选择不同的拟合函数，更好地适应不同类型的控制回路。
S3、基于所述第一拟合曲线，获取该第一拟合曲线所对应的特征集合；所述特征集合，包括：调节时间、超调量、余差、波峰、波谷、振荡相位差。
本实施例中提取了特定的特征集合，包括调节时间、超调量、余差、波峰、波谷、振荡相位差等。这些特征集合反映了控制回路的性能和稳定性，有助于更精确地判断回路类型和性能水平。
S4、基于所述第一拟合曲线所对应的特征集合，确定该PID待整定控制回路所对应的回路类型。
S5、采用与该PID待整定控制回路所对应的回路类型相应的预先设定的整定策略，对该PID待整定控制回路进行整定，得到整定后的控制回路。本实施例通过确定回路类型并采用相应的整定策略，实现了自适应整定。这意味着整定方法可以根据不同类型的回路动态调整参数，提高了整定的准确性和效率。
本实施例中的一种基于控制回路曲线形态的参数整定方法，通过采用曲线形态进行分析，特别是对PV和MV参数的拟合曲线，可以更直观地了解控制回路的动态特性。这有助于工程师深入理解系统响应，为后续整定提供更准确的基础。
本实施例中的一种基于控制回路曲线形态的参数整定方法，通过曲线形态分析和特征提取，结合自适应整定和预处理优化，提供了一种全面、灵活、实用的PID控制回路整定方法，有助于提高系统的稳定性和性能。相对于现有技术而言，对该PID待整定控制回路进行整定的过程中考虑到了回路类型，根据不同的回路类型采用不同的整定策略，并且，回路类型和整定策略具有对应的关系，因此，可以根据不同类型的回路动态调整参数，提高了整定的准确性和效率。
在本实施例的实际应用中，所述S1中针对所获取的参数数据序列进行预处理，得到预处理后的参数数据序列，具体包括：
S11、判断所获取的参数数据序列是否满足预先设定的第一标准条件，若不符合，则采用指定的滤波算法对所获取的参数数据序列进行降噪处理，得到降噪处理后的参数数据序列；
所述第一标准条件为所获取的参数数据序列中PV参数的方差大于预先设定方差值；
实施例中的指定的滤波算法可以是平滑滤波、中值滤波、卡尔曼滤波、小波滤波、Savitzky-Golay滤波中的一种。
S12、判断第一参数数据序列，是否符合第二标准条件，若符合，则将符合第二标准条件的第一参数数据序列作为预处理后的参数数据序列。
若不符合，则对所述第一参数数据序列，进行插值补充处理，并将插值补充处理后的第一参数数据序列作为预处理后的参数数据。
其中，所述第二标准条件为第一参数数据序列中的参数所对应的采集时间均匀。
其中，所述第一参数数据序列为满足预先设定的第一标准条件的参数数据序列，或者，降噪处理后的参数数据序列。
本实施例中，函数拟合涉及的自变量为采集时间的序列，若采集时间间隔均匀则进行排序操作，将第一个采集时间t0记为0，第二个采集时间t1记为1，以此类推，若采集时间间隔不均匀则将第一参数数据序列进行插值补充。
在S2中，所述预先指定的函数为在函数库中所对应的Q值最小的函数。
其中，所述函数库包括多种函数；本实施例中的函数库一般主要包括线性、多项式、正弦、双正弦、sigmoid、指数、幂函数、高斯以及其他函数，函数之间可以构造出新的函数，本实施例中的函数库中也可以有人为自定义函数，本实施例中的函数库并不固定，可根据实际需要进行迭代改进。
其中，；
y为对预处理后的参数数据序列进行拟合后得到的第i个采集时间点所对应的拟合值；yi为预处理后的参数数据序列中在第i个采集时间点所对应的实际的参数值；为预处理后的参数数据序列的实际的参数值的标准差。其中，Q值越小，则表示数据拟合效果越好。
需要说明的是，在拟合的过程中，函数拟合涉及的自变量为采集时间，因变量为每个采集时间所对应的PV参数或MV参数；若因变量是PV参数，则得到第一拟合曲线，若因变量是MV参数，则得到第二拟合曲线。
本实施例中得到预先指定的函数的过程是：将函数库中各类函数去拟合预处理后的参数数据序列，寻找出函数库内最适配数据的函数，作为预先指定的函数；
拟合方法为线性函数拟合和非线性函数拟合。线性拟合，包括但不限于以下方法：最小二乘法：通过最小化实际观测值与拟合值之间的残差平方和来确定最佳拟合曲线的参数。最小绝对偏差法：它通过最小化实际观测值与拟合值之间的绝对偏差之和来确定最佳拟合曲线的参数。最小二乘支持向量机：最小二乘支持向量机通过最小化误差平方和来确定最佳拟合曲线的参数，同时利用支持向量机的优化算法来实现。
非线性拟合，包括但不限于以下方法：最速下降法：一种常用的数值优化算法，基本思想是沿着函数梯度的反方向进行搜索，以找到目标函数的极小值点。在曲线拟合中，最速下降法可以用于调整非线性函数的参数，使得拟合曲线与实际观测值之间的残差最小化。高斯牛顿法：用于求解非线性最小二乘问题的迭代算法，主要利用泰勒级数展开，将非线性最小二乘问题转化为一系列线性最小二乘子问题，通过迭代求解这些线性最小二乘子问题，最终达到对非线性函数参数的拟合。莱文伯格-马夸特法Levenberg-Marquardt：也用于求解非线性最小二乘问题的迭代算法，能够在迭代过程中自适应调整优化步长，完成对非线性函数参数的拟合。神经网络法：使用梯度下降等方法来最小化损失函数，通过调整连接权重和偏置项来实现对曲线的拟合。
关于所述特征集合，在具体实施例中，所述调节时间为：第一时间段或者第二时间段。
