向量时间序列预测专家模糊变比控制参数优化方法和系统的制作方法

向量时间序列预测专家模糊变比控制参数优化方法和系统的制作方法
【专利摘要】向量时间序列预测专家模糊变比控制参数优化方法和系统，可应用到控制、决策、人工智能等领域。本发明方案：（1）根据控制系统各状态和输出的时间序列采用向量时间序列预测方法预测输出作为控制参数在线优化整定的输入，（2）采用专家规则表或模糊控制器预测控制参数在线优化整定的变比值进而在线优化整定控制参数，（3）将上述两点结合经典的控制方法形成了向量时间序列预测专家模糊变比控制参数优化方法，进一步设计具体的装置、链接关系并构成了系统。本发明使得控制器参数可以根据工作环境的差异和不确定性进行在线优化整定控制参数，控制系统可以对于环境的各种突发性变化进行应对，动态性能和抗扰性能、静态性能提高；克服了超调。
【专利说明】向量时间序列预测专家模糊变比控制参数优化方法和系统
【技术领域】
[0001]本发明提出了一种向量时间序列预测专家模糊变比控制参数优化方法和系统，可 应用到控制、决策、人工智能等领域。
【背景技术】
[0002]如何使控制系统能够模拟人的思维，根据应用环境自动在线整定(优化)控制参 数，并且获得更好的控制性能是自动控制领域科学家长期以来努力的目标，也是本发明解 决的问题。本领域的专家学者将人工智能的方法与经典的控制方法相结合的方式得到了 各种先进的智能控制方法，可以划分为两类:第一类是基于规则推理机制的智能控制方 法(统一简称为R-PID控制方法)，例如专家PID (Expert PID, E-PID)在线整定方法、模糊 PID (Fuzzy PID，F-PID)在线整定方法；第二类是基于神经计算科学的智能控制方法(本 研究统一简称为XNN-PID控制系统)，例如BP神经网络PID(Back propagation neural networks PID, BPNN-PID)在线整定方法、RBF 神经网络 PID (Radial basis function neural networks PID, RBFNN-PID)在线整定方法。
[0003]上述第一类(基于规则推理机制的智能控制)方法(技术)存在的问题是:(I)控制 参数、控制量突变导致系统输出不稳定、过程不平稳；(2)系统的动态性能(系统响应快速 性、抗扰恢复快速性)、静态性能(静态误差)差，有待提高；(3)控制系统智能程度(预测能 力、学习能力、自适应能力)差，有待提闻。
[0004]上述问题反映在生产生或应用中主要表现在:(1)控制器参数无法根据工作环 境、被控对象等的差异和不确定性进行在线优化整定控制参数，控制系统每一次应用之前， 工程师都要反复调试控制参数，且系统运行一段时间后，工程师有得反复检查在调试控制 参数；(2)控制系统对于环境的各种突发性变化缺乏应对机制，只能根据当前的情况作出 控制决策，即使控制决策对于系统未来的输出是有害的，也只能等到有害效果产生后再做 出响应；(3)控制系统的动态性能和抗扰性能有待提闻；(4)控制系统的静态性能有待提 高；(5)在一些应用中会产生超调，而一些工程应用不允许出现超调的情况。

【发明内容】

[0005]本发明提出了一种向量时间序列预测专家模糊变比控制参数优化方法和系统，可 以具体实例化为以下两套实施例:(1)向量时间序列预测变比专家控制(VARMA-EA-PID)方 法和系统；(2)向量时间序列预测变比模糊控制(VARMA-EA-PID)方法和系统。
[0006]一、本发明的目的:
[0007]本发明的目的是解决上述生产生活应用中的5方面问题。即目标I是解决控制器 参数无法根据工作环境、被控对象等的差异和不确定性进行在线优化整定控制参数，控制 系统每一次应用之前，工程师都要反复调试控制参数，且系统运行一段时间后，工程师有得 反复检查在调试控制参数的问题；目标2是解决控制系统对于环境的各种突发性变化缺乏 应对机制，只能根据当前的情况作出控制决策，即使控制决策对于系统未来的输出是有害的，也只能等到有害效果产生后再做出响应的问题；目标3是解决控制系统的动态性能和抗扰性能有待提高的问题；目标4是解决控制系统的静态性能有待提高的问题；目标5是解决在一些应用中会产生超调，而一些工程应用不允许出现超调的情况的问题。
[0008]二、本发明要解决的技术问题:
