CN1540461A - 基于状态的自适应反馈/前馈pid控制器 - Google Patents

基于状态的自适应反馈/前馈pid控制器 Download PDF

Info

Publication number
CN1540461A
CN1540461A CNA2004100368503A CN200410036850A CN1540461A CN 1540461 A CN1540461 A CN 1540461A CN A2004100368503 A CNA2004100368503 A CN A2004100368503A CN 200410036850 A CN200410036850 A CN 200410036850A CN 1540461 A CN1540461 A CN 1540461A
Authority
CN
China
Prior art keywords
model
parameter
controller
parameter value
self
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
Application number
CNA2004100368503A
Other languages
English (en)
Other versions
CN100511173C (zh
Inventor
K���ֽܴ���˹
威廉·K·沃杰茨尼斯
L
特伦斯·L·布莱文斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fisher Rosemount Systems Inc
Original Assignee
Fisher Rosemount Systems Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fisher Rosemount Systems Inc filed Critical Fisher Rosemount Systems Inc
Priority to CN200810185997.7A priority Critical patent/CN101477333B/zh
Publication of CN1540461A publication Critical patent/CN1540461A/zh
Application granted granted Critical
Publication of CN100511173C publication Critical patent/CN100511173C/zh
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

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.
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

一种基于状态的自适应反馈/前馈PID控制器包括模型组部件，它可通信地连接到一个过程输入，具有定义多个过程区域的状态变量和多个被编组为过程区域的模型。每个被编组的模型包括多个参数，它们具有从被分配到相应参数的一组预定初始值选择的一个值。自适应控制器还包括：误差产生器，它可通信地连接到模型组部件和过程输出；模型评估部件，被配置来计算对应于一个模型的模型均方误差，并且将所述模型均方误差与在模型中表示的参数值相关联；参数内插器，它可通信地连接到模型评估部件，用于计算用于在模型中表示的参数的相应自适应参数值；以及控制器更新部件，用于响应于在自适应周期结束时的自适应参数值而更新控制器。