所述第一时间段为：在该第一拟合曲线中的第一个拟合值与所述SV参数之间的差值的绝对值大于预设阈值的情况下，第一拟合曲线上从第一个拟合值到指定拟合值之间所间隔的时间。
所述指定拟合值与所述SV参数之间的差值的绝对值小于预设阈值；
所述第二时间段为：在该第一拟合曲线中的第一个拟合值与预先设定值之间的差值的绝对值小于等于预设阈值的情况下，第一拟合曲线上从第一拟合曲线上第一个波峰或波谷开始到指定拟合值之间所间隔的时间。
所述振荡相位差为：第一拟合曲线与第二拟合曲线之间的相位差。
参见图2，本实施例中所述振荡相位差是通过计算出第一拟合曲线和第二拟合曲线的振荡时间周期，然后计算二者的波峰之间的波峰间隔，最后利用第一拟合曲线的振荡时间周期和波峰间隔提取得到的。
超调量为第一拟合曲线超出SV参数的最大绝对偏差量。
通常用百分比或者绝对数值来表示，它是描述在当前PID参数下控制器的稳定性和控制质量。
余差表示第一拟合曲线的最末端输出与SV参数之间的绝对偏差。这个特征表示了实际过程的状态与期望状态之间的差距，评估在当前PID参数下控制器的精度和稳定性。在本实施例中通过取一段时间内拟合曲线最末端输出，并计算与SV参数之间的绝对偏差值平均值，将该值作为余差。
波峰为拟合曲线相对于SV参数的局部最大正向偏移。
波谷为拟合曲线相对于SV参数的局部最大负向偏移。
在本实施例中，所述S4具体包括：
若所述第一拟合曲线所对应的特征集合，满足预设的振荡发散回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡发散回路类型。
所述振荡发散回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰的值和波谷的值持续增大，且余差超出规定的余差值。
若所述第一拟合曲线所对应的特征集合，满足预设的等幅振荡回路类型条件，则确定该PID待整定控制回路所对应的回路类型为等幅振荡回路类型。
所述等幅振荡回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰的值和波谷的值不变，且该余差超出规定的余差值。
若所述第一拟合曲线所对应的特征集合，满足预设的振荡衰弱回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡衰弱回路类型。
所述振荡衰弱回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰值和波谷值持续下降，且余差超出规定的余差值。
若所述第一拟合曲线所对应的特征集合，满足预设的振荡稳定回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡稳定回路类型。
所述振荡稳定回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰值和波谷值持续下降，且余差不大于规定的余差值。
若所述第一拟合曲线所对应的特征集合，满足预设的超调未稳回路类型条件，则确定该PID待整定控制回路所对应的回路类型为超调未稳回路类型。
所述超调未稳回路类型条件为：第一拟合曲线中波峰小于n个，且波谷小于m个，且超调量超出规定的超调量，且余差大于规定的余差值。
若所述第一拟合曲线所对应的特征集合，满足预设的超调稳定回路类型条件，则确定该PID待整定控制回路所对应的回路类型为超调稳定回路类型。
所述超调稳定回路类型条件为：第一拟合曲线中波峰小于n个，且波谷小于m个，且超调量超出规定的超调量，且余差不大于规定的余差值。
若所述第一拟合曲线所对应的特征集合，满足预设的欠调回路类型条件，则确定该PID待整定控制回路所对应的回路类型为欠调回路类型。
所述欠调回路类型条件为：第一拟合曲线每一数值都高于SV参数或者第一拟合曲线每一数值都低于SV参数，且余差超出规定的余差值。
若所述第一拟合曲线所对应的特征集合，满足预设的调节慢回路类型条件，则确定该PID待整定控制回路所对应的回路类型为调节慢回路类型。
所述调节慢回路类型条件为：调节时间大于规定的调节时间，且余差不大于规定的余差值。
在本实施例中，所述S5具体包括：若该PID待整定控制回路所对应的回路类型为振荡回路类型，则确定该第一拟合曲线所对应的振荡相位差所属的预先划分的相位差区间，并得到与振荡回路类型和振荡相位差所属的相位差区间对应的预先设定的第一动作向量。
其中，所述第一动作向量包括比例带PB的调整动作、积分时间TI的调整动作、微分时间TD的调整动作；基于所述第一动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路。
其中，振荡回路类型为振荡发散回路类型或等辐振荡回路类型或振荡衰弱回路类型或振荡稳定回路类型。
举例说明，本实施例将相位差的范围设置在一个指定区间，并划分了k个相位差区间，结合振荡发散回路类型、等辐振荡回路类型、振荡衰减回路类型、振荡稳定回路类型进行整定策略表格化，参见表1，表格横向为各个相位差区间，表格纵向为振荡回路类型，表格内部为具体的PID参数调整；
表1