[0009]1.解决如何使控制系统的输出可以根据系统内各状态的时间序列和输出的时间序列进行预测，控制决策(控制参数的优化调整)可以根据未来的系统输出进行计算；
[0010]2.预测的结果如何与控制参数在线证定方法相结合，充分发挥出经典PID控制系统、人工智能方法(专家系统、模糊控制系统)和预测控制系统的优点；[0011]3.解决模糊PID和专家PID方法控制参数、控制量突变导致系统输出不稳定、过程不平稳的问题；模糊PID和专家PID方法的动态性能(系统响应快速性、抗扰恢复快速性)、 静态性能(静态误差)差的问题；模糊PID和专家PID方法智能程度(预测能力、学习能力、 自适应能力)差的问题。
[0012]三、本发明采用的技术方案
[0013]为了实现上述目的，本发明采取了如下技术方案:
[0014]一种向量时间序列预测专家模糊变比控制参数优化方法，其特征在于:
[0015]该方法由步骤(001)至步骤(014)共14个步骤组成:
[0016]步骤(001):初始化:
[0017]初始化最大计算周期Kmax:其中Kmax = 0或Kmax G N, N表示自然数,如果Kmax =0,表示控制算法永远不终止；
[0018]初始化当前计算周期k:k = I;
[0019]初始化控制目标Rin (k):Rin(k) = f(k),其中f(n)表示控制目标函数，即根据时刻n给出控制目标；
[0020]初始化预测步长为Lpralirt, Lpredict为正整数，根据工程经验，其取值范围参考为:
I ^ ^predict ^ 50 ,
[0021]初始化预测启动时刻TpMdic;t，根据工程经验，其取值范围参考为: 5% ? Kmax ( Tpredict ( 10% ? Kmax,如果 Kmax = 0,10 ? Lpredict ( Tpredict ( 100;初始化系统输出 yout(k) = 0;
[0022]确定专家模糊变比推理规则和初始化专家模糊变比推理规则参数；
[0023]步骤(002):系统真实输出采集:当本发明提出的方法用于真实系统时，yout_ real (k)是真实存在的被控对象产生的，通过采集装置，采集被控对象产生真实输出yout_ real (k);当本发明提出的方法用于计算机仿真实验时，yout_real (k)是通过被控对象的数学模型计算得出的:当前计算时刻k= I时,直接赋值yout_real (k) = I ;当前计算时刻 k > I时，yout_real (k)是在第k_l个执行周期被计算得出的；
[0024]步骤(003):判断是否启动预测:如果当前时刻尚未到达预测启动时刻，即 k < Tprsdict，则不启动预测，跳转到步骤(004);如果当前时刻到达预测启动时刻，即 k≥Tprsdiet，则启动预测，跳转到步骤(005)；
[0025]步骤(004):直接赋值:尚未启动预测，则参与误差计算的yout (k) = yout_ real(k_l);
[0026]步骤(005):预测输出:启动了预测，贝U参与误差计算的yout (k) = ypredict (k)；1)按精密合金所含成分的重量百分比计算进行原料配制:
C: 0.005-0.030% ；Si:0.05-0.35% ； Mn:0.35-0.65% ；P: ^0.015% ；S: ^ 0.015% ；Ni:48.5-52.0% ；Cu:0.03-0.60% ；Mo:0.03-1.00% ；Ce:0.005-0.10% ;余量为 Fe 及不可避
免的杂质；
2)熔炼:将按前述配制的原料经清洗后装入真空感应炉中熔炼铸锭，熔炼期温度控制在1540°C -1590°C，精炼时间40-60分钟；加入金属铈，出钢温度1560°C -1600°C,
3)将熔炼合格的钢锭用车床去除表面氧化皮及缺陷。
[0025]4)锻造:将坯锭在1100°C -1160°C温度下保温3小时后进行锻造，锻造温度IlOO0C -850°C，开锻温度1100°C ;终锻温度≥900°C。
[0026]4)热轧:将锻造后的方棒热轧，在1050°C -1150°C温度下加热保温40分钟，热轧制盘条或棒材，热轧温度1100°C -900°c。
[0027]5)将Φ 12mm盘条或棒材在温度940°C -980°C下进行加热、保温。
[0028]6)表面修磨:将热轧盘条后的坯件进行表面修磨去除微细裂纹缺陷；