Description

基于状态的自适应反馈/前馈PID控制器
相关申请的交叉参考
本申请是题目为“自适应反馈/前馈PID控制器”的、2000年6月20日提交的美国专利申请第09/597,611号的部分继续申请，在此以引用方式明确并入其整个说明书。
技术领域
所公开的方法和装置一般涉及过程控制技术，具体涉及自适应PID(比例、积分和导数)控制器，其特征在于从过程模型参数的内插得到的参数值。
背景技术
在本领域中，使用基于逻辑的控制器转换策略来实现在诸如大型制造厂和化学提炼厂这样的自动化系统中的自适应过程控制是公知技术。可以在例如Morse，F.M.Pait，and S.R.Weller’s，“Logic-Based Switching Strategies forSelf-Adiusting Control”，IEEE 33rd Conference on Decision and Control(Dec.1994)(Morse，F.M.Pait和S.R.Weller，“用于自调谐控制的、基于逻辑的转换策略”，关于判定和控制的IEEE第33次会议(1994年，12月))中找到对于基于逻辑的转换策略的示范讨论。有益的是，将基于逻辑的控制器的转换策略分类为下述两种方法之一：一般称为预取路由控制器方法和基于标识符的参数化控制器方法。
预取路由控制器调谐在原理上评估在预定的一组可能控制器中包括的可能控制器。当识别一个控制器满意地执行时完成所述评估。预取路由控制器调谐系统设计上较为简单，并且对于控制器结构有很少的要求。但是，预取路由控制器调谐系统的优点被下面的方面掩盖：关于调谐时间的固有较差性能，即需要过分长的时间来从预定的组中选择最佳的控制器。
基于标识符的参数化控制器一般包括两个或多个与参数相关的子系统、产生输出估计误差的标识符和内部控制器。在操作中，根据适当地限定的模型组的估计，控制信号被传送到被控制的过程。基于标识符的参数化控制器实现了基于“周期转换(cyclic switching)”思想的控制器转换策略。可以向过程提供或不提供附加的激励信号来利用周期转换。
可以在下文中找到对于过程控制自适应的周期转换策略的有价值的讨论：K.S.Narendra and J.Balakrishnan’s“Adaptive Control Using MultipleModels，”IEEE Transactions on Automatic Control，Vol.42，No.2，pp.177-187(Feb，1997)(K.S.Narendra和J.Balakrishnan，“使用多个模型的自适应控制”，关于自动控制的IEEE会报，第42卷，第2期，第177-187页(1997年2月))。该文公开了一种过程控制系统，它包括一个控制器，其特征在于多个参数和N个标识模型并行工作，并且将模型参数与多个控制器参数相对应。在任何时间点，通过转换规则来选择单个模型和对应的参数化控制器，并且使用对应的控制输入来控制过程。依赖于过程的要求、操作员的需要和任何其他适当考虑，标识模型既可以是固定的参数模型也可以是自适应的参数模型。固定参数模型控制系统提供了一种保证至少一个模型的存在的简单和有效的手段，其特征在于参数与未知的过程的那些参数充分接近。
使用固定参数模型的、基于周期转换的过程控制系统提供了快速自适应速度，但是要求在过程控制器中设计和存储大量的模型。应当注意，固定模型能够精确地表示仅仅有限数量的过程环境或条件，为了渐近地改善过程精度，必须使用自适应模型。
实际而言，由于合理的过程近似所需要的模型的大数量，基于模型的转换策略引起多种问题。例如，可以合理地期望包括基于固定模型的自调谐器的简单单输入单输出(SISO)系统包括成百上千的固定模型，以便获得满意的过程性能。因此当系统(例如多变量系统)变得越来越复杂时，所需要的定制的固定模型的数量以指数增加，因此提高了系统建立时间和系统存储要求。更有效的解决方案需要考虑特定的过程模型结构和控制器类型，并且提出将简单转换策略替换为更精细的程序。
Gendron在文章“不知道变化的延迟而改善工厂的停滞时间补偿器的健壮性”，控制系统90会议(Helsinki 1990)中已经给出了对于Dahlin控制器的一种修改的基于模型的方法。该文公开了一种简单的一阶加停滞时间过程模型，用于提供基于停滞时间转换的过程自适应。不是依赖于简单模型转换，控制器利用基于一组模型的加权和的过程模型，所述一组模型的特征在于具有不同的停滞时间。在所述组中的每个模型产生过程输出预测，并且将对应的加权自动调谐为预测误差的简单函数。所述基本思想已经被扩展为在Dahin控制器构成中包括过程增益和停滞时间差异。
一般地，用于设计自适应PID自适应控制器的流行方法是直接方法和间接或基于标识符的方法。如上所述，基于标识符的方法对于利用转换策略的控制系统是有效的，并且提供了适当的开始位置，从这个位置设计自适应转换PID控制器。公知的是，提供一种基于标识符的自适应PID控制器，它与递归最小二乘方(RLS)估计器连接，所述估计器跟踪模型参数的变化。与递归标识符相关联的典型问题包括选择初始参数的困难、不充分的激励、过滤、参数终结(wind-up)、缓慢的参数跟踪速度。因为这些变量的复杂性和与计算精确的估计相关联的困难，在本领域中可以明白，通过简化过程模型可以改善已知的基于标识符的自适应PID控制器的性能。
Astrom and Hagglund in“Industrial Adaptive  Controllers Based onFrequency Response Techniques，”Automatica，Vol.27，No.4，pp.599-609(1991)(Astrom和Hagglund在“基于频率响应技术的工业自适应控制器”Automatica，第27卷，第4期，第599-609页(1991))描述了一种简化的基于标识符的自适应控制器的示范说明。一般而言，该文公开了一种控制器，它被设计用于执行在频率域中的过程模型自适应，并且响应于设置点变化和自然扰动来调谐。更具体而言，通过向过程输入和输出应用带通滤波器来选择调谐频率，通过自动调谐器(基于要求的调谐器)来限定所述滤波器的频率。所述自动调谐器定义了在自适应调谐器操作之前使用中继振荡技术的最终时期、用于使用简化的RLS估计器的调谐频率的过程增益。自动调谐器能够跟踪过程增益的变化。但是，当遇到停滞时间或时间常数的变化时，被跟踪的点不再显示出-π相位，并且控制器调谐变得不准确。
而且，公知的是，通过应用几个调谐频率和使用内插器来定义具有相位-π的频率而改善调谐。或者，有可能应用单个调谐频率和在每个调谐周期后调谐频率以跟踪相位-π。两种调谐器模型容纳了后续的设置点的变化和自然扰动，并且可以在控制器输出或在设定点输入处插入外部激励。虽然这样的自动调谐器没有显示出先前技术的大小和建立限制，但是它们更为复杂。
而且，两种调谐器模型都利用原始自适应模型，识别仅仅两个参数：最终增益和最终时期。并入这些简单的、两参数自适应模型的调谐器模型适合于Ziegler-Nichols调谐或一些类似的修改，但是不适合于其中推崇内部模型控制(IMC)或拉姆达(Lambda)调谐的应用。虽然可以使用简单的RLS标识符来确定前馈控制的静态增益，但是RLS标识符方法不提供足够的前馈控制所需要的过程前馈动态。另外，因为前馈信号是负载扰动，并且微扰信号不能被插入反馈路径中，因此所述方法受到不充分激励问题的影响。
Bristol和Hansen在题目为“多变量自适应前馈控制器”的美国专利第5,043,863号中公开了一种对于前馈自适应的替代解决方案。这个专利公开了一种差分方程，基于它的过程模型被设计成包括负载扰动。根据所测量的过程数据来定期地更新所述过程模型，其中扰动的特征在于通过投影方法获得的瞬间关系(moment relation)和控制关系。一般地，所得到的解决方案非常复杂，需要大激励，这与上述的RLS标识符方法很相同。但是，所得到的解决方案仅仅适合于前馈控制，并且不适合于具有反馈的自适应控制器。
因此，期望一种自适应控制器来解决上述的已知自适应控制方法的缺点。具体地说是一种能够提供用于反馈和前馈自适应PID控制的统一解决方案的自适应控制器。由下面公开的基于状态的、自适应反馈/前馈PID控制器处理的突出目的包括：较短的自适应时间、最小化施加到PID调谐规则的使用限制、设计简化、以低过程激励实现自适应。
发明内容
基于状态的自适应PID控制器的第一实施例包括一种在过程控制系统中自适应地设计控制器的方法。按照所述方法，建立一组用于过程的模型，其中包括多个具有表示对应于过程区域的扰动输入的状态参数的子集。可以通过一些预定的转换规则(switching rule)来自动选择所述子集。每个独立的模型包括多个参数，每个参数具有从对应于所述参数的一组预定的初始化值选择的相应值。独立的模型的评估包括计算模型均方误差(model squared error)或模方(norm)。所述模方被分配到被评估的模型所表示的每个参数。当进行较小模型的重复评估时，对于每个参数计算累计的模方。被累计的模方是在模型评估过程中已经被分配到参数的所有模方的和。随后，对于每个参数计算自适应参数值。自适应参数是被分配到各个参数的初始化值的加权和。然后响应于自适应参数值而更新控制器。
自适应PID控制器的另一个实施例包括用于调谐过程控制器的系统。可以通过硬件或软件或任何期望的其组合来实现所述系统。所述系统包括一个模型组部件，它可通信地连接到一个过程，并且包括用于限定多个过程区域和编组为多个过程区域的多个过程模型的一个状态变量。每个过程模型包括多个参数，每个具有从被分配到各个参数的一组预定初始值选择的一个值。每个区域包括对于那个区域限定的一组标准参数值。一个误差产生器可通信地连接到模型组部件和过程输出。误差产生器产生一个模型误差信号，用于表示在过程模型的输出和过程的输出之间的差。一个模型评估部件可通信地连接到误差产生器，用于计算对应于过程模型的模型均方误差，以将模型均方误差与在模型中表示的参数值相关联。一个参数内插器可通信地连接到模型评估部件，用于计算在过程模型中表示的参数的自适应过程参数值。一个控制器更新部件在完成一个自适应周期时更新对于控制器的自适应控制器参数值。自适应控制器参数值是从被计算的自适应过程参数值得到的。
