专利名称：一种自适应串级pid控制方法
技术领域：
本发明属于工业过程控制领域，尤其涉及对工业系统进行自适应串级PID控制的 技术。
背景技术：
串级PID控制系统已广泛应用于实际工业过程控制。常规的串级PID控制是一种 多回路控制系统，如图1所示，它包括主控制器k、副控制器G。2、控制对象的导前区Gp2和控 制对象的惰性区GP1由主控制器k和副控制器G。2进行串级控制；串级PID控制系统包括两 个闭合回路1)由控制对象的导前区Gp2和副控制器6。2构成的副回路；2)由控制对象的惰 性区GP1、主控制器。和副回路构成的主回路。主回路的输入和输出分别为控制对象的期 望输出值 和控制对象的惰性区GP1的输出值y ；副回路的输入和输出分别为主控制器k 的输出值和控制对象的导前区Gp2的输出值。对于具有大滞后、大惯性等特征的被控对象，与单回路PID控制系统相比，串级 PID控制具有较好的控制品质。当控制对象具有明显的时变特性和明显的非线性时，为保证 控制系统的控制品质，要求控制系统具有良好的自适应能力。对于包括串级PID控制系统在内的自适应PID控制问题，目前有两种比较典型的 基本方案。一种是基于神经网络的自适应控制方法，利用人工神经网络等学习算法在线辨 识控制对象的数学模型，进一步根据辨识结果对系统中的控制器参数进行调整；另一种是 基于遗传算法的自适应控制方法，直接利用遗传算法在线优化系统中的控制器参数，形成 具有自适应能力的控制系统。由于人工神经网络在学习过程中收敛速度较慢，且容易陷入 局部最小点，严重地影响了基于神经网络的自适应控制方法的实际效果。遗传算法是一种 全局搜索优化算法，基于遗传算法的自适应PID控制方法可以在全局范围内确定PID控制 参数的最佳值；但是，由于其在优化过程的搜索时间将显著增加，从而严重地影响了控制系 统的在线自适应能力。在专利号为200910190906. 3的我国专利申请《基于逆动力学模型的自适应PID控 制器的设计方法》中，王广军等(王广军，陈红，王志杰)公开了一种具有自适应能力的单回 路PID控制系统，将自适应控制问题概括为一类逆动力学模型的辨识问题，通过在线辨识 控制对象逆动力学模型，形成与控制对象特性相适应的自适应PID控制器，提高了控制系 统的自适应能力。但该发明是针对单回路PID控制系统提出的，并不适于自适应串级PID 控制系统的设计。
发明内容
针对现有技术中存在的上述不足，本发明的目的在于提供一种自适应串级PID控 制方法，用以提高工业系统串级PID控制过程的自适应能力。为实现上述目的，本发明采用了如下技术手段1、一种自适应串级PID控制方法， 由主控制器k和副控制器G。2形成串级控制系统；由控制对象的导前区Gp2和副控制器G。2构成该串级控制系统的副回路，由控制对象的惰性区Gpl、主控制器。和副回路构成该串级 控制系统的主回路；主回路的输入和输出分别为控制对象的期望输出值 和控制对象的惰 性区GP1的输出值y ；副回路的输入和输出分别为主控制器k的输出值u和控制对象的导 前区Gp2的输出值y'；其中，所述主控制器k为PID控制器，其反馈信号为控制对象的惰 性区GP1的输出值y ；所述副控制器G。2为P控制器或PI控制器，其反馈信号为控制对象的 导前区Gp2的输出值y ‘；其特征在于，该自适应串级PID控制系统还包括自适应模块Gad， 该自适应模块Gad根据主回路的输出值y和主控制器k输出值u在线辨识主控制器k的 控制参数向量SPID ；具体控制过程包括如下步骤①设置主控制器k和副控制器G。2的初始控制参数，构造主控制器G。i的控制参数 向量SPID的初始值SPID = [s0, Si, s2]t ；其中，s0= kpd+A/WA), Sl = -kP(l+2Td/A), s2 = kpTd/ A ；T 为转置符号； kP、Ti*Td分别为主控制器G。i的比例增益、积分时间常数和微分时间常数；△为采样周期；②对控制对象的期望输出值进行滞后和储存处理，获得当前采样时刻的期望输出 向量R(k)R (k) = [rp (k)，rp (k_l)，rp (k_2) ]T ；其中，k表示当前采样时刻；rp(k)、rp(k-l)和1~>_2)分别为当前采样时刻、前一 采样时刻和前两个采样时刻控制对象的的期望输出值；③对主回路的输出值进行滞后和储存处理，获得当前采样时刻控制系统的实际输 出向量X(k)X (k) = [y (k)，y (k_l)，y (k_2) ]T ；其中，y(k)、y(k-l)和y (k_2)分别为当前采样时刻、前一采样时刻和前两个采样 时刻的主回路的输出值；④根据PID控制方法确定主控制器。