7)模具拉拔:坯件采用高聚晶半圆模具依次进行拉拔一中间退火一拉拔一中间退火一拉拔，得到半圆形钢丝成品，拉拔道次参考工艺为:Φ 12-10-8.0±0.3mm6.8X10-6.0X9.5-5.5X9.0-4.5X8.3- ψ 间退火 -4.0X7.8-3.5X7.3-3.0 X 6.8-中间退火-2.5X6.0 ；
8)成品退火:将拉拔得到的半圆形钢丝成品装入真空热处理炉中，880°C-920°C下加热保温50分钟后，以不超过28°C /小时的冷却速度冷却至580°C以下，再空冷却至室温。
[0029]其中按精密所含成分的重量百分比计算进行原料配制，制备了三炉实施例，详见如下:
第一炉:C: 0.01% ；Si:0.16% ； Mn:0.40% ；P: 0.010% ；S:0.005% ； N1:48.5% ；Cu:0.21% ；Mo:0.5% ；Ce:0.006% ；
余量为Fe及不可避免的杂质；
第二炉:C: 0.015% ；Si:0.18% ； Mn:0.50% ；P: 0.010% ；S: 0.005% ；N1:49.2% ；Cu:0.3% ；Mo:0.6% ；Ce:0.007% ；
余量为Fe及不可避免的杂质；
计算方法采用向量时间序列预测方法:向量时间序列预测算法的输入为以下五个变量的时间序列:比例控制参数时间序列Kp(1)，Kp(2)，…，Kp(k)、积分控制参数时间序列 Ki (1)，Ki (2)，? ? ?，Ki (k)、微分控制参数时间序列Kd(1)，Kd，⑵，…，Kd(k)、控制量时间序列 u (I), u (2),..., u (k)、控制系统输出 yout-real (1), yout-real (2), , yout-real (k);向量时间序列预测算法的输出为k时刻后第Lpralirf时刻的系统输出ypralic;t(k);
[0027]步骤(006):误差计算:根据被控对象当前时刻的采样值yout (k)与被控对象的目标值rin(k)计算出当前时刻的误差e (k)，其中e(k) = yout (k)-rin (k);
[0028]步骤(007):误差变化率计算:计算当前时刻的误差e(k)与前一时刻的误差 e(k-l)之间的误差变化率ec (k)，其中ec (k) = e(k)-e(k-l);
[0029]步骤(008):控制参数变比计算:根据模糊控制器参数Tfa或者专家规则表Tea，采用模糊计算或者查询专家规则表的方法，模糊计算方法或者查询专家规则表方法的输入为:当前时刻误差e(k)和误差变化率ec(k)，模糊计算方法或者查询专家规则表方法的输出为控制参数变比Rp (k)、Ri (k)、Rd (k);
[0030]步骤(009):控制参数计算:根据公式1、公式2、公式3计算出控制参数&(10、 Ki (k),Kd(k);
[0031]Kp(k) = Rp(e(k), ec(k)) ? Kp(k-1)公式 I
[0032]Ki (k) =Ri (e (k), ec (k)) ? Ki (k~l)公式 2
[0033]Kd(k)=Rd(e(k), et(k)) ? Kd(k-l)公式 3
[0034]步骤(010):计算控制量:采用数字PID算法，数字PID算法的输入是控制参数 Kp(k)、Ki(k)、Kd(k)，输出是控制量 u (k);
[0035]步骤(011):被控对象产生真实输出:当本发明提出的方法用于真实系统时，控制量作用于被控对象，被控对象产生真实输出y0ut-real(k);当本发明提出的方法用于计算机仿真实验时，通过被控对象的数学模型计算得出yout-real (k),上述被控对象的数学模型的输入是控制量u(k),输出是被控对象产生真实输出yout-real(k);
[0036]步骤(012):计算周期自增:即当前时刻： k = k+1 ；
[0037]步骤(013):判断是否结束:如果最大执行周期Kmax > 0且当前时刻k > Kmax, 则跳转到步骤(014):结束；如果最大执行周期Kmax = 0，则跳转到步骤(002)，重复执行过程;
[0038]步骤(014):结束。
[0039]其中确定专家模糊变比推理规则和初始化专家模糊变比推理规则参数，具体为:
[0040]如果专家模糊变比推理规则采用专家变比推理的方法，则采用专家PID中专家规则表的设计方法设计专家变比规则表，专家PID中专家规则表和专家变比规则表的输入都是时刻误差e(k)和误差变化率ec(k)，专家PID中专家规则表的输出是控制参数 Kp (k)，Ki (k)，Kd (k)，而专家变比规则表的输出是控制参数变比Rp (k)，Ri (k)，Rd (k);
[0041]如果专家模糊变比推理规则采用模糊计算推理的方法，则采用模糊PID中模糊推理机的设计方法设计模糊变比推理机，模糊PID中模糊推理机和模糊变比推理机的输入都是时刻误差e (k)和误差变化率ec (k)，模糊PID中模糊推理机的输出是控制参数Kp (k)、 KiGO、Kd (k)，而模糊变比推理机的输出是控制参数变比Rp(k)、Ri(k)、Rd(k)。
[0042]应用所述的一种向量时间序列预测专家模糊变比控制参数优化方法的系统，其特征在于:系统由5个装置组成:决策器(100)、控制器(101)、被控对象(102)、控制量传感变 送器(103)、被控对象输出传感变送器(104)；
[0043]决策器可以是计算机、或者是可编程控制器、或者是输入为控制目标(系统输入数 字量)、控制量(数字量)、系统真实输出(数字量)，输出为控制参数的装置；其中决策器通过 其输入设备输入控制目标(系统输入数字量)；决策器通过RS232接口、或者以太网接口、或 者采集卡接口与控制量传感变送器连接，接收最新的控制量(数字量);决策器通过RS232接 口、或者以太网接口、或者采集卡接口与被控对象输出传感变送器连接，接收最新的系统真 实输出(数字量);
[0044]其中，决策器可以是一个装置，也可以由3个子装置组成:控制参数变比在线整定 器、控制参数在线整定器、预测器；这3个装置均可以是计算机、或者是可编程控制器、或者 是满足下属连接关系和输入输出关系的装置:控制参数变比在线整定器通过其输入设备输 入控制目标(系统输入数字量)，通过以太网、或者通讯总线与预测器相连接，接收控制系统 预测输出，通过以太网、或者通讯总线与控制参数在线整定器连接，输出控制量变比值；控 制参数在线整定器通过以太网、或者通讯总线与预测器和控制器连接，输出最新的控制参 数；预测器通过RS232接口、或者以太网接口、采集卡传输接口与控制量传感变送器和被控 对象输出传感变送器连接，接收控制量(数字量)和系统真实输出(数字量)为输入；
[0045]控制器可以是带有编程功能的PLC及驱动器、或者是带有编程功能变频器、或者 是可以根据PID控制参数产生控制量驱动被控对象的装置；控制器通过工业总线、数据线 与控制参数在线整定器连接，接受控制参数；控制器输出控制量，通过机械结构、或者传导、 传输媒介与被控对象连接，对被控对象产生驱动；
[0046]被控对象可以是电机及拖动对象、或者压力控制设备及对象、或者是可以受控制 器产生的控制量影响的对象；
[0047]控制量传感变送器可以是电压采集装置、压力采集装置、转速采集装置、或者是模 拟量采集装置；控制量传感变送器的输入与控制器的输出通过导线、或者传动装置、或者传 导装置连接，获取控制器输出的模拟量；控制量传感变送器将其转化为控制量(数字量)，再 通过RS232接口、或者以太网接口、采集卡传输接口与决策器连接，输送控制量(数字量)；
[0048]被控对象输出传感变送器可以是电压采集装置、压力采集装置、转速采集装置、或 者是模拟量采集装置；被控对象输出传感变送器的输入与被控对象通过导线、或者传动装 置、或者传导装置连接，获取被控对象输出的模拟量；被控对象输出传感变送器将其转化为 系统真实输出(数字量)，再通过RS232接口、或者以太网接口、采集卡传输接口与决策器连 接，输送系统真实输出(数字量)；
[0049]系统和方法的结合关系和实现过程如下:
[0050]步骤(001)初始化是由决策器实现的；具体是由控制参数变比在线整定器接收输 入设定的，将初始化结果分发给控制参数在线整定器和预测器；
[0051]步骤(002)系统真实输出采集是由控制量传感变送器和被控对象输出传感变送 器配合决策器实现的；
[0052]步骤(003)判断是否启动预测至步骤(005)预测输出是由预测器实现的；
[0053]步骤(006)误差计算至步骤(008)控制参数变比计算是由控制参数在线整定器实 现的；[0054]步骤(009)控制参数变比计算是由控制参数在线整定器实现的；