基于状态的自适应反馈/前馈控制器的另一个实施例包括一个模型部件，它连接到一个过程并且具有多个过程模型，其中每个模型包括多个参数，所述参数具有从被分配到各个参数的一组预定初始值选择的一个值。一个状态变量描述了一个过程变量的变化或所测量到的扰动，定义包括过程模型的一个子集的至少一个过程区域，并且对应于表示过程区域的一组区域初始参数。一个误差产生器产生一个模型误差信号，它表示在模型部件输出信号和过程输出信号之间的差，模型评估部件计算对应于模型的模型均方误差，并且将模型均方误差与在模型中表示的参数值相关联。一个参数内插器计算用于在模型中表示的多个参数值的至少一个的自适应参数值，并且控制器更新部件在完成一个自适应周期时更新在控制器内的控制器参数值。
可以明白，依赖于独立的过程要求，不是所有的过程参数都将在给定的自适应周期中经历自适应。当有原因相信仅仅一个或至少不是所有的过程参数已经改变时，可以期望有限的自适应。例如，经验证明可以示出在给定的时段中(例如在自适应周期之间经过的时间)，过程增益参数可能改变，而剩余的参数可以保持基本恒定。在这种情况下，下述的过程管理器可以通过只让过程增益参数被自适应来启动一个有限自适应。然后响应于被自适应的过程增益参数来更新过程控制器。反馈/前馈控制器也可以包括一种自适应控制器的方法，其中，像上面一样，对于过程编译模型组，并且通过确定每个模型的唯一模型均方误差来评估每个模型。根据每个预定初始化参数值的加权和来计算自适应(增益)参数值。通过标准化的适合度因子(Normalized Fitnessfactor)来加权所述初始化值。使用所计算的自适应过程(增益)参数，来相应地更新控制器。
附图说明
图1是自适应反馈/前馈PID控制器的功能方框图，其操作基于过程模型参数的内插；
图1A是在自适应反馈/前馈PID控制器中工作的模型组元素的功能方框图；
图1B是自适应反馈/前馈PID控制器的一个实施例的流程图；
图2是包括反馈/前馈回路的一阶加停滞时间过程模型的概念描述；
图3是特征在于三个参数DT、Tc和增益的一个模型组(model set)的描述，其中每个可以取三个值之一。图3也描述了其中进行模型扫描的一个建议序列。
具体实施方式
图1图解了用于控制过程10的示范自适应反馈/前馈(FB/FC)PID控制器。这样的系统的一般操作是本领域技术人员公知的。例如参见F.G Shinskey，Process Control Systems：Application，Design and Tuning，4th ed.，McGraw-Hill，New York，1996(F.G Shinskey，过程控制系统：应用、设计和调谐(tuning)，第4版，McGraw-Hill，New York，1996)。图1中图解的自适应控制系统包括并入反馈(FBC)控制器的PID控制器12和独立的前馈(FFC)控制器14。
可以参见FBC输入节点16、FBC输出节点18、过程输入节点20、过程输出节点22、前馈控制器(FFC)输入节点24和误差节点26来方便地描述过程控制系统。以对本领域内的技术人员熟悉的方式，向由标号16a指示的、FBC输入节点16的第一输入施加过程设定点信号SP(set-point)。FBC输入节点16的输出16b连接到PID控制器12的输入12a。PID控制器12的输出12b连接到FBC输出节点18的第一输入18a。FBC输出节点18的输出18b连接到过程输入节点22的输入22a。过程输入节点22的第一输出22b被反馈到FBC输入节点16的第二输入16c。过程输入节点22的第二输出22c连接到误差节点26的第一输入26a。图1还图解了过程10的输入信号可以(例如)被称为u(t)，并且过程10的输出信号可以被称为y(t)。(严格来说，u(t)和y(t)是与过程相结合产生的物理现象的电子表示。)另外，在FFC输入节点24的输入24a出现扰动信号d(t)。扰动信号d(t)从FFC输入节点24的第一输出24b连接到FFC 14的输入14a，并且从FFC输入节点24的第二输出24c传播到过程10的第二输入10c。FFC 14的输出14c连接到FBC输出节点18的输入18c。
上述的示范反馈/前馈PID过程控制系统的格式和布局可以被本领域内的普通技术人员良好地理解。图1中图解的附加功能部件描述了一种示范的自适应反馈/前馈PID控制器。具体地说，模型组部件28包括信号输入28a和28b，它们分别连接到扰动信号d(t)和过程输入信号u(t)。模型组部件28的构成是一组表示过程10的算数模型。模型组部件28的输出28c连接到误差节点26的输入26b。误差节点26的输出26c连接到模型评估部件30的输入30a。模型评估部件30包括模拟器(未示出)，它可以是软件程序，用于模拟过程10，所述过程10通过由模型组部件28提供的过程参数值定义。模型评估部件30还包括一个定中心例程(未示出)，用于通过定义一个数字偏差并根据所述数字偏差来将在下一次评估中使用的模型重新定中心，来计算和补偿一个参数估计偏差。模型评估部件30的输出30b连接到参数内插部件32的输入32a，并且连接到管理其部件34的输入34a。参数内插部件32的输出32b连接到模型组部件28的输入28d，并且参数内插部件32的输出32c连接到控制器更新部件36的输入36a。控制器更新部件36具有连接到FBC 12的第二输入12c的第一输出36b，并且第二输出36c连接到FFC 14的输入14b。下面深入说明部件28、30、34、36和32的操作和重要性。
在操作中，包括部件28、30、34、36和32的示范自适应反馈/前馈PID控制器一般如下所述操作。自适应反馈/前馈PID控制系统由在模型组28中的一个模型以数学方法来描述。在模型组28中的每个独立模型被意欲以有限方式复制过程10的预定参数定义。一般地，在模型组28内的每个模型可以被多个参数m定义，并且每个参数可以被分配多个值n。因此，在模型组28中的模型的总数等于N，其中N＝mn。在本发明的一个示范实施例中，所述模型的特征在于参数停滞时间(DT)、时间常数(Tc)和增益。而且，假定每个参数已经被分配了三个值之一：停滞时间＝DT+，DT，DT-；时间常数＝Tc+，Tc或Tc-；增益(Gain)＝Gain+，Gain，Gain-。因此，可用来近似过程10的模型的总数是N＝33＝27。每个模型将独立地被称为Modi，其中i＝1，...，27。
在启动模型评估扫描时或之前，参数内插器32向模型组部件28提供一组预定的初始化参数值。而且，如果假定三个参数DT、Tc和Gain，并且如果每个参数具有三个预定的初始化参数值，则参数内插器32将向模型组部件28提供9个参数值。可以以任何公知的方式在控制器设计的判断时建立参数值。一般地，在自适应周期的开始时被写入到模型组28的参数值基于在最近的自适应周期期间计算的自适应参数值。响应于9个参数值并且在管理器34的控制下，模型组部件28构造总共27个模型Modi，其中i＝1，...，27。管理器34在模型评估扫描期间依序选择和启动模型Modi，并且向被启动的模型Modi施加经由输入28b接收的过程输入u(t)。然后经由模型组输出28c向误差产生器节点传送被启动的模型Modi的结果产生的输出。
图1A图示了示范模型组28，它包括被配置为包括多个区域的状态变量Si。在状态变量Si中i＝l，...，n，并且n指示所限定的状态的数量，状态变量Si表示被测量的过程扰动，它描述与被测量的过程输入-输出相关联的增益或动态。状态变量Si一般基于过程变量，所述过程变量可以具体为扰动信号d(t)的变化、设定点SP、由激励产生器38产生的信号和/或任何其他过程输入或输出。可以在运行于模型组28内的状态展开例程内将状态变量Si展开为过程变量d(t)、u(t)、y(t)、Y(t)、e(t)和SP之一或多个的函数。应当注意，只要所述例程访问了被存储的或实时的、所关心的过程变量，则可以在控制系统的任何部件或子部件中执行所述状态展开例程。状态变量Si还可以是预定的或用户限定的值，它们一般被分配来说明模型Modi可以被编组到的范围或区域。
由状态变量Si限定的区域包括多个初始参数值，它们被预定来特征化区域的通常操作。在控制器设计过程期间，可以建立被限定的区域以保证在状态变量的整个范围中，模型Modi保持基本恒定。在操作中和在开始自适应周期之前，当被测量的过程扰动从第一状态(例如S1)向第二状态(例如S2)改变时，与状态S1相关联的参数值可以与和状态S2相关联的参数值立即交换，因此提高了在特定区域内的PID控制器12和/或前馈控制器14的性能。
图1B图解了自适应反馈/前馈PID控制器的操作的示范流程图。如上所述，在控制器的初始化建立和设计期间，可以定义状态变量Si的范围，如在方框40中所示。总的状态范围可以被当作这样的范围，其中可以按照经验来预期在过程变量或所测量的扰动输入中的变化。范围Si继而是总范围的区域，其中过程模型被确定为基本恒定或可预测。由激励产生器38、扰动信号d(t)和/或设定点SP引起的、扰动输入的变化然后被测量，如方框42所示。然后如方框44所示，将过程变量的所测变化与当前范围Si相比较，以便确定扰动输入是否在所选择的区域中。如果扰动输入在所选择的区域内，过程继续测量扰动的变化。但是，如果扰动输入在新范围Si内，则用于那个状态Si的初始参数值被PID控制器12和/或前馈控制器14载入和使用，如方框46所示。
对于每个范围或状态Si限定的初始或典型参数值可以基于在所述范围内测量或计算的平均参数值，或者它们可以被控制器设计人员人工输入。典型的参数值还可以用作与最大变化或德耳塔值(delta value)相结合的基准值，用于限制在任何给定的自适应周期中由所计算的参数值经历的可允许变化的量。换句话说，控制器设计人员可以响应于反常扰动信号而定义最大变化值来限制所计算的参数的减少和/或增加。在使用用于状态Si的初始参数来完成控制器时，可以执行自适应周期，如方框48所示。下面进一步讨论的自适应周期48通过响应于过程10的所测变化而确定自适应参数值来定制模型Modi。
自适应反馈/前馈PID控制器的另一个实施例可以包括一个状态变量，它具有等同于被禁止设置的空值。通常，当没有要测量的指示状态过程的输入扰动信号时，状态变量将具有空值。
再次参见图1，由变量Y(t)指示的模型组28的输出信号和由变量y(t)指示的过程10的并行输出被提供到误差产生器节点26。误差产生器节点26的输出26c(误差信号e(t))连接到模型评估部件30的输入30a。误差信号e(t)是时间t的过程输出y(t)和模型ModiY(t)的输出之间的差。以下面充分说明的方式，模型评估部件30计算对应于每个模型Modi的模型均方误差，并且向在模型Modi中表示的参数值分配模型均方误差。