的在当前采样时刻的输出值u(k)u(k) = u(k-1) +SPID[R(k)-X(k)]T ；其中，u(k-l)为前一采样时刻主控制器G。i的输出值；⑤对主控制器Gel的输出值进行滞后和储存处理，产生主控制器Gel在前d个采样 时刻输出值u(k-d)；构造控制系统的历史数据样本集Q Q = {XT(k-i), u(k-i-d)}；其中d为预定的滞后步数；i = 1,2,…，N;N为预定的样本集Q中的样本数目； X(k-i)为在前i个采样时刻控制系统的实际输出向量；u(k-i-d)为在前i+d个采样时刻主 控制器k的输出值；⑥利用自适应模块Gad，根据制系统的历史数据样本集Q和当前采样时刻控制系 统的实际输出向量X(k)，通过模糊规则模型在线刷新主控制器G。i的控制参数向量SPID ；所述模糊规则模型包含c条规则，其中的第j条模糊规则为if X{k) is [Xj , n.⑷]then uj(k-d) = Oj(k)X(k)；其中，j = 1，2，. . .，c ；^；为模糊规则的聚类中心向量；P j(k)为当前采样时刻控 制系统的实际输出向量X(k)对于第j条模糊规则的隶属度；、0-力为与当前采样时刻控制系统的实际输出向量x(k)对应的第j条模糊规则的输出重心；e j(k)为第j条模糊规则 的后件参数向量；所述模糊规则的聚类中心向量及当前采样时刻控制系统的实际输出向量X(k) 对于各聚类中心的隶属度h(k)，采用FCM算法(Fuzzy C-Means，模糊C均值聚类算法)对 控制系统的历史数据样本集Q进行模糊聚类确定；所述第j条模糊规则的后件参数向量％(k)，根据模糊规则模型的综合输出 对众-幻的误差eu(k_d)，采用RLS算法(Recursive Least Square，递推最小二乘算法)进 行递推运算而获得；其中，模糊规则模型的综合输出坷幻为
Cu{k= ^ /^J (k) Uj (k-d)-,
y=i模糊规则模型的综合输出坷A-句的误差eu(k_d)为eu (k-d) = u(k -d)- u(k - d)；所述在线刷新主控制器G。i的控制参数向量SPID，为根据当前采样时刻控制系统的 实际输出向量x(k)对于各聚类中心的隶属度y j(k)和模糊规则的后件参数向量e j(k)重 新确定主控制器G。i的控制参数向量sPID
CSPID = ^ JUj (k)0j (k)；
M⑦返回步骤②，重新进行前述步骤②到步骤⑥的循环。相比于现有技术，本发明具有如下有益效果本发明的自适应串级PID控制方法， 利用自适应模块，通过在线模糊辨识方法和递推最小二乘算法直接产生串级PID控制中主 控制器的控制参数向量，提高了串级PID控制系统的鲁棒性和自适应能力；本发明在主控 制器的控制参数在线辨识过程中，通过串级PID控制系统主回路的输出来反映副控制器对 系统控制性能的影响，只需要对系统中主控制器的控制参数进行在线调整就能够获得良好 的控制效果。
图1为常规串级PID控制的结构框图；图2为本发明自适应串级PID控制的结构框图；图3为模糊串级控制的结构框图；图4为实施例中，副控制器比例增益kp = 4. 00时，在100%负荷下，分别采用本发 明方法、常规串级PID控制方法和模糊串级控制方法产生的过热蒸汽温度控制过程的阶跃 响应特性曲线；图5为实施例中，副控制器比例增益kp = 4. 00时，在75%负荷下，分别采用本发 明方法、常规串级PID控制方法和模糊串级控制方法产生的过热蒸汽温度控制过程的阶跃 响应特性曲线；图6为实施例中，副控制器比例增益kp= 10. 00时，在100%负荷下，分别采用本 发明方法、常规串级PID控制方法和模糊串级控制方法产生的过热蒸汽温度控制过程的阶 跃响应特性曲线；图7为实施例中，副控制器比例增益kp = 10. 00时，在75%负荷下，分别采用本发
权利要求
