一种微分可调pid控制器参数工程整定方法
【专利摘要】本发明提出一种微分可调PID控制器参数工程整定模型及方法。该方法采用遗传算法优化技术，通过仿真获得不同热工过程及PID控制器微分份额下对应的优化的PID控制器参数，并以优化的PID控制器参数作为样本，采用BP神经网络技术建立PID控制器参数工程整定模型，根据实际热工过程阶跃响应曲线的特征参数及选择的PID控制器微分份额大小，采用建立的神经网络模型计算PID控制器参数的整定值。采用本发明方法整定的PID控制器，其控制性能在快速性、稳定性和鲁棒性等方面都优于采用传统工程整定方法整定的PID控制器，并且能方便地调整PID控制器微分作用的大小，有效克服了传统PID控制器参数工程整定方法的不足。
【专利说明】
一种微分可调PID控制器参数工程整定方法
技术领域
[0001] 本发明属于热工自动控制技术领域，具体涉及一种微分可调PID控制器参数工程 整定模型及方法。
【背景技术】
[0002] 热工过程自动控制是保证热力设备安全和经济运行的必要措施和手段，当前热工 过程自动控制广泛采用的控制策略是PID控制，采用微分作用可有效改善过程控制性能。但 由于微分作用对噪声较敏感，工程应用中一般不宜过大。
[0003] 目前，传统PID控制器参数工程整定方法多采用Zielger与Nichols提出的Z-N法， 该方法可以得到初始的整定参数，但其在快速性、稳定性和鲁棒性等方面的控制性能并不 好，另外，传统的PID参数工程整定法无法调整控制器微分项的大小，不利于工程应用。
[0004] 本发明提出一种微分可调PID控制器参数工程整定模型及方法。该方法采用遗传 算法优化技术，通过仿真获得不同热工过程及PID控制器微分份额下对应的优化的PID控制 器参数，并以优化的PID控制器参数作为样本，采用BP神经网络技术建立PID控制器参数工 程整定模型，根据实际热工过程阶跃响应曲线的特征参数及选择的PID控制器微分份额大 小，采用建立的神经网络模型计算PID控制器参数的整定值。采用本发明方法整定的PID控 制器，其控制性能在快速性、稳定性和鲁棒性等方面都优于采用传统工程整定方法整定的 PID控制器，并且能方便地调整PID控制器微分作用的大小，有效克服了传统PID控制器参数 工程整定方法的不足。
【发明内容】
[0005] 发明目的：为了克服传统PID控制器参数工程整定方法整定效果较差，且控制器微 分作用大小不可调整问题，本发明提出一种微分可调PID控制器参数工程整定模型及方法， 使PID控制器具有更好的控制性能，且可以方便地调整PID控制器微分作用的大小。
[0006] 技术方案:提供了 一种微分可调PID控制器参数工程整定模型及方法，包括步骤：
[0007] 步骤1 :PID控制器的传递函数为
，s为复变量，Kp为比例系 数，h为积分系数，Kd为微分系数，并且满足
，其中a为PID控制器微分份额;采 用BP神经网络技术，建立以过程阶跃响应曲线的特征参数滞后时间t和惯性时间T。以及PID 控制器微分份额a为模型输入变量，以PID控制器参数KP、KdPKD为模型输出变量的神经网络 模型，并以该神经网络作为PID控制器参数工程整定模型；
[0008] 其中用于建立神经网络模型的辨识样本通过如下方法获取：
[0009] (1)神经网络模型输入辨识样本通过如下计算：
[0010] (11)设置热工过程传递函数
的两个参数To和n的取值范围，分别为： 1'0￡[10，110]、11￡[1，8]的整数，1'()为时间常数，11为过程的阶次，控制器微分份额范围为( 1￡ [0.15,0.25];1'〇、11和€[在上述范围内以等间隔的方式分别取若干值，并将1'()、11和€ [的取值配 对组合，共有N种不同组合，记每种组合中所对应的3个参数To、n和a的值分别为TQi、m和 ai， 以每种组合中的"：和!^作为热工过程传递函数的对应参数，得到N个传递函数
[0011] (12)通过仿真获得传递函数61(8)的阶跃响应曲线，并计算获得该传递函数的阶 跃响应曲线的特征参数Ti和1^，1 = 1，2,……，N;其中Ti为滞后时间，其值为阶跃响应曲线 上拐点处的切线与横坐标轴的交点值，TC1为惯性时间，其值为以阶跃响应曲线上的最大速 度，从起始值变化到最终平衡值所需要的时间；以LTca及与传递函数Gds)参数TodPm对 应的组合参数<^作为神经网络模型的输入辨识样本；
[0012] ⑵与Tl、TcdPai对应的神经网络模型输出辨识样本通过如下计算：
[0013] 由热工过程Gi(s)和PID控制器构成单回路负反馈控制系统，热工过程输入为PID 控制器的输出u(t)，输出为y(t)，PID控制器的输入为热工过程输出设定值r与y(t)之差，t 为时间；设定值r作单位阶跃扰动，采用遗传算法优化PID控制器的两个独立参数办和心，得 到对应于61(幻及PID控制器微分份额^下的优化的PID控制器比例系数K Pl和积分系数Kn， 并由下式计算对应的优化的微分系数1^值：
[0015] 并以KPi、Kn和KDi作为与Tili和ai对应的神经网络模型的输出辨识样本;上述遗 传算法以使如下的性能指标J最小为优化目标：
[0016] f' [r-v(t)f di + f 2 \r - y{t)\it ?Hj ' !