模型评估器30的输出30b被传送到参数内插器32的输入32a。参数内插器32计算用于模型Modi表示的参数的自适应参数值。参数内插器32的输出32b连接到模型组28，并且参数内插器32的输出32c可以连接到控制器更新部件36的输入36a。输出36b被应用到PID控制器12，输出36c被应用到前馈控制器14。在自适应周期结束时，控制器更新部件36向PID控制器12和前馈控制器14传送自适应参数值。图1还图解了激励产生器部件38，它具有与输入节点16的输入16d连接的输出38a。激励产生器38包括与过程输入节点20的输入20c连接的输出38b。
管理器部件34具有多个信号输入34b、34c、34d，它们分别连接到过程输入信号u(t)、过程输出信号y(t)和扰动信号d(t)。管理器部件34还包括与模型评估部件30的输出30b连接的输入34a。管理器34包括与参数内插器部件32连接的第一控制输出34e、与模型评估部件30连接的第二控制输出34f、与控制器更新部件36连接的第三控制输出34g。除了执行其他功能之外，管理器部件34操作来检测过程输出y(t)的变化、来自PID控制器12的过程输入u(t)的变化、扰动(前馈)输入d(t)的变化。当在这些信号y(t)、u(t)、d(t)中的任何一个的幅度的变化超过预定的最小或门限电平时，管理器34启动自适应周期。管理器34可通信地连接到如图1中的虚线所示的、控制信号28、30、32、36、38和24的各种元件，因此能够确定在控制系统内工作的独立元件的状态。模型评估的一个示范实施例包括下列步骤：
(1)识别和启动模型状态；
(2)启动模型和调谐对于当前过程输出的模型输出；
(3)根据在u(t)和/或d(t)信号中的规格来增量更新模型；和
(4)计算模型均方误差或其他模方，诸如误差的绝对值。
具体地说，反馈/前馈PID的自适应的过程基于将内插技术应用到模型参数值。在器件的这个示范实施例中，可以通过下面的方程对扫描中的每个模型定义模型均方误差Ei(t)：
Ei(t)＝(y(t)-Yi(t))2                           [方程1]
其中：
y(t)是时间t的过程输出，
Yi(t)是时间t的模型Modi的输出，
Ei(t)是与Modi相关联的均方误差，
E(t)＝[E1(t)，E2(t)，...，En(t)]是在时间t用于Modi的均方误差向量，其中i＝1，...，N。
如果被评估的Modi所表示模型Modi的每个参数值，则将模型均方误差Ei(t)分配到模型Modi的每个参数值。如果在被评估的模型中未表示特定参数值，则将所述参数值可以分配0或空值。Modi+1被重复评估，并且对于被评估的模型，计算模型均方误差Ei+1(t)。所计算的模型均方误差被分配到Modi的每个参数值。当Ei(t)在每个模型评估期间被计算并且被分配到在各个模型中表示的参数值时，对于每个参数值，保持被分配的模型均方误差的累计和。重复过程评估，直到所有的模型i＝1，...，N被评估。一个完整序列被称为模型扫描，在所述完整序列中，每个模型被评估一次，并且计算一个对应的模型均方误差Ei(t)。作为这个评估序列或模型扫描的结果，每个参数值被分配给已经使用特定参数值的所有模型的均方误差的和。因此，作为每个模型扫描的结果，每个参数值Pkl将被分配一个模方，其中k＝1，...，m，l＝1，...，n：
EP kl ( t ) = Σ i = 1 N X kl E i ( t )
[方程2]
其中：
Epkl(t)是作为扫描t的结果被分配到参数值pkl的模方，
N是模型的总数，
如果在Modi中使用参数值pkl，则Xkl＝1，如果在Modi中不使用参数值pkl，则Xkl＝0。
在下一次扫描中重复评估过程，并且将从在那个扫描期间所分配的均方误差Ei(t)的和产生的模方Epkl(t)与在前面的扫描期间计算的模方值相结合。模型扫描的重复序列被统称为自适应周期，并且在管理器34的控制下继续直到完成预定数量的扫描，或直到发生了对于过程输入的足够数量的扫描，不论首先满足哪个条件。
作为这个程序的结果，每个参数值已经被赋值了在自适应周期期间确定的模方的累计值：
sum EP kl ( t ) = Σ i = 1 M Ep kl ( t ) .
[方程3]
在自适应周期的结尾，对于每个参数值pkl计算和的倒数：
Fkl = 1 sumEp kl
[方程4]
由于Fkl是模型均方误差的和的倒数，变量Fkl可以被直观地看作对参数值的适合度的度量。然后，对于每个参数pk，计算一个自适应参数值pk(a)，它是这个参数的所有值的加权平均：
pk(a)＝pkl*fkl+...+pkl*fkl+...pkn*fkn，                [方程5]
其中：
相对适合度 fkl = Fkl sumFkl
[方程6]
sumFK＝Fk1+...+Fkl+...+Fkn                             [方程7]
因此，每个因子fkl可以被看作各个参数值的对应标准化适合度。
如上计算的自适应参数值定义在设计中取值的一个新的模型组，它具有中心参数值pk(a)和在上下界限之间的参数值范围，其中k＝1，...，m。变化的范围被限定为+Δ％到-Δ％，并且应当由两个或多个附加参数值表示。例如，如果自适应周期产生自适应参数值pk(a)，则对于新的模型评估，必须定义至少两个附加参数，它们取值pk(a)[1+Δ％]和pk(a)[l-Δ％]。换句话说，每个参数具有用于自适应的下和上界限，以便值pk(a)被限于界限值。一旦已经更新了模型，即当完成一个自适应周期时，根据被更新的模型参数值来进行控制器更新，其中k＝1，...，m。自适应可以应用到整个模型也可以限于模型的PID/反馈或前馈部分，例如当实现预定的最小激励水平时限于将输出与输入相关联的模型部分。另外，在控制系统内实现不足的激励失败的情况下，经由在管理器34的控制下工作的激励产生器38，可以向反馈回路插入外部激励。
自适应还可以以序列方式实现，例如，能在自适应可以是DT的单个参数值的同时，保持剩余的参数(例如Tc和Gain)恒定。以这种方式，每个参数可以被自适应，并且同时保持剩余的参数恒定，所述剩余参数可能已经或可能还未在前面的自适应周期中被自适应。序列自适应方法有益地提供对于期望的自适应参数值pk(a)的较快收敛。
图2图解了示范的自适应参数内插程序，包括用于反馈和前馈控制回路的一阶加停滞时间过程模型(first orderplus dead time process model)。对于这个特定的示例，假定对于每个参数定义三个值，并且周期的自适应范围被预定为(+Δ％)到(-Δ％)。然后，对于每个过程输入u(t)和扰动d(t)，遭遇在图3中描述的模型。在图3中：
DT是停滞时间参数的中心值；
(DT-)是(DT-Δ％)；
(DT+)是(DT+Δ％)；
Tc是时间常数参数的中心值；
(Tc-)是(Tc-Δ％)；
(Tc+)是(Tc+Δ％)；
是增益(Gain)参数的中心值；
(Gain-)是(Gain-Δ％)；
(Gain+)是(Gain+Δ％)。
从图3的配置产生的转换的组合的数量是3×3×3＝27。但是，如果在图2的模型中的两个输入用于自适应，则转换组合的数量提高到272＝729。这些模型组合虽然在数量上很大，但是对于每个参数仅仅需要三个值，这简化了模型计算。简化的模型计算被实现，因为控制器自适应参数评估而不是模型评估驱动。因此，必须根据在反馈回路中的9个参数值和在前馈回路中的9个参数值来执行自适应。结果，在所公开的自适应程序中被评估的参数的数量与参数的数量成比例地变化，这与在现有技术的模型评估技术中具有的指数变化不同。
可以通过控制其中向模式给予参数值的序列来限制计算要求。例如，可以在诸如Gain这样的无记忆参数(memoryless parameter)之前提供诸如停滞时间这样的有记忆参数(memory parameter)。因此，图3所示的示范序列是停滞时间(DT)、时间常数(Tc)，然后是Gain。
在将每个模型输出与当前过程输出比较之后，可以构造均方误差的和的表格。在完成自适应周期时，可以计算用于每个参数的自适应参数，如表1所示。
参数值 均方误差(SE) 倒SE   自适应参数值
停滞时间 DT-，DT，DT+ 方程(1)，(2)，(3) 方程(6)和(7)   方程(5)
滞后 Tc-，Tc，Tc+
增益 Gain-，Gain，Gain+
表1一阶加停滞时间自适应过程模型内插
一旦已经完成了模型自适应周期，并且按照上述的表1建立了自适应参数值，通过控制器更新部件36的操作来影响控制器更新。实质上，控制器更新部件36将新计算的自适应过程参数值pk(a)映射到用于特征化PID控制器12和/或前馈控制器14的参数更新值。例如，过程参数DT、Tc和Gain可以被映射到控制器参数Reset、Rate和Gain。因为说明了一个完整的一阶加停滞时间过程模型，因此可以应用任何公知的调谐规则，其中包括拉姆达或NC调谐。对于前馈路径，动态前馈控制器设计方程已经显示出可以适用：
G ff = - Kd Ku 1 + sTu 1 + sTd
[方程8]
其中：
Gff＝前馈控制器传递函数，
Kd＝前馈过程动态的静态增益，
Ku＝反馈过程动态的静态增益，
Td＝前馈过程动态的时间常数，
Tu＝反馈过程动态的时间常数。
总之，上述的自适应反馈/前馈控制器代表对于在可升级的过程控制系统中自动调谐技术的实质增强。
虽然已经参照意欲指示和图解本发明的特定实施例而说明了本发明，所公开的自适应反馈/前馈控制器不限于那些实施例。可以由在本领域内的技术人员实现各种修改、改进和增加，并且这样的修改、改进和增加将不脱离由所附的权利要求限定的本发明的范围。
例如，如上所述，控制器自适应依据用于在控制下构造过程的数学模型的参数的统计内插。虽然过程的特征在于三个参数DT、Tc和Gain，并且那些参数的每个被分配三个值，但是所公开的自适应反馈/前馈控制器清楚地扩展到另一个和/或不同数量的参数，每个可能包括不同数量的被分配值。另外，模型评估和参数内插已经图解为被识别为模型组28、模型评估器30、管理器34、参数内插器32和控制器更新36的独立部件。本领域的技术人员可以明白，独立部件的划分对于负责控制器实现和操作的人员是任意的。类似地，所公开的系统的功能可以通过硬件或软件或两者的组合来实现。这种自然的变化被认为是等效的。
可以认识到，这样的特定方法仅仅表示与上述的本发明实施例的非实质的偏离。因此，所附的权利要求被正确地解释为包含落入本发明的真实精神和范围的所有修改、变化和改进以及其实质等同物。因此，本发明的其他实施例虽然在此未被说明，但是仍然被当作在由所附的权利要求限定的本发明的范围内。