举例说明，假设振荡回路类型为振荡发散回路类型，该第一拟合曲线所对应的振荡相位差所属的预先划分的相位差区间是相位差区间1，那么，所对应的第一动作向量是a=[K1，K2，K3]；第一动作向量a的从左往右依次为比例带PB的调整动作K1、积分时间TI的调整动作K2、微分时间TD的调整动作K3，调整方式是将调参动作与当前PID参数点乘的形式。
本实施例采取的是表格方式将振荡状态和振荡相位差结合输出PID的调整方向，也可以通过加入模糊规则、线性化等其他方式使PID参数调整策略更加连续。另外如果调整参数接近预先设定的整定范围的边缘值时，则需重新界定整定范围或检查回路设备是否运行正常。
预先设定的整定范围是工作人员预先根据控制对象的特性以及工艺方案所确定的。PID待整定控制回路中比例带PB、积分时间TI、微分时间TD，都有其对应的预先设定的整定范围。
本实施例中，所述S5具体包括：
若该PID待整定控制回路所对应的回路类型为超调回路类型，则基于第一拟合曲线所对应的超调量和余差，得到与第一拟合曲线所对应的超调量和余差所对应的预先设定的第二动作向量。
其中，所述第二动作向量包括比例带PB的调整动作、积分时间TI的调整动作、微分时间TD的调整动作。
基于所述第二动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路。
其中，超调回路类型为超调未稳回路类型或超调稳定回路类型。
本实施例中，若该PID待整定控制回路所对应的回路类型为超调回路类型，则基于超调量的大小以及余差的大小来确定PID参数的调整形式，同样的，本实施例也可以表格方式给出具体值，也可以通过加入模糊规则、线性化等其他方式使PID参数调整策略更加连续。一般超调回路的整定策略是修改积分时间TI，另外如果调整的积分时间TI接近预先设定的整定范围的边缘值，则可修改比例带参数PB。
本实施例中，所述S5具体包括：
若该PID待整定控制回路所对应的回路类型为欠调回路类型，则基于第一拟合曲线所对应的余差，得到与该余差所对应的预先设定的第三动作向量，并基于所述第三动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路。
其中，所述第三动作向量包括：比例带PB的调整动作、积分时间TI的调整动作。
本实施例中，若该PID待整定控制回路所对应的回路类型为欠调回路类型，则是基于余差的大小来确定，余差越大，调节参数的程度也越大，也可以通过加入模糊规则、线性化等其他方式使PID参数调整策略更加连续。另外如果调整参数接近预先设定的整定范围边缘值，则需重新界定整定范围或检查回路设备是否运行正常。
若该PID待整定控制回路所对应的回路类型为调节慢回路类型，则基于第一拟合曲线所对应的调节时间，得到与该余差所对应的预先设定的第四动作向量，并基于所述第四动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路。
其中，所述第四动作向量包括比例带PB的调整动作、积分时间TI的调整动作。
若该PID待整定控制回路所对应的回路类型为调节慢回路类型，则基于调节时间的大小来确定，PID参数调整形式，调节时间越长，调节参数的程度也越大，也可以通过加入模糊规则、线性化等其他方式使PID参数调整策略更加连续。一般超调回路的整定策略是修改积分时间TI，另外如果调整的积分时间TI接近预先设定的整定范围的边缘值，则可修改比例带参数PB。
本实施例中的一种基于控制回路曲线形态的参数整定方法，针对任一PID待整定控制回路，采用在函数库中预先指定的函数，对预处理后的参数数据序列进行拟合处理，得到该PID待整定控制回路的第一拟合曲线和第二拟合曲线，然后基于所述第一拟合曲线，获取该第一拟合曲线所对应的特征集合，进一步，基于所述第一拟合曲线所对应的特征集合，确定该PID待整定控制回路所对应的回路类型；最终，采用与该PID待整定控制回路所对应的回路类型相应的预先设定的整定策略，对该PID待整定控制回路进行整定，得到整定后的控制回路。相对于现有技术而言，对该PID待整定控制回路进行整定的过程中考虑到了回路类型，根据不同的回路类型采用不同的整定策略，并且，回路类型和整定策略具有对应的关系，因此，可以根据不同类型的回路动态调整参数，提高了整定的准确性和效率。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连；可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征 “上”或“下”，可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”，可以是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”，可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度低于第二特征。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是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发明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必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行改动、修改、替换和变型。