一种自适应串级PID控制方法，由主控制器Gc1和副控制器Gc2形成串级控制系统；由控制对象的导前区Gp2和副控制器Gc2构成该串级控制系统的副回路，由控制对象的惰性区Gp1、主控制器Gc1和副回路构成该串级控制系统的主回路；主回路的输入和输出分别为控制对象的期望输出值rp和控制对象的惰性区Gp1的输出值y；副回路的输入和输出分别为主控制器Gc1的输出值u和控制对象的导前区Gp2的输出值y′；其中，所述主控制器Gc1为PID控制器，其反馈信号为控制对象的惰性区Gp1的输出值y；所述副控制器Gc2为P控制器或PI控制器，其反馈信号为控制对象的导前区Gp2的输出值y′；其特征在于，该自适应串级PID控制系统还包括自适应模块Gad，该自适应模块Gad根据主回路的输出值y和主控制器Gc1输出值u在线辨识主控制器Gc1的控制参数向量SPID；具体控制过程包括如下步骤①设置主控制器Gc1和副控制器Gc2的初始控制参数，构造主控制器Gc1的控制参数向量SPID的初始值SPID＝[s0，s1，s2]T；其中，s0＝kp(1+Δ/Ti+Td/Δ)，s1＝ kp(1+2Td/Δ)，s2＝kpTd/Δ；T为转置符号；kp、Ti和Td分别为主控制器Gc1的比例增益、积分时间常数和微分时间常数；Δ为采样周期；②对控制对象的期望输出值进行滞后和储存处理，获得当前采样时刻的期望输出向量R(k)R(k)＝[rp(k)，rp(k 1)，rp(k 2)]T；其中，k表示当前采样时刻；rp(k)、rp(k 1)和rp(k 2)分别为当前采样时刻、前一采样时刻和前两个采样时刻控制对象的的期望输出值；③对主回路的输出值进行滞后和储存处理，获得当前采样时刻控制系统的实际输出向量X(k)X(k)＝[y(k)，y(k 1)，y(k 2)]T；其中，y(k)、y(k 1)和y(k 2)分别为当前采样时刻、前一采样时刻和前两个采样时刻的主回路的输出值；④根据PID控制方法确定主控制器Gc1的在当前采样时刻的输出值u(k)u(k)＝u(k 1)+SPID[R(k) X(k)]T；其中，u(k 1)为前一采样时刻主控制器Gc1的输出值；⑤对主控制器Gc1的输出值进行滞后和储存处理，产生主控制器Gc1在前d个采样时刻输出值u(k d)；构造控制系统的历史数据样本集ΩΩ＝{XT(k i)，u(k i d)}；其中d为预定的滞后步数；i＝1，2，…，N；N为预定的样本集Ω中的样本数目；X(k i)为在前i个采样时刻控制系统的实际输出向量；u(k i d)为在前i+d个采样时刻主控制器Gc1的输出值；⑥利用自适应模块Gad，根据制系统的历史数据样本集Ω和当前采样时刻控制系统的实际输出向量X(k)，通过模糊规则模型在线刷新主控制器Gc1的控制参数向量SPID；所述模糊规则模型包含c条模糊规则，其中的第j条模糊规则为 <mrow><mi>ifX</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mi>is</mi><mo>[</mo><msub> <mover><mi>X</mi><mo>‾</mo> </mover> <mi>j</mi></msub><mo>,</mo><msub> <mi>μ</mi> <mi>j</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>]</mo> </mrow>then <mrow><msub> <mover><mi>u</mi><mo>^</mo> </mover> <mi>j</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>d</mi> <mo>)</mo></mrow><mo>=</mo><msup> <msub><mi>θ</mi><mi>j</mi> </msub> <mi>T</mi></msup><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mi>X</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>;</mo> </mrow>其中，j＝1，2，...