Claims (39)

1.一种自动转换自适应PID控制器的方法，包括：
定义一个模型组，它具有多个表示受控过程的独立模型，其中每个模型包括多个参数值；
定义在所述模型组内的多个模型子集，其中每个模型子集包括表示过程变量输入的状态参数和多个表示模型子集的初始参数值；
确定状态参数，并且使用与状态参数相关联的多个初始化参数值来更新PID控制器；
评估在对应于状态参数的模型子集中的每个模型，并且计算每个模型的模型均方误差；
将自适应参数值确定为模型均方误差的函数；并且
响应于自适应参数值来更新PID控制器。
2.如权利要求1所述的自动转换自适应PID控制器的方法，其中自适应参数值定义一个参数模型组，它包括中心参数值、上限参数值和下限参数值。
3.如权利要求2所述的自动转换自适应PID控制器的方法，其中上限参数值是离中心参数值+Δ％的偏移，下限参数值是离中心参数值-Δ％的偏移。
4.如权利要求2所述的自动转换自适应PID控制器的方法，其中，在一个自适应周期结束时，中心参数值被设置为等于自适应参数值。
5.如权利要求2所述的自动转换自适应PID控制器的方法，其中，通过平方给定时间的过程输出y(t)和在那个时间的模型输出Yi(t)之间的差并对于模型Modi计算，来确定对于模型Modi的模型均方误差Ei(t)＝(y(t)-Yi(t))2。
6.如权利要求1所述的自动转换自适应PID控制器的方法，其中评估在所述模型子集中的每个模型还包括：
(i)对于第一模型组执行第一评估扫描，并且对于在第一模型组中的每个模型确定在第一评估扫描期间在瞬时过程输出和模型输出之间的差，并且基于所确定的差计算第一模方；
(ii)对第一模型组执行第二评估扫描，并且对于在第一模型组中的每个模型确定在第二评估扫描期间瞬时过程输出和模型输出之间的差，并且基于所确定的差计算第二模方；
(iii)通过对每个参数值的第二模方和每个参数的第一模方求和来计算合计的模方；
(iv)对于每个模型执行附加的评估扫描以确定每个参数的至少一个附加模方，并且将附加的模方加到对应的合计模方上以确定在一个自适应周期的结尾的最终模方；
(v)计算用于每个参数值的自适应参数值，所述每个参数值被对于各个参数值计算的最终模方除以所有参数值的最终模方的和所得到的商加权。
7.如权利要求1所述的自动转换自适应PID控制器的方法，其中模型均方误差被计算为Ei(t)＝(y(t)-Yi(t))2，其中y(t)是在特定时间的过程输出，Yi(t)是在那个时间的模型输出。
8.如权利要求1所述的自动转换自适应PID控制器的方法，其中通过评估对应于在一个过程变量中测量的扰动的状态参数值来启动一个自适应周期。
9.如权利要求8所述的自动转换自适应PID控制器的方法，其中在过程输出信号y(t)中检测在过程变量中测量的扰动。
10.如权利要求8所述的自动转换自适应PID控制器的方法，其中在过程输入信号中检测在过程变量中测量的扰动。
11.如权利要求1所述的自动转换自适应PID控制器的方法，其中向模型中表示的每个模型参数值分配一个模方，其中所述模方是在评估每个模型的过程中计算的模型均方误差的和。
12.如权利要求1所述的自动转换自适应PID控制器的方法，其中过程模型的参数包括诸如停滞时间(DT)这样的有记忆参数和诸如增益这样的无记忆参数，其中控制器在响应于自适应无记忆参数而被更新之前，响应于自适应有记忆参数而被更新。
13.如权利要求1所述的自动转换自适应PID控制器的方法，其中多个参数初始值包括具有中心参数值、上限参数值和下限参数值的初始值。
14.如权利要求13所述的自动转换自适应PID控制器的方法，其中上限参数值是离中心参数值+Δ％的偏移，下限参数值是离中心参数值-Δ％的偏移。
15.如权利要求1所述的自动转换自适应PID控制器的方法，其中自适应参数包括中心参数，它被设置为等于在一个自适应周期结束时确定的自适应参数值。
16.如权利要求1所述的自动转换自适应PID控制器的方法，其中以序列方式来确定自适应参数值。
17.如权利要求16所述的自动转换自适应PID控制器的方法，其中自适应参数值的一个子集被保持恒定，而剩余的自适应参数值被自适应。
18.一种用于自适应地调谐过程控制器的系统，所述系统包括：
模型组部件，它可通信地连接到一个过程输入，所述模型组分量包括定义多个过程区域的状态变量和多个被编组为多个过程区域的模型，每个被编组的模型包括多个参数，它们具有从被分配到相应参数的一组预定初始值选择的一个值；
误差产生器，它可通信地连接到模型组部件和过程输出，所述误差产生器被配置来产生一个模型误差信号，用于表示在模型输出信号和过程输出信号之间的差；
模型评估部件，它可通信地连接到所述误差产生器，用于计算对应于一个模型的模型均方误差，并且将所述模型均方误差与在模型中表示的参数值相关联；
参数内插器，可通信地连接到模型评估部件，用于计算模型中所表示的参数的相应自适应参数值；和
控制器更新部件，可通信地连接到参数内插器和控制器，所述控制器更新部件用于响应于在自适应周期结束时的自适应参数值而更新控制器。
19.如权利要求18所述的用于自适应地调谐过程控制器的系统，还包括管理器部件，它可通信地连接到过程，用于当过程输入或过程输出的变化超过相应的门限水平时启动模型评估。
20.如权利要求18所述的用于自适应地调谐过程控制器的系统，其中，所述管理器部件可通信地连接到前馈输入，用于当扰动输入的变化超过门限水平时启动模型评估。
21.如权利要求18所述的用于自适应地调谐过程控制器的系统，其中，用于每个参数的一组预定初始值包括中心参数值、上限参数值和下限参数值。
22.如权利要求18所述的用于自适应地调谐过程控制器的系统，其中，模型评估部件计算对应于模型Modi的模型均方误差Ei(t)＝(y(t)-Yi(t))2，其中y(t)是在给定时间的过程输出，Yi(t)是在那个时间的模型Modi的输出。
23.如权利要求21所述的用于自适应地调谐过程控制器的系统，其中，模型评估部件向每个模型参数值分配模方，所述模方等于表示参数值的每个模型的评估中计算的模型均方误差的和。
24.如权利要求18所述的用于自适应地调谐过程控制器的系统，其中，由参数内插器计算的自适应参数值被计算为加权参数值的和。
25.如权利要求24所述的用于自适应地调谐过程控制器的系统，其中，被应用到每个参数值的加权因子与对于所有参数值计算的模方的和成正比，并且与对于参数值计算的模方成反比。
26.如权利要求25所述的用于自适应地调谐过程控制器的系统，其中，被应用到每个参数值的加权因子等于对于相应参数值计算的模方除以对于所有参数值计算的模方的和而得到的商。
27.如权利要求18所述的用于自适应地调谐过程控制器的系统，其中，模型分量包括多个反馈控制器模型和多个前馈控制器模型。
28.如权利要求27所述的用于自适应地调谐过程控制器的系统，其中，参数内插器包括反馈控制器参数内插器和前馈控制器反馈内插器。
29.如权利要求28所述的用于自适应地调谐过程控制器的系统，其中，控制器更新部件可通信地连接到反馈控制器，用于更新对于反馈控制器的反馈控制器参数值，并且控制器更新部件可通信地连接到前馈控制器，用于更新对于前馈控制器的前馈控制器参数值。
30.一个基于状态的自适应反馈/前馈控制器，包括：
模型部件，连接到一个过程，并且具有多个过程模型，其中每个模型包括多个参数，它们具有从被分配到相应参数的一组预定初始值选择的一个值；
状态变量，用于描述过程变量的变化，所述状态变量定义了至少一个过程区域，其中包括过程模型的子集，所述状态变量对应于表示过程区域的一组区域初始参数；
误差产生器，用于产生一个模型误差信号，该模型误差信号表示在模型输出信号和过程输出信号之间的差；
模型评估部件，用于计算对应于一个模型的模型均方误差，并且将所述模型均方误差与在模型中表示的参数值相关联；
参数内插器，用于计算用于在模型中表示的多个参数值的至少一个的自适应参数值；和
控制器更新部件，用于在自适应周期结束时更新在控制器内的控制器参数值。
31.如权利要求30所述的基于状态的自适应反馈/前馈控制器，还包括管理器部件，用于当在测量中的变化超过相应的门限水平时启动模型评估。
32.如权利要求30所述的基于状态的自适应反馈/前馈控制器，其中，用于每个参数的预定初始值包括中心参数值、上限参数值和下限参数值。
33.如权利要求30所述的基于状态的自适应反馈/前馈控制器，其中，评估部件计算对应于模型Modi的模型均方误差Ei(t)＝(y(t)-Yi(t))2，其中y(t)是在给定时间的过程输出，Yi(t)是在那个时间的模型Modi的输出。
34.如权利要求30所述的基于状态的自适应反馈/前馈控制器，其中，由参数内插器部件计算的自适应参数值被计算为加权参数值的和。
35.如权利要求34所述的基于状态的自适应反馈/前馈控制器，其中，被应用到每个参数值的加权因子与对于所有参数值计算的模方的和成正比，并且与对于那个参数值计算的模方成反比。
36.如权利要求30所述的基于状态的自适应反馈/前馈控制器，其中，过程变量是扰动信号。
37.如权利要求30所述的基于状态的自适应反馈/前馈控制器，其中，过程变量是过程设定点的变化。
38.如权利要求30所述的基于状态的自适应反馈/前馈控制器，其中，过程变量是过程输出信号的变化。
39.如权利要求30所述的基于状态的自适应反馈/前馈控制器，其中，参数内插器包括一个自适应限制，用于限制所计算的、多个参数值的至少一个的变化。
CNB2004100368503A 2003-04-21 2004-04-21 基于状态的自适应反馈/前馈pid控制器 Expired - Lifetime CN100511173C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN200810185997.7A CN101477333B (zh) 2003-04-21 2004-04-21 自适应控制器设计方法及过程控制器的调谐系统和方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/419,582 US7113834B2 (en) 2000-06-20 2003-04-21 State based adaptive feedback feedforward PID controller
US10/419,582 2003-04-21