Claims (8)
1.一种基于控制回路曲线形态的参数整定方法，其特征在于，包括：
S1、针对任一PID待整定控制回路，获取该PID待整定控制回路当前时间点之前预设时间段内的参数数据序列，并针对所获取的参数数据序列进行预处理，得到预处理后的参数数据序列；其中，所述参数数据序列包括按照采集时间依次排列的参数；所述参数包括PV参数、MV参数、SV参数；
S2、采用在函数库中预先指定的函数，对预处理后的参数数据序列进行拟合处理，得到该PID待整定控制回路的第一拟合曲线和第二拟合曲线；其中，所述第一拟合曲线为预处理后的参数数据序列中PV参数关于时间的拟合曲线；所述第二拟合曲线为预处理后的参数数据序列中MV参数关于时间的拟合曲线；
S3、基于所述第一拟合曲线，获取该第一拟合曲线所对应的特征集合；所述特征集合，包括：调节时间、超调量、余差、波峰、波谷、振荡相位差；
S4、基于所述第一拟合曲线所对应的特征集合，确定该PID待整定控制回路所对应的回路类型；
所述S4具体包括：若所述第一拟合曲线所对应的特征集合，满足预设的振荡发散回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡发散回路类型；若所述第一拟合曲线所对应的特征集合，满足预设的等幅振荡回路类型条件，则确定该PID待整定控制回路所对应的回路类型为等幅振荡回路类型；若所述第一拟合曲线所对应的特征集合，满足预设的振荡衰弱回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡衰弱回路类型；若所述第一拟合曲线所对应的特征集合，满足预设的振荡稳定回路类型条件，则确定该PID待整定控制回路所对应的回路类型为振荡稳定回路类型；若所述第一拟合曲线所对应的特征集合，满足预设的超调未稳回路类型条件，则确定该PID待整定控制回路所对应的回路类型为超调未稳回路类型；若所述第一拟合曲线所对应的特征集合，满足预设的超调稳定回路类型条件，则确定该PID待整定控制回路所对应的回路类型为超调稳定回路类型；若所述第一拟合曲线所对应的特征集合，满足预设的欠调回路类型条件，则确定该PID待整定控制回路所对应的回路类型为欠调回路类型；若所述第一拟合曲线所对应的特征集合，满足预设的调节慢回路类型条件，则确定该PID待整定控制回路所对应的回路类型为调节慢回路类型；
所述振荡稳定回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰值和波谷值持续下降，且余差不大于规定的余差值；
所述超调稳定回路类型条件为：第一拟合曲线中波峰小于n个，且波谷小于m个，且超调量超出规定的超调量，且余差不大于规定的余差值；
S5、采用与该PID待整定控制回路所对应的回路类型相应的预先设定的整定策略，对该PID待整定控制回路进行整定，得到整定后的控制回路；
所述S5具体包括：若该PID待整定控制回路所对应的回路类型为振荡回路类型，则确定该第一拟合曲线所对应的振荡相位差所属的预先划分的相位差区间，并得到与振荡回路类型和振荡相位差所属的相位差区间对应的预先设定的第一动作向量；其中，所述第一动作向量包括比例带PB的调整动作、积分时间TI的调整动作、微分时间TD的调整动作；基于所述第一动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路；其中，振荡回路类型为振荡发散回路类型或等辐振荡回路类型或振荡衰弱回路类型或振荡稳定回路类型。
2.根据权利要求1所述的基于控制回路曲线形态的参数整定方法，其特征在于，所述S1中针对所获取的参数数据序列进行预处理，得到预处理后的参数数据序列，具体包括：
S11、判断所获取的参数数据序列是否满足预先设定的第一标准条件，若不符合，则采用指定的滤波算法对所获取的参数数据序列进行降噪处理，得到降噪处理后的参数数据序列；
所述第一标准条件为所获取的参数数据序列中PV参数的方差大于预先设定方差值；
S12、判断第一参数数据序列，是否符合第二标准条件，若符合，则将符合第二标准条件的第一参数数据序列作为预处理后的参数数据序列；
若不符合，则对所述第一参数数据序列，进行插值补充处理，并将插值补充处理后的第一参数数据序列作为预处理后的参数数据；
其中，所述第二标准条件为第一参数数据序列中的参数所对应的采集时间均匀；
其中，所述第一参数数据序列为满足预先设定的第一标准条件的参数数据序列，或者，降噪处理后的参数数据序列。
3.根据权利要求2所述的基于控制回路曲线形态的参数整定方法，其特征在于，所述预先指定的函数为在函数库中所对应的Q值最小的函数；
其中，所述函数库包括多种函数；
其中，；
y为对预处理后的参数数据序列进行拟合后得到的第i个采集时间点所对应的拟合值；
yi为预处理后的参数数据序列中在第i个采集时间点所对应的实际的参数值；
为预处理后的参数数据序列的实际的参数值的标准差。
4.根据权利要求3所述的基于控制回路曲线形态的参数整定方法，其特征在于，
所述调节时间为：第一时间段或者第二时间段；
所述第一时间段为：在该第一拟合曲线中的第一个拟合值与所述SV参数之间的差值的绝对值大于预设阈值的情况下，第一拟合曲线上从第一个拟合值到指定拟合值之间所间隔的时间；