[0055]步骤(010)控制量计算是由控制器实现的；
[0056]步骤(011)被控对象产生真实输出是由被控对象实现的；
[0057]步骤(012)计算周期自增至步骤(014)结束，是由决策器实现的。
[0058]综上所述，本发明采用的技术手段是:(1)根据控制系统各状态和输出的时间序 列采用向量时间序列预测方法预测输出作为控制参数在线优化整定的输入，(2)采用专家 规则表或模糊控制器预测控制参数在线优化整定的变比值进而在线优化整定控制参数，
(3)将上述两点结合经典的控制方法形成了向量时间序列预测专家模糊变比控制参数优化 方法，进一步设计具体的装置、链接关系并构成了采用了上述方法的系统。
[0059]四、本发明与现有的技术方案相比的优点和有益效果:
[0060]本发明与现有技术方案相比具有如下优点:(1)使得控制器参数可以根据工作环 境的差异和不确定性进行在线优化整定控制参数，控制系统每一次应用之前，工程师只需 要大致设定控制参数，系统上线运行后自动会进行控制参数的优化整定；(2)控制系统可 以对于环境的各种突发性变化进行应对，可以根据预测的结果作控制决策，提前响应和应 对不好的控制结果；(3)控制系统的动态性能和抗扰性能提闻；(4)控制系统的静态性能提 高；(5)克服了在一些应用中出现超调的情况。
[0061]2.本发明设计的专家模糊增量式自适应的参数在线整定优化系统，实现了整个 控制器参数调整优化的过程都是由算法自身实现的，在线参数优化整定的过程没有人的参 与，控制系统能够根据自身硬件特点和工作环境自动整定调适参数。
[0062]3.本发明提出的专家模糊增量式自适应的参数在线整定优化方法，解决了物力结 构相似的多个控制回路由于工作环境变化或存在差异，控制器参数无法根据工作环境的差 异和不确定性在线自整定优化的问题；解决了物力结构相似的多个控制回路由于被控对象 存在差别，控制器参数无法根据被控对象的差异和不确定性在线自整定优化的问题；解决 了物力结构相似的多个控制回路需要反复进行控制参数整定，控制器参数无法自动完成这 一重复的工作在线自整定优化的问题。
【专利附图】

【附图说明】
[0063]图1基于向量时间序列预测专家模糊变比控制参数优化方法的系统装置连接关 系图；
[0064]图2向量时间序列预测专家模糊变比控制参数优化方法的流程图；
【具体实施方式】
[0065]下面结合附图1和图2，对本发明提出的向量时间序列预测专家模糊变比控制参 数优化方法和系统的实施例进行详细描述和说明。
[0066]1.向量时间序列预测专家模糊变比控制参数优化方法和系统，其实是方案如下:
[0067]1.1该方法由步骤(001)至步骤(014)共14个步骤组成:
[0068]1.1.1 步骤(001):初始化:
[0069]初始化最大计算周期Kmax:Kmax = 0,表示控制算法永远不终止；
[0070]初始化当前计算周期k:k = I;[0071]初始化控制目标(系统输入)Rin (k): Rin (k) =1，即每个时刻n控制目标(系统細] 入)为一个常数；
[0072]初始化预测步长为
Lpredict ? predict 20，
[0073]初始化预测启动时刻Tprediet:Tprediet = 100;
[0074]本实施例中，专家模糊变比推理规则釆用专家变比推理的方法，釆用专家PID中专家规则表的设计方法设计专家变比规则表，如公式4、公式5和公式6所不:
[0075]Rk {e(k)，ec{k))=
[0079]
【权利要求】
1.一种向量时间序列预测专家模糊变比控制参数优化方法，其特征在于: 该方法由步骤(OOl)至步骤(014)共14个步骤组成: 步骤(001):初始化: 初始化最大计算周期Kmax:其中Kmax = O或Kmax e N, N表示自然数,如果Kmax = O,表示控制算法永远不终止； 初始化当前计算周期k:k = I ； 初始化控制目标Rin (k):虹11(10=€(10，其中€(11)表示控制目标函数，即根据时刻η给出控制目标； 初始化预测步长为Lpralirt, Lprediet为正整数，根据工程经验，其取值范围参考为:I ^ ^predict ^ 50 , 初始化预测启动时刻TPMdic;t，根据工程经验，其取值范围参考为:5%.Kmax ( Tpredict ( 