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN200810185997.7A Division CN101477333B (zh) 2003-04-21 2004-04-21 自适应控制器设计方法及过程控制器的调谐系统和方法

Publications (2)

Publication Number Publication Date
CN1540461A true CN1540461A (zh) 2004-10-27
CN100511173C CN100511173C (zh) 2009-07-08

Family

ID=32326286

Family Applications (2)

Application Number Title Priority Date Filing Date
CNB2004100368503A Expired - Lifetime CN100511173C (zh) 2003-04-21 2004-04-21 基于状态的自适应反馈/前馈pid控制器
CN200810185997.7A Expired - Lifetime CN101477333B (zh) 2003-04-21 2004-04-21 自适应控制器设计方法及过程控制器的调谐系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN200810185997.7A Expired - Lifetime CN101477333B (zh) 2003-04-21 2004-04-21 自适应控制器设计方法及过程控制器的调谐系统和方法

Country Status (6)

Country Link
US (2) US7113834B2 (zh)
JP (1) JP5015416B2 (zh)
CN (2) CN100511173C (zh)
DE (1) DE102004019352B4 (zh)
GB (1) GB2400924B (zh)
HK (1) HK1065864A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101546173B (zh) * 2008-03-28 2012-02-22 三菱电机株式会社 用于对系统进行控制的装置及方法
CN105070162A (zh) * 2015-09-06 2015-11-18 黄山学院 面向虚拟对象前馈_反馈控制系统的实验装置
CN107203135A (zh) * 2017-06-08 2017-09-26 东莞中子科学中心 一种基于动态反馈‑前馈的自适应控制系统
CN107526297A (zh) * 2009-06-22 2017-12-29 费希尔-罗斯蒙特系统公司 基于连续调度的模型参数的自适应控制器
CN107942686A (zh) * 2017-12-28 2018-04-20 广西大学 基于深度极限学习机的澄清过程运行优化控制方法
CN108375900A (zh) * 2017-01-31 2018-08-07 欧姆龙株式会社 比例积分微分控制装置、控制方法以及控制程序
CN110764417A (zh) * 2019-11-13 2020-02-07 东南大学 一种基于闭环辨识模型的线性二次型最优动态前馈-反馈pid控制系统及其控制方法
CN111742269A (zh) * 2017-12-21 2020-10-02 皇家飞利浦有限公司 计算机实现的方法和实现所述方法的节点
CN112543943A (zh) * 2018-07-31 2021-03-23 国立大学法人东京大学 数据处理装置和数据处理方法