所述指定拟合值与所述SV参数之间的差值的绝对值小于预设阈值；
所述第二时间段为：在该第一拟合曲线中的第一个拟合值与预先设定值之间的差值的绝对值小于等于预设阈值的情况下，第一拟合曲线上从第一拟合曲线上第一个波峰或波谷开始到指定拟合值之间所间隔的时间；
所述振荡相位差为：第一拟合曲线与第二拟合曲线之间的相位差。
5.根据权利要求4所述的基于控制回路曲线形态的参数整定方法，其特征在于，
所述振荡相位差是通过计算出第一拟合曲线和第二拟合曲线的振荡时间周期，然后计算二者的波峰之间的波峰间隔，最后利用第一拟合曲线的振荡时间周期和波峰间隔提取得到的。
6.根据权利要求5所述的基于控制回路曲线形态的参数整定方法，其特征在于，
所述振荡发散回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰的值和波谷的值持续增大，且余差超出规定的余差值；
所述等幅振荡回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰的值和波谷的值不变，且该余差超出规定的余差值；
所述振荡衰弱回路类型条件为：第一拟合曲线中至少存在n个波峰和m个波谷，且波峰值和波谷值持续下降，且余差超出规定的余差值；
所述超调未稳回路类型条件为：第一拟合曲线中波峰小于n个，且波谷小于m个，且超调量超出规定的超调量，且余差大于规定的余差值；
所述欠调回路类型条件为：第一拟合曲线每一数值都高于SV参数或者第一拟合曲线每一数值都低于SV参数，且余差超出规定的余差值；
所述调节慢回路类型条件为：调节时间大于规定的调节时间，且余差不大于规定的余差值。
7.根据权利要求6所述的基于控制回路曲线形态的参数整定方法，其特征在于，所述S5具体包括：
若该PID待整定控制回路所对应的回路类型为超调回路类型，则基于第一拟合曲线所对应的超调量和余差，得到与第一拟合曲线所对应的超调量和余差所对应的预先设定的第二动作向量；
其中，所述第二动作向量包括比例带PB的调整动作、积分时间TI的调整动作、微分时间TD的调整动作；
基于所述第二动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路；
其中，超调回路类型为超调未稳回路类型或超调稳定回路类型。
8.根据权利要求6所述的基于控制回路曲线形态的参数整定方法，其特征在于，所述S5具体包括：
若该PID待整定控制回路所对应的回路类型为欠调回路类型，则基于第一拟合曲线所对应的余差，得到与该余差所对应的预先设定的第三动作向量，并基于所述第三动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路；
其中，所述第三动作向量包括比例带PB的调整动作、积分时间TI的调整动作；
若该PID待整定控制回路所对应的回路类型为调节慢回路类型，则基于第一拟合曲线所对应的调节时间，得到与该余差所对应的预先设定的第四动作向量，并基于所述第四动作向量，对该PID待整定控制回路进行整定，得到整定后的控制回路；
其中，所述第四动作向量包括比例带PB的调整动作、积分时间TI的调整动作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311764978.0A CN117434830B (zh) | 2023-12-21 | 2023-12-21 | 一种基于控制回路曲线形态的参数整定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311764978.0A CN117434830B (zh) | 2023-12-21 | 2023-12-21 | 一种基于控制回路曲线形态的参数整定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117434830A CN117434830A (zh) | 2024-01-23 |
| CN117434830B true CN117434830B (zh) | 2024-03-15 |
Family
ID=89558637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311764978.0A Active CN117434830B (zh) | 2023-12-21 | 2023-12-21 | 一种基于控制回路曲线形态的参数整定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117434830B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009116515A (ja) * | 2007-11-05 | 2009-05-28 | Fuji Electric Systems Co Ltd | Ｐｉｄパラメータ調節支援装置 |
| CN102426417A (zh) * | 2011-12-13 | 2012-04-25 | 中冶南方（武汉）自动化有限公司 | Pi参数混合整定法 |