，c；为模糊规则的聚类中心向量；μj(k)为当前采样时刻控制系统的实际输出向量X(k)对于第j条模糊规则的隶属度；为与当前采样时刻控制系统的实际输出向量X(k)对应的第j条模糊规则的输出重心；θj(k)为第j条模糊规则的后件参数向量；所述模糊规则的聚类中心向量及当前采样时刻控制系统的实际输出向量X(k)对于各聚类中心的隶属度μj(k)，采用FCM算法对控制系统的历史数据样本集Ω进行模糊聚类确定；所述第j条模糊规则的后件参数向量θj(k)，根据模糊规则模型的综合输出的误差eu(k d)，采用RLS算法进行递推运算而获得；其中，模糊规则模型的综合输出为 <mrow><mover> <mi>u</mi> <mo>~</mo></mover><mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>d</mi> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mi>c</mi></munderover><msub> <mi>μ</mi> <mi>j</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><msub> <mover><mi>u</mi><mo>^</mo> </mover> <mi>j</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>d</mi> <mo>)</mo></mrow><mo>;</mo> </mrow>模糊规则模型的综合输出的误差eu(k d)为 <mrow><msub> <mi>e</mi> <mi>u</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>d</mi> <mo>)</mo></mrow><mo>=</mo><mi>u</mi><mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>d</mi> <mo>)</mo></mrow><mo>-</mo><mover> <mi>u</mi> <mo>~</mo></mover><mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mi>d</mi> <mo>)</mo></mrow><mo>;</mo> </mrow>所述在线刷新主控制器Gc1的控制参数向量SPID，为根据当前采样时刻控制系统的实际输出向量X(k)对于各聚类中心的隶属度μj(k)和模糊规则的后件参数向量θj(k)重新确定主控制器Gc1的控制参数向量SPID <mrow><msub> <mi>S</mi> <mi>PID</mi></msub><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mi>c</mi></munderover><msub> <mi>μ</mi> <mi>j</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><msub> <mi>θ</mi> <mi>j</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>;</mo> </mrow>⑦返回步骤②，重新进行前述步骤②到步骤⑥的循环。FSA00000259128400023.tif,FSA00000259128400024.tif,FSA00000259128400025.tif,FSA00000259128400026.tif,FSA00000259128400031.tif,FSA00000259128400033.tif
全文摘要
本发明提供了一种自适应串级PID控制方法，在常规串级PID控制的基础上，本发明通过在串级PID控制系统中引入自适应模块，根据控制系统的历史信息，通过在线模糊辨识方法和递推最小二乘算法直接产生串级PID控制中主控制器的控制参数，提高了串级PID控制系统的鲁棒性和自适应能力；本发明在主控制器的控制参数在线辨识过程中，通过串级PID控制系统主回路的输出来反映副控制器对系统控制性能的影响，只需要对系统中主控制器的控制参数进行在线调整就能够获得良好的控制效果。
文档编号G05B13/04GK101950156SQ20101027331
公开日2011年1月19日 申请日期2010年9月6日 优先权日2010年9月6日
发明者王广军, 王志杰, 陈红 申请人:重庆大学