10%.Kmax,如果 Kmax = 0,10.Lpredict ( Tpredict ( 100;初始化系统输出 yout(k) = O; 确定专家模糊变比推理规则和初始化专家模糊变比推理规则参数； 步骤(002):系统真实输出采集:当本发明提出的方法用于真实系统时，yout_real (k)是真实存在的被控对象产生的，通过采集装置，采集被控对象产生真实输出y0ut_real(k);当本发明提出的方法用于计算机仿`真实验时，yout_real(k)是通过被控对象的数学模型计算得出的:当前计算时刻k = I时,直接赋值yout_real (k) = I ;当前计算时刻k > I时，yout_real (k)是在第k_l个执行周期被计算得出的； 步骤(003):判断是否启动预测:如果当前时刻尚未到达预测启动时刻，即k < Tprsdict,则不启动预测，跳转到步骤(004);如果当前时刻到达预测启动时刻，即k ^ Tpralirt，则启动预测，跳转到步骤(005)； 步骤(004):直接赋值:尚未启动预测，则参与误差计算的yout (k) = yout_real(k_l); 步骤(005):预测输出:启动了预测，则参与误差计算的yout (k) = ypredict (k);计算方法采用向量时间序列预测方法:向量时间序列预测算法的输入为以下五个变量的时间序列:比例控制参数时间序列Kp(I)，Kp (2)，...，Kp (k)、积分控制参数时间序列Ki (I)，Ki (2)，...，Ki (k)、微分控制参数时间序列Kd ( I )，Kd, (2)，...，Kd (k)、控制量时间序列 u (I)，u (2)，...，u (k)、控制系统输出 yout_real (I), yout_real (2),, yout_real (k);向量时间序列预测算法的输出为k时刻后第Lpraliet时刻的系统输出ypralic;t(k); 步骤(006):误差计算:根据被控对象当前时刻的采样值yout(k)与被控对象的目标值rin(k)计算出当前时刻的误差e (k)，其中e(k) = yout (k)-rin (k); 步骤(007):误差变化率计算:计算当前时刻的误差e(k)与前一时刻的误差e(k-l)之间的误差变化率ec (k)，其中ec(k) = e (k) _e (k_l); 步骤(008):控制参数变比计算:根据模糊控制器参数Tfa或者专家规则表Tea，采用模糊计算或者查询专家规则表的方法，模糊计算方法或者查询专家规则表方法的输入为:当前时刻误差e(k)和误差变化率ec(k)，模糊计算方法或者查询专家规则表方法的输出为控制参数变比 Rp (k)、Ri (k)、Rd(k); 步骤(009):控制参数计算:根据公式1、公式2、公式3计算出控制参数1(1)(10、1^(10、Kd(k);
Kp(k) = Rp(e(k), ec(k)).Kp(k-1)公式 I
Ki (k) = Ri (e (k)，ec (k)).Ki (k_l)公式 2
Kd(k) = Rd(e(k), ec(k)).Kd(k-1)公式 3 步骤(OlO):计算控制量:采用数字PID算法，数字PID算法的输入是控制参数Kp (k)、Ki (k),Kd(k),输出是控制量u (k); 步骤(011):被控对象产生真实输出:当本发明提出的方法用于真实系统时，控制量作用于被控对象，被控对象产生真实输出yout_real(k);当本发明提出的方法用于计算机仿真实验时，通过被控对象的数学模型计算得出yout_real (k),上述被控对象的数学模型的输入是控制量u (k),输出是被控对象产生真实输出yout_real(k); 步骤(012):计算周期自增:即当前时刻k = k+l; 步骤(013):判断是否结束:如果最大执行周期Kmax>0且当前时刻k>Kmax，则跳转到步骤(014):结束；如果最大执行周期Kmax = 0，则跳转到步骤(002)，重复执行过程； 步骤(014):结束。