| CN105527837A (zh) * | 2015-12-22 | 2016-04-27 | 蓝星（北京）技术中心有限公司 | 化工生产装置控制回路参数整定测试方法和装置 |
| CN113189862A (zh) * | 2021-04-29 | 2021-07-30 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种火电厂pid控制回路品质评价方法 |
| 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 |
| CN114610097A (zh) * | 2022-03-22 | 2022-06-10 | 青岛海尔生物医疗股份有限公司 | Pid参数自整定的温度控制的方法及装置、保温箱 |
| CN114740708A (zh) * | 2022-04-25 | 2022-07-12 | 浙江中控技术股份有限公司 | 一种基于图像识别的pid参数整定方法 |
| CN115236970A (zh) * | 2022-07-22 | 2022-10-25 | 浙江大学 | 一种pi控制器参数劣化溯源方法 |
| CN115268259A (zh) * | 2022-09-01 | 2022-11-01 | 浙江中控技术股份有限公司 | Pid控制回路的整定方法及装置 |
| CN115933364A (zh) * | 2022-12-14 | 2023-04-07 | 浙江中智达科技有限公司 | 一种pid控制器参数优化方法、装置、设备、存储介质 |
| CN116540523A (zh) * | 2023-04-18 | 2023-08-04 | 清云智通(北京)科技有限公司 | 一种基于关键指标的pid回路参数智能整定方法及系统 |
| 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 |
-
2023
- 2023-12-21 CN CN202311764978.0A patent/CN117434830B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009116515A (ja) * | 2007-11-05 | 2009-05-28 | Fuji Electric Systems Co Ltd | Ｐｉｄパラメータ調節支援装置 |
| CN102426417A (zh) * | 2011-12-13 | 2012-04-25 | 中冶南方（武汉）自动化有限公司 | Pi参数混合整定法 |
| CN105527837A (zh) * | 2015-12-22 | 2016-04-27 | 蓝星（北京）技术中心有限公司 | 化工生产装置控制回路参数整定测试方法和装置 |
| CN113189862A (zh) * | 2021-04-29 | 2021-07-30 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种火电厂pid控制回路品质评价方法 |
| 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 |
| CN114610097A (zh) * | 2022-03-22 | 2022-06-10 | 青岛海尔生物医疗股份有限公司 | Pid参数自整定的温度控制的方法及装置、保温箱 |
| CN114740708A (zh) * | 2022-04-25 | 2022-07-12 | 浙江中控技术股份有限公司 | 一种基于图像识别的pid参数整定方法 |
| CN115236970A (zh) * | 2022-07-22 | 2022-10-25 | 浙江大学 | 一种pi控制器参数劣化溯源方法 |
| CN115268259A (zh) * | 2022-09-01 | 2022-11-01 | 浙江中控技术股份有限公司 | Pid控制回路的整定方法及装置 |
| CN115933364A (zh) * | 2022-12-14 | 2023-04-07 | 浙江中智达科技有限公司 | 一种pid控制器参数优化方法、装置、设备、存储介质 |
| CN116540523A (zh) * | 2023-04-18 | 2023-08-04 | 清云智通(北京)科技有限公司 | 一种基于关键指标的pid回路参数智能整定方法及系统 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 基于竞选算法的各性能指标下PID整定研究;张林海;赵玉军;吕文阁;;工矿自动化;20091110(第11期);第77-80+85页 * |
| 基于粒子群算法的一种非线性PID控制器;江善和;江巨浪;吴磊;;计算机技术与发展;20070410(第04期);第65-68页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117434830A (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU766818B2 (en) | Controllers that determine optimal tuning parameters for use in process control systems and methods of operating the same | |