[0017] 其中0为常数，取0.8~2之间的值
[0018] 步骤2:对于实际被控热工过程，通过试验得到过程的阶跃响应曲线，计算阶跃响 应曲线的特征参数K、t和TuK为稳态增益;根据具体应用确定PID控制器微分份额a，将a，T 和Tc作为步骤1中神经网络模型的输入，得到神经网络的输出为Kp'、!^'和Kd'，则相应PID控 制器参数的整定值分别为
[0019] 在步骤1中三个参数T〇，n和a在各自的取值范围内，To分别取10、20、30、40、50、60、 70、80、90、100、110值，11分别取1、2、3、4、5、6、7、8值，€[分别取0.15、0.17、0.19、0.21、0.23、 0.25值，将To、n和a的取值配对组合，共有528种不同组合，即N=528。
[0020] 有益效果:采用本发明提出的方法可以建立一种微分可调PID控制器参数工程整 定模型，采用本发明方法整定的PID控制器，其控制性能在快速性、稳定性和鲁棒性等方面 都优于采用传统PID工程整定方法整定的控制器，并且由于增加了 PID控制器微分份额作为 整定模型的输入变量，可以方便地根据实际需要调整PID控制器微分作用的大小。
【附图说明】
[0021] 图1为PID控制器单回路负反馈控制系统。
[0022] 图2为PID控制器参数工程整定神经网络模型。
[0023] 图3为热工过程阶跃响应曲线及其特征参数。
[0024] 图4为本专利方法和传统Z-N法整定的PID控制系统被控量仿真曲线。
[0025] 图5为本专利方法和传统Z-N法整定的PID控制系统控制量仿真曲线。
【具体实施方式】
[0026] 下面结合附图对本发明的技术方案进行详细说明：
[0027]步骤1:由热工过程和比例积分微分(PID)控制器构成单回路负反馈控制系统，热 工过程输入为PID控制器的输出u(t)，输出为y(t)，PID控制器的输入为热工过程输出设定 值r与y(t)之差，t为时间，热工过程的传递函数为1
，1(为过程的稳态增 益，T 〇为时间常数，n为过程的阶次，s为复变量，P I D控制器的传递函数为
?s，KP为比例系数，K:为积分系数，K D为微分系数，并且满足：
其中a为PID控制器微分份额；
[0028]步骤2:设置热工过程传递函数模型的三个参数K、To和n的取值范围，分别为:K = l、TQG[l0，ll0]、nG[l，8]的整数，控制器微分份额范围为a G [0 . 15，0.25 ]，在上述范围 内，To 分别取10、20、30、40、50、60、70、80、90、100、110值，11分别取1、2、3、4、5、6、7、8值，€[分 别取0.15、0.17、0.19、0.21、0.23、0.25值，将1'0、11和€[的取值配对组合，共有528种不同组 合，记每种组合中所对应的3个参数To、n和a的值分别为T Qi、m和ai，以每种组合中的T0i和m 作为热工过程传递函数的对应参数，得到N个传递函数
，_i = 1，2，......，N，N =528 ;由此得到的神经网络模型的使用范围为:K为任意实数，t G (0，450)秒、Tc G (1 0， 750)秒。
[0029] 步骤3:通过仿真获得传递函数61(8)的阶跃响应曲线，并计算获得该传递函数的 阶跃响应曲线的特征参数L和T ci，i = 1，2，……，N