Families Citing this family (86)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7113834B2 (en) * 2000-06-20 2006-09-26 Fisher-Rosemount Systems, Inc. State based adaptive feedback feedforward PID controller
SE520376C2 (sv) * 2000-11-15 2003-07-01 Abb Ab En metod och ett system för utvärdering huruvida en signal är lämplig för framkopplingsreglering
DE10348563B4 (de) 2002-10-22 2014-01-09 Fisher-Rosemount Systems, Inc. Integration von Grafikdisplayelementen, Prozeßmodulen und Steuermodulen in Prozeßanlagen
US7146231B2 (en) * 2002-10-22 2006-12-05 Fisher-Rosemount Systems, Inc.. Smart process modules and objects in process plants
US9983559B2 (en) * 2002-10-22 2018-05-29 Fisher-Rosemount Systems, Inc. Updating and utilizing dynamic process simulation in an operating process environment
US7194320B2 (en) * 2003-06-05 2007-03-20 Neuco, Inc. Method for implementing indirect controller
US6736089B1 (en) 2003-06-05 2004-05-18 Neuco, Inc. Method and system for sootblowing optimization
JP4223894B2 (ja) * 2003-08-21 2009-02-12 株式会社山武 Ｐｉｄパラメータ調整装置
US7317953B2 (en) * 2003-12-03 2008-01-08 Fisher-Rosemount Systems, Inc. Adaptive multivariable process controller using model switching and attribute interpolation
US8214271B2 (en) * 2004-02-04 2012-07-03 Neuco, Inc. System and method for assigning credit to process inputs
US7729789B2 (en) 2004-05-04 2010-06-01 Fisher-Rosemount Systems, Inc. Process plant monitoring based on multivariate statistical analysis and on-line process simulation
JP2007536634A (ja) 2004-05-04 2007-12-13 フィッシャー−ローズマウント・システムズ・インコーポレーテッド プロセス制御システムのためのサービス指向型アーキテクチャ
WO2006007415A2 (en) * 2004-06-16 2006-01-19 Regents Of The University Of Colorado Nonlinear adaptive control of resource-distribution dynamics
FR2872547B1 (fr) * 2004-07-05 2006-08-25 Renault Sas Dispositif et procede de reglage d'un moteur suralimente
US7500437B2 (en) * 2004-08-27 2009-03-10 Neuco, Inc. Method and system for SCR optimization
US7333861B2 (en) * 2004-10-25 2008-02-19 Neuco, Inc. Method and system for calculating marginal cost curves using plant control models
US7184847B2 (en) 2004-12-17 2007-02-27 Texaco Inc. Method and system for controlling a process in a plant
US7630779B2 (en) * 2005-06-01 2009-12-08 Analog Devices, Inc. Self compensating closed loop adaptive control system
JP5116222B2 (ja) * 2005-08-12 2013-01-09 Ｓｕｍｃｏ Ｔｅｃｈｘｉｖ株式会社 単結晶製造装置及び方法
JP4955237B2 (ja) * 2005-08-12 2012-06-20 Ｓｕｍｃｏ Ｔｅｃｈｘｉｖ株式会社 無駄時間をもつ時変系制御対象のための制御システム及び方法
JP4955238B2 (ja) * 2005-08-12 2012-06-20 Ｓｕｍｃｏ Ｔｅｃｈｘｉｖ株式会社 単結晶製造装置及び方法
TW200706711A (en) * 2005-08-12 2007-02-16 Komatsu Denshi Kinzoku Kk Control system and method for time variant system control object having idle time such as single crystal producing device by czochralski method
US7451004B2 (en) 2005-09-30 2008-11-11 Fisher-Rosemount Systems, Inc. On-line adaptive model predictive control in a process control system
US7444191B2 (en) 2005-10-04 2008-10-28 Fisher-Rosemount Systems, Inc. Process model identification in a process control system
US7738975B2 (en) * 2005-10-04 2010-06-15 Fisher-Rosemount Systems, Inc. Analytical server integrated in a process control network
US8036760B2 (en) 2005-10-04 2011-10-11 Fisher-Rosemount Systems, Inc. Method and apparatus for intelligent control and monitoring in a process control system
US8180329B2 (en) * 2007-12-28 2012-05-15 Novation Science Holding, Llc Method and system for determining popularity of an enterprise and associating a ranking factor based on popularity with contact information for the enterprise stored locally on a communication device
US7593721B2 (en) * 2005-11-17 2009-09-22 Nitesh Ratnakar Method and apparatus for delivering geographical specific advertisements to a communication device
US8254893B2 (en) * 2005-11-17 2012-08-28 Nitesh Ratnakar System and method for automatically downloading and storing contact information to a personal communication device based on a geographical position of the personal communication device
CN104834294A (zh) * 2005-12-05 2015-08-12 费舍-柔斯芒特系统股份有限公司 利用并行过程仿真的多目标预测过程优化
US7856280B2 (en) * 2006-08-02 2010-12-21 Emerson Process Management Power & Water Solutions, Inc. Process control and optimization technique using immunological concepts
JP4207076B2 (ja) * 2006-09-29 2009-01-14 ブラザー工業株式会社 適応制御装置、画像形成装置、およびプログラム
US7653445B2 (en) * 2007-04-13 2010-01-26 Controlsoft, Inc. Apparatus and method for model-based control
US8032235B2 (en) 2007-06-28 2011-10-04 Rockwell Automation Technologies, Inc. Model predictive control system and method for reduction of steady state error
US8065251B2 (en) * 2007-09-28 2011-11-22 Fisher-Rosemount Systems, Inc. Dynamic management of a process model repository for a process control system
US8340824B2 (en) 2007-10-05 2012-12-25 Neuco, Inc. Sootblowing optimization for improved boiler performance
FR2922466B1 (fr) * 2007-10-19 2010-06-25 Degremont Procede de gestion avancee d'une unite de filtration sur membrane, et installation pour la mise en oeuvre du procede
CN101836173B (zh) * 2007-12-05 2012-02-01 日立造船株式会社 真空容器的压力控制方法及压力控制装置
US8866626B2 (en) 2008-01-31 2014-10-21 Basler Electric Company System and method for detecting generator incipient failures
US20090195224A1 (en) * 2008-01-31 2009-08-06 Basler Electric Company Digital Excitation Control System Utilizing Self-Tuning PID Gains and an Associated Method of Use
US8275488B2 (en) * 2008-01-31 2012-09-25 Basler Electric Co. Digital excitation control system utilizing swarm intelligence and an associated method of use
US7706899B2 (en) * 2008-03-28 2010-04-27 Mitsubishi Electric Research Laboratories, Inc. Method and apparatus for adaptive cascade proportional-integral-derivative controller
US7930045B2 (en) * 2008-10-07 2011-04-19 Emerson Process Management Power & Water Solutions, Inc. Two-stage model predictive control technique
US8308441B2 (en) * 2008-10-30 2012-11-13 Bendix Commercial Vehicle Systems Llc Robust PID control for BLDC motor controller
US8200347B2 (en) * 2009-01-22 2012-06-12 Mitsubishi Electric Research Laboratories, Inc. Method and apparatus for hybrid resetting states proportional-integral-derivative and lag controllers
US8881039B2 (en) 2009-03-13 2014-11-04 Fisher-Rosemount Systems, Inc. Scaling composite shapes for a graphical human-machine interface
US8073556B2 (en) 2009-12-16 2011-12-06 General Electric Company System and method for controlling a machine
US8756039B2 (en) 2010-03-02 2014-06-17 Fisher-Rosemount Systems, Inc. Rapid process model identification and generation
US8825183B2 (en) 2010-03-22 2014-09-02 Fisher-Rosemount Systems, Inc. Methods for a data driven interface based on relationships between process control tags
US9217565B2 (en) 2010-08-16 2015-12-22 Emerson Process Management Power & Water Solutions, Inc. Dynamic matrix control of steam temperature with prevention of saturated steam entry into superheater
US9447963B2 (en) 2010-08-16 2016-09-20 Emerson Process Management Power & Water Solutions, Inc. Dynamic tuning of dynamic matrix control of steam temperature
US9335042B2 (en) 2010-08-16 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Steam temperature control using dynamic matrix control
US8401676B2 (en) * 2010-08-18 2013-03-19 International Business Machines Corporation Performance improvement of signal transformation schemes for ultra-fast scanning
TWI417690B (zh) 2010-12-20 2013-12-01 Ind Tech Res Inst 控制系統
JP5759206B2 (ja) * 2011-03-01 2015-08-05 東芝三菱電機産業システム株式会社 学習係数制御装置
RU2461037C1 (ru) * 2011-06-14 2012-09-10 Общество с ограниченной ответственностью "Электроспецприбор" Адаптивная система управления
WO2013007867A1 (en) * 2011-07-11 2013-01-17 Metso Automation Oy Wireless control for process automation
EP2549343A1 (fr) * 2011-07-20 2013-01-23 Alstom Technology Ltd. Procédé de régulation
EP2573631B1 (en) * 2011-09-23 2015-10-21 Honeywell spol s.r.o. Controller that estimates delayed manipulated variables
US9163828B2 (en) 2011-10-31 2015-10-20 Emerson Process Management Power & Water Solutions, Inc. Model-based load demand control
CN102736522B (zh) * 2012-06-25 2014-08-13 杭州电子科技大学 智能仿真仪表
US8797199B1 (en) 2013-05-16 2014-08-05 Amazon Technologies, Inc. Continuous adaptive digital to analog control
US9002617B2 (en) * 2013-07-10 2015-04-07 General Electric Company Gas turbine engine controller with event trigger
US9574511B2 (en) 2014-07-24 2017-02-21 Basler Electric Company System and method for a load anticipation feature and its tuning method for a generating set
CN104155876B (zh) * 2014-08-19 2016-07-13 中国人民大学 一种pid控制器的分离实现方法
WO2016042589A1 (ja) * 2014-09-18 2016-03-24 理化工業株式会社 制御装置
TWI564683B (zh) * 2015-10-21 2017-01-01 財團法人工業技術研究院 未知pid控制器之參數調諧方法
US10247762B2 (en) * 2015-12-14 2019-04-02 General Electric Company Method to quantify closed loop position control health
US10878140B2 (en) 2016-07-27 2020-12-29 Emerson Process Management Power & Water Solutions, Inc. Plant builder system with integrated simulation and control system configuration
CN106773647B (zh) * 2016-12-12 2020-07-21 英华达（上海）科技有限公司 一种比例积分微分控制方法、控制系统以及无人搬运车
JP2018120327A (ja) * 2017-01-24 2018-08-02 オムロン株式会社 制御装置、制御プログラムおよび制御システム
CN108132597B (zh) * 2017-12-17 2021-06-25 北京世纪隆博科技有限责任公司 一种微分超前智能模型集pid控制器设计方法
CN108089435B (zh) * 2017-12-17 2021-02-05 北京世纪隆博科技有限责任公司 一种智能模型集pid控制器设计方法
CN108132596B (zh) * 2017-12-17 2021-06-25 北京世纪隆博科技有限责任公司 一种微分超前广义智能内部模型集pid控制器设计方法
CN108107713B (zh) * 2017-12-17 2021-06-29 北京世纪隆博科技有限责任公司 一种比例微分超前智能模型集pid控制器设计方法
CN107870567B (zh) * 2017-12-17 2021-03-30 北京世纪隆博科技有限责任公司 一种比例微分超前广义智能内部模型集pid控制器设计方法
JP7095834B2 (ja) * 2018-05-21 2022-07-05 株式会社トランストロン 制御パラメータ計算方法、制御パラメータ計算プログラム、及び制御パラメータ計算装置
JP7014095B2 (ja) * 2018-08-21 2022-02-01 オムロン株式会社 設定支援装置
US10976718B2 (en) * 2019-03-06 2021-04-13 Honeywell Limited System and method for monitoring changes in process dynamic behavior by mapping parameters to a lower dimensional space
CN110058551B (zh) * 2019-05-06 2022-08-19 石家庄德堃电子科技有限公司 一种过程控制器分组控制方法
EP3753682B1 (de) * 2019-06-17 2021-12-29 Schneider Electric Industries SAS Verfahren zur steuerung eines antriebsmotors
CN110597063B (zh) * 2019-09-24 2021-04-16 燕山大学 基于非线性扩张状态观测器的主动悬挂输出反馈控制方法
EP4217801A1 (en) * 2020-10-13 2023-08-02 Schneider Electric Systems USA, Inc. Adaptive pid gain for a zero order process
CN114545866A (zh) * 2020-11-11 2022-05-27 台泥资讯股份有限公司 控制煤耗系统的方法
US11418969B2 (en) 2021-01-15 2022-08-16 Fisher-Rosemount Systems, Inc. Suggestive device connectivity planning
CN118192277B (zh) * 2024-05-17 2024-07-30 山东科技大学 改进麻雀搜索的快速反射镜自抗扰控制器参数确定方法