| US4602326A (en) | Pattern-recognizing self-tuning controller | |
| US5159660A (en) | Universal process control using artificial neural networks | |
| EP0628181B1 (en) | Pattern recognition adaptive controller | |
| US7920929B2 (en) | On-demand auto-tuner for a plant control system | |
| EP0481204B1 (en) | Self-monitoring tuner for feedback controller | |
| US5587896A (en) | Self-tuning controller | |
| USRE33267E (en) | Pattern-recognizing self-tuning controller | |
| EP2751628B1 (en) | Apparatus and method for predicting windup and improving process control in an industrial process control system | |
| CN117434830B (zh) | 一种基于控制回路曲线形态的参数整定方法 | |
| CN117873238A (zh) | 一种植物生长控制方法及其系统、计算机设备和存储介质 | |
| Sharifian et al. | Velocity control of DC motor based intelligent methods and optimal integral state feed back controller | |
| Outanoute et al. | Synthesis of an Optimal Dynamic Regulator Based on Linear Quadratic Gaussian (LQG) for the Control of the Relative Humidity Under Experimental Greenhouse. | |
| Chew et al. | Optimized computational analysis of feedforward and feedback control scheme using genetic algorithm techniques | |
| EP0610189B1 (en) | An improved self-tuning controller | |
| Afşar et al. | Optimizing PID Gains of a Vehicle using the state-of-the-art Metaheuristic Methods | |
| Ahamed et al. | Reinforcement learning controllers for automatic generation control in power systems having reheat units with GRC and dead-band | |
| Chew et al. | Computational optimization analysis of feedforward plus feedback control scheme for boiler system | |
| CN118550262B (zh) | 基于模糊控制的光伏组件生产控制方法及系统 | |
| Mahapatra et al. | Enhanced Fitness Adaptive Differential Evolution Approach for Tuning of PID Controller in AVR System | |
| CN115857575B (zh) | 火力发电机组主汽压力的调整方法、装置和可读存储介质 | |
| CN118625652A (zh) | 一种基于模糊前馈的多级减温水管理方法及系统 | |
| CN117742422B (zh) | 一种应用于育苗温室的温湿度控制方法、装置及介质 | |
| Ramli et al. | Fuzzy Logic Non-Isothermal Chemical Reactor | |
| Kocian et al. | The concept of knowledge adaptation of pid controller with plc implementation |
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 |