基于新型极值函数指标的智能自整定pid室温控制算法
【专利摘要】本发明公开了一种基于新型极值函数指标的智能自整定PID室温控制算法，通过构建智能自整定PID控制器，将空调系统的期望输出与实际输出经转换器转换为自整定算法所需要的输入，然后经权值学习以及比例系数的实时调整后，得到智能自整定PID控制器的输出。本发明采用智能自整定算法和PI/PID控制相结合的算法，可在一定程度上解决空调系统室温控制中PID控制器参数不易在线实时整定的问题，提高控制系统的鲁棒性和自适应性，从而适应空调系统中复杂的工况变化和满足高精度控制的要求。
【专利说明】基于新型极值函数指标的智能自整定PID室温控制算法
【技术领域】
[0001] 本发明涉及一种基于新型极值函数指标的智能自整定PID室温控制算法，属于空 调自动控制领域。
【背景技术】
[0002] 在空调控制领域，被控对象变量（如室内温、湿度）通常具有非线性、纯延迟、时变 和强耦合等特性，并受各种不确定干扰因素（人员流动、门窗启闭、设备散热等）影响，解决 以上问题的最好方法是采用自适应控制，这就要求控制器参数能够随空调对象特性变化而 不断地调整。自适应控制有间接和直接两种方式，前者是通过辨识对象本身的参数模型来 调整控制器的参数，而后者则是直接估计控制器的参数。当前，线性系统的自适应控制问题 已基本解决，而非线性系统的自适应控制还存在一些难点，神经网络的兴起为解决非线性 系统的自适应控制问题带来了生机，其原因在于神经网络具有很强的非线性逼进能力和自 学习能力。
[0003] 人工神经网络的研究始于上世纪的40年代，60多年来，它经历了一条由兴起到萧 条、又由萧条到兴盛的曲折发展道路。目前神经网络的应用已经渗透到自动控制领域的各 个方面，包括系统辨识、系统控制、优化计算以及控制系统的故障诊断与容错控制等。
[0004] 神经网络是以神经元为节点，采用某种网络拓扑结构构成的活性网络，从理论上 讲它能够充分逼近任意复杂的非线性关系，且可实现任意的非线性映射。从20世纪90年 代初开始，控制工程领域的研究人员即开始将神经网络引入传统的自适应控制研究。
[0005] 神经网络自适应控制技术在空调领域的应用同样起源于上世纪90年代，并受到 了越来越多的重视。在神经网络自适应控制应用在空调系统的众多文献中，通常采用神经 网络对被控对象进行在线的辨识，然后在此基础上选择神经网络或者其他类型控制算法。 [0006] 在神经网络控制中有种特殊的控制方式--单神经元控制，它直接利用神经网络 的连接机制来建立被控系统的非线性控制器，从而无须再进行被控的非线性系统的特性辨 识，而且控制功能的实现也无须事先进行网络训练。
[0007] 单神经元具有良好的自学习和自适应能力，且结构简单易于计算。而传统PI/PID 控制器由于算法简单、鲁棒性好及可靠性高等优点而在空调控制系统中得到了普遍采用， 但普遍存在着参数整定不良，对运行工况的变化适应性不好等问题。
[0008] 神经元控制方法和普通PID控制相结合可以实现智能自适应PID控制方法。
【发明内容】
[0009] 本发明提供了一种基于新型极值函数指标的智能自整定PID室温控制算法，利用 智能自适应控制算法和PI/PID控制相结合的方法，不需要在线辨识环节。
[0010] 本发明所采用的技术方案如下：
[0011] 基于新型极值函数指标的智能自整定PID室温控制算法，包括以下步骤：
[0012] 1)构建智能自整定PID控制器；
[0013] 2)基于改进的极值函数指标函数，得到智能自整定PID控制器的权值的学习算 法；
[0014] 3)建立比例系数的实时调整算法；
[0015] 4)将所述步骤2)的权值的学习算法和步骤3)的比例系数的实时调整算法带入智 能自整定PID控制器进行实时调整，得到智能自整定PID控制器的实时输出。