2.根据权利要求1所述的一种向量时间序列预测专家模糊变比控制参数优化方法，其特征在于:其中确定专家模糊变比推理规则和初始化专家模糊变比推理规则参数，具体为: 如果专家模糊变比推理规则采用专家变比推理的方法，则采用专家PID中专家规则表的设计方法设计专家变比规则表，专家PID中专家规则表和专家变比规则表的输入都是时刻误差e(k)和误差变化率ec(k)，专家PID中专家规则表的输出是控制参数Kp(k)、Ki(k)、Kd (k),而专家变比规则表的输出是控制参数变比Rp (k)、Ri (k)、Rd (k)； 如果专家模糊变比推理规则采用模糊计算推理的方法，则采用模糊PID中模糊推理机的设计方法设计模糊变比推理机，模糊PID中模糊推理机和模糊变比推理机的输入都是时刻误差e (k)和误差变化率ec (k)，模糊PID中模糊推理机的输出是控制参数Kp (k) ,Ki (k)、Kd (k)，而模糊变比推理机的输出是控制参数变比Rp (k)、Ri (k)、Rd (k)。
3.应用权利要求1所述的一种向量时间序列预测专家模糊变比控制参数优化方法的系统，其特征在于:系统由5个装置组成:决策器(100)、控制器(101)、被控对象(102)、控制量传感变送器(103)、被控对象输出传感变送器(104)； 决策器(100)是计算机、或者是可编程控制器、或者是输入为控制目标、控制量、系统真实输出，输出为控制参数的装置；其中决策器通过输入设备输入控制目标；决策器通过RS232接口、或者以太网接口、或者采集卡接口与控制量传感变送器连接，接收最新的控制量；决策器通过RS232接口、或者以太网接口、或者采集卡接口与被控对象输出传感变送器连接，接收最新的系统真实输出； 其中，决策器是一个装置，或者由3个子装置组成:控制参数变比在线整定器、控制参数在线整定器、预测器；这3个装置均是计算机、或者是可编程控制器、或者是满足下属连接关系和输入输出关系的装置:控制参数变比在线整定器通过其输入设备输入控制目标，通过以太网、或者通讯总线与装置预测器相连接，接收控制系统预测输出，通过以太网、或者通讯总线与装置控制参数在线整定器连接，输出控制量变比值；控制参数在线整定器通过以太网、或者通讯总线与预测器和控制器连接，输出最新的控制参数；预测器通过RS232接口、或者以太网接口、采集卡传输接口与控制量传感变送器和被控对象输出传感变送器连接，接收控制量和系统真实输出为输入； 控制器是带有编程功能的PLC及驱动器、或者是带有编程功能变频器、或者是根据PID控制参数产生控制量驱动被控对象的装置；控制器通过工业总线、数据线与控制参数在线整定器连接，接受控制参数；控制器输出控制量，通过机械结构、或者传导、传输媒介与被控对象连接，对被控对象产生驱动； 被控对象是电机及拖动对象、或者压力控制设备及对象、或者是受控制器产生的控制量影响的对象； 控制量传感变送器是电压采集装置、压力采集装置、转速采集装置、或者是模拟量采集装置；控制量传感变送器的输入与控制器的输出通过导线、或者传动装置、或者传导装置连接，获取控制器输出的模拟量；控制量传感变送器将其转化为控制量，再通过RS232接口、或者以太网接口、采集卡传输接口与决策器连接，输送控制量；被控对象输出传感变送器是电压采集装置、压力采集装置、转速采集装置、或者是模拟量采集装置；被控对象输出传感变送器的输入与被控对象通过导线、或者传动装置、或者传导装置连接，被控对象输出的模拟量；被控对象输出传感变送器将其转化为系统真实输出，再通过RS232接口、或者以太网接口、采集卡传输接口与决策器连接，输送系统真实输出；系统和方法的结合关系和实现过程如下: 步骤(OOl)初始化是由决策器实现的；具体是由控制参数变比在线整定器接收输入设定的，将初始化结果分发给控制参数在线整定器和预测器； 步骤(002)系统真实输出采集是由控制量传感变送器和被控对象输出传感变送器配合决策器实现的； 步骤(003)判断是否启动预 测至步骤(005)预测输出是由预测器实现的； 步骤(006)误差计算至步骤(008)控制参数变比计算是由控制参数在线整定器实现的； 步骤(009)控制参数变比计算是由控制参数在线整定器实现的； 步骤(010)控制量计算是由控制器实现的； 步骤(011)被控对象产生真实输出是由被控对象实现的； 步骤(012)计算周期自增至步骤(014)结束，是由决策器实现的。
【文档编号】G05B13/04GK103499920SQ201310393336
【公开日】2014年1月8日 申请日期:2013年9月3日 优先权日:2013年9月3日
【发明者】刘经纬, 王普, 陈佳明, 杨磊, 刘丹华, 杨蕾, 司罗, 李会民 申请人:北京工业大学