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59133605A (ja) * 1983-01-20 1984-08-01 Toshiba Corp サンプル値ｐｉｄ制御装置
JPS6069702A (ja) * 1983-09-26 1985-04-20 Toshiba Corp サンプル値プロセス制御装置
US4768143A (en) * 1986-10-09 1988-08-30 The Babcock & Wilcox Company Apparatus and method using adaptive gain scheduling algorithm
US5043863A (en) * 1987-03-30 1991-08-27 The Foxboro Company Multivariable adaptive feedforward controller
JP2553675B2 (ja) * 1988-11-18 1996-11-13 日本電気硝子株式会社 プロセスの制御方法
US5222196A (en) * 1990-02-20 1993-06-22 International Business Machines Corporation Neural network shell for application programs
US5018215A (en) * 1990-03-23 1991-05-21 Honeywell Inc. Knowledge and model based adaptive signal processor
US5180896A (en) * 1990-10-11 1993-01-19 University Of Florida System and method for in-line heating of medical fluid
US5159547A (en) * 1990-10-16 1992-10-27 Rockwell International Corporation Self-monitoring tuner for feedback controller
JPH04252302A (ja) * 1991-01-28 1992-09-08 Kawasaki Steel Corp 連続圧延機における制御モデルの同定方法及び連続圧延機の制御方法
US5335164A (en) * 1991-07-31 1994-08-02 Universal Dynamics Limited Method and apparatus for adaptive control
JPH07502354A (ja) * 1991-12-18 1995-03-09 ハネウエル・インコーポレーテッド 閉ループ神経ネットワーク自動同調器
US5453925A (en) * 1993-05-28 1995-09-26 Fisher Controls International, Inc. System and method for automatically tuning a process controller
US6330484B1 (en) * 1993-08-11 2001-12-11 Fisher-Rosemount Systems, Inc. Method and apparatus for fuzzy logic control with automatic tuning
US6041320A (en) * 1993-08-23 2000-03-21 Fisher Controls International, Inc. Multi-region fuzzy logic control system with auxiliary variables
US5408405A (en) * 1993-09-20 1995-04-18 Texas Instruments Incorporated Multi-variable statistical process controller for discrete manufacturing
US5461559A (en) * 1993-10-04 1995-10-24 The United States Of America As Represented By The Secretary Of The Air Force Hierarchical control system for molecular beam epitaxy
US5587899A (en) * 1994-06-10 1996-12-24 Fisher-Rosemount Systems, Inc. Method and apparatus for determining the ultimate gain and ultimate period of a controlled process
US5568378A (en) * 1994-10-24 1996-10-22 Fisher-Rosemount Systems, Inc. Variable horizon predictor for controlling dead time dominant processes, multivariable interactive processes, and processes with time variant dynamics
US5748467A (en) * 1995-02-21 1998-05-05 Fisher-Rosemont Systems, Inc. Method of adapting and applying control parameters in non-linear process controllers
WO1997012300A1 (en) 1995-09-26 1997-04-03 Boiquaye William J N O Adaptive control process and system
US6879971B1 (en) * 1995-12-22 2005-04-12 Pavilion Technologies, Inc. Automated method for building a model
ES2140223T3 (es) * 1996-02-09 2000-02-16 Siemens Ag Procedimiento para la generacion de parametros de regulacion a partir de una señal de respuesta de un tramo de regulacion por medio de un ordenador.
JP3412384B2 (ja) * 1996-03-13 2003-06-03 株式会社日立製作所 制御モデル構築支援装置
US5680866A (en) * 1996-03-29 1997-10-28 Battelle Memorial Institute Artificial neural network cardiopulmonary modeling and diagnosis
US6128541A (en) * 1997-10-15 2000-10-03 Fisher Controls International, Inc. Optimal auto-tuner for use in a process control network
JP2000003206A (ja) * 1998-06-12 2000-01-07 Hitachi Ltd 制御対象モデル変更装置
EP1055180B1 (de) 1998-12-03 2011-07-20 Siemens Aktiengesellschaft Verfahren und anordnung zum entwurf eines technischen systems
US6230062B1 (en) * 1999-01-08 2001-05-08 Voyan Technology Adaptation to unmeasured variables
US6445962B1 (en) * 1999-03-15 2002-09-03 Fisher Rosemount Systems, Inc. Auto-tuning in a distributed process control environment
US7113834B2 (en) * 2000-06-20 2006-09-26 Fisher-Rosemount Systems, Inc. State based adaptive feedback feedforward PID controller
US6577908B1 (en) * 2000-06-20 2003-06-10 Fisher Rosemount Systems, Inc Adaptive feedback/feedforward PID controller
JP2004503000A (ja) * 2000-06-30 2004-01-29 ザ　ダウ　ケミカル　カンパニー 多変量マトリクスプロセス制御
JP2002259888A (ja) * 2000-12-25 2002-09-13 Toshiba Corp シミュレーション制御プログラム、方法及び装置
US7451065B2 (en) * 2002-03-11 2008-11-11 International Business Machines Corporation Method for constructing segmentation-based predictive models
US7200495B2 (en) * 2002-04-11 2007-04-03 The Charles Stark Draper Laboratory Method and apparatus for analyzing spatial and temporal processes of interaction
US7756804B2 (en) * 2002-05-10 2010-07-13 Oracle International Corporation Automated model building and evaluation for data mining system
US7317953B2 (en) * 2003-12-03 2008-01-08 Fisher-Rosemount Systems, Inc. Adaptive multivariable process controller using model switching and attribute interpolation
US7877346B2 (en) * 2007-06-06 2011-01-25 Affinova, Inc. Method and system for predicting personal preferences

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101546173B (zh) * 2008-03-28 2012-02-22 三菱电机株式会社 用于对系统进行控制的装置及方法
CN107526297A (zh) * 2009-06-22 2017-12-29 费希尔-罗斯蒙特系统公司 基于连续调度的模型参数的自适应控制器
CN105070162A (zh) * 2015-09-06 2015-11-18 黄山学院 面向虚拟对象前馈_反馈控制系统的实验装置
CN108375900A (zh) * 2017-01-31 2018-08-07 欧姆龙株式会社 比例积分微分控制装置、控制方法以及控制程序
CN108375900B (zh) * 2017-01-31 2021-04-30 欧姆龙株式会社 比例积分微分控制装置、控制方法以及计算机
CN107203135A (zh) * 2017-06-08 2017-09-26 东莞中子科学中心 一种基于动态反馈‑前馈的自适应控制系统
CN111742269A (zh) * 2017-12-21 2020-10-02 皇家飞利浦有限公司 计算机实现的方法和实现所述方法的节点
CN107942686A (zh) * 2017-12-28 2018-04-20 广西大学 基于深度极限学习机的澄清过程运行优化控制方法
CN112543943A (zh) * 2018-07-31 2021-03-23 国立大学法人东京大学 数据处理装置和数据处理方法
CN110764417A (zh) * 2019-11-13 2020-02-07 东南大学 一种基于闭环辨识模型的线性二次型最优动态前馈-反馈pid控制系统及其控制方法
CN110764417B (zh) * 2019-11-13 2022-06-03 东南大学 一种基于闭环辨识模型的线性二次型最优动态前馈-反馈pid控制系统及其控制方法

Also Published As

Publication number Publication date
CN101477333B (zh) 2015-09-09
US7551969B2 (en) 2009-06-23
JP5015416B2 (ja) 2012-08-29
JP2004326781A (ja) 2004-11-18
US20070021850A1 (en) 2007-01-25
GB0408598D0 (en) 2004-05-19
HK1065864A1 (en) 2005-03-04
DE102004019352A1 (de) 2005-11-10
GB2400924A (en) 2004-10-27
US7113834B2 (en) 2006-09-26
GB2400924B (en) 2006-10-11
CN100511173C (zh) 2009-07-08
US20030195641A1 (en) 2003-10-16
CN101477333A (zh) 2009-07-08
DE102004019352B4 (de) 2015-11-26

Similar Documents

Publication Publication Date Title
CN1540461A (zh) 基于状态的自适应反馈/前馈pid控制器
US6577908B1 (en) Adaptive feedback/feedforward PID controller
CN106575104B (zh) 使用无线过程信号的模型预测控制
CN107526297A (zh) 基于连续调度的模型参数的自适应控制器
JPH07191737A (ja) 工場制御装置および制御方法
Bilbao-Guillerna et al. Robustly stable multiestimation scheme for adaptive control and identification with model reduction issues
CN111221311B (zh) 基于参数变分法的复杂网络分布式脉冲同步方法及系统
CN109066728B (zh) 特高压电网多个区间振荡模式在线阻尼协调控制方法
CN102629105A (zh) 一种自适应控制方法和装置
CN113748385B (zh) 控制装置
Leonov et al. Nonlinear problems in control of manufacturing systems
CN111103797A (zh) 基于多变量控制的软件行为调节方法
US5933348A (en) Method for biasing designs of experiments
Chen et al. Multivariable process control using decentralized single neural controllers
HosseinNia Robust model predictive control using iterative learning
Wu et al. Receding horizon iterative learning control for continuously operated systems
CN118011977A (zh) 一种智慧工厂的自适应调节方法、系统、设备及存储介质
Van den Broeck et al. Experimental validation of time optimal MPC on a linear drive system
Yfoulis et al. Minimization of the response time in parallel database queries: An adaptive cost-aware mpc-based solution
Mallubhatla et al. Discrete-time Markov-reward models of production systems
Nygren Output feedback control: some methods and applications
JPH07105177A (ja) 信号処理方法
Patre et al. Decentralized adaptive control of systems with uncertain interconnections, plant-model mismatch and actuator failures
Lazar et al. Stabilizing receding horizon control of piecewise linear systems: An LMI approach
CN118582444A (zh) 一种基于物联网的液压阀联动控制系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CX01 Expiry of patent term

Granted publication date: 20090708

CX01 Expiry of patent term