[0016] 前述的步骤1)，智能自整定PID控制器是指将空调系统的期望输出与实际输出经 转换器转换为自整定算法所需要的输入，经权值学习以及比例系数的实时调整后，得到智 能自整定PID控制器的输出。
[0017] 前述的将空调系统的期望输出与实际输出经转换器转换为自整定算法所需要的 输入的表达式如下：
[0018]
【权利要求】
1. 基于新型极值函数指标的智能自整定PID室温控制算法，其特征在于，包括以下步 骤： 1) 构建智能自整定PID控制器； 2) 基于改进的极值函数指标函数，得到智能自整定PID控制器的权值的学习算法； 3) 建立比例系数的实时调整算法； 4) 将所述步骤2)的权值的学习算法和步骤3)的比例系数的实时调整算法带入智能自 整定PID控制器进行实时调整，得到智能自整定PID控制器的实时输出。
2. 根据权利要求1所述的基于新型极值函数指标的智能自整定PID室温控制算法，其 特征在于，所述步骤1)，智能自整定PID控制器是指将空调系统的期望输出与实际输出经 转换器转换为自整定算法所需要的输入，经权值学习以及比例系数的实时调整后，得到智 能自整定PID控制器的输出。
3. 根据权利要求2所述的基于新型极值函数指标的智能自整定PID室温控制算法，其 特征在于，所述将空调系统的期望输出与实际输出经转换器转换为自整定算法所需要的输 入的表达式如下：
(4) 其中，Xi(k) (i = 1，2,3)为自整定算法所需要的输入，r(k)为期望输出，y(k)为实际 输出，e(k)为偏差，k为采样时刻。
4. 根据权利要求2所述的基于新型极值函数指标的智能自整定PID室温控制算法，其 特征在于，所述智能自整定PID控制器的输出的增量式表达形式如下：
(5) 其中，Au(k)为输出增量，K为比例系数，cojk)为智能自整定PID控制器中权值，Xi(k) 为自整定算法所需要的输入量，k表示采样时刻； 所述Κ ω i (k)，Κ ω 2 (k)，Κ ω 3 (k)即为智能自整定PID控制器的积分系数、比例系数和微 分系数。
5. 根据权利要求1所述的基于新型极值函数指标的智能自整定PID室温控制算法，其 特征在于，所述步骤2)中，得到权值的学习算法的具体过程： 2-1)经过改进后的智能自整定PID控制器的新型极值函数指标J'如下：
(16) 其中：y(k+d)为k+d时刻空调系统的实际输出，r(k+d)为k+d时刻空调系统的期望输 入，d为总滞后时间，Au为输出增量，P为输出偏差的加权系数，Q为控制增量的加权系数； 2-2)使权值函数ω ' Jk)的修正沿着新型极值函数指标J'减小的方向，即对 i(k)的负梯度方向搜索调整，得到权值的学习算法如下： (19) (、)）
其中，W表示基于新型的极值函数指标的自整定PID控制器的积分系数的学习速率， (21) 以表示基于新型的极值函数指标的自整定PID控制器的比例系数的学习速率，￥表示基于 新型的极值函数指标的自整定PID控制器的微分系数的学习速率；k为零初态时过程输入 端加单位阶跃时输出响应的第一个值。
6. 根据权利要求1所述的基于新型极值函数指标的智能自整定PID室温控制算法，其 特征在于，所述步骤3)中，比例系数的实时调整算法为： K (k) = K〇+ a [r (k) -y (k) ] Vr2 (k) (24) 其中，为K的稳态值，α为待定参数。
7. 根据权利要求6所述的基于新型极值函数指标的智能自整定PID室温控制算法，其 特征在于，所述a的初始取值为&的1/10。
8. 根据权利要求1所述的基于新型极值函数指标的智能自整定PID室温控制算法，其 特征在于，所述步骤4)智能自整定PID控制器的输出为：
(22) 其中，
(23)。
【文档编号】G05B13/04GK104122795SQ201410337098
【公开日】2014年10月29日 申请日期:2014年7月15日 优先权日:2014年7月15日
【发明者】白建波, 王孟, 李洋 申请人:河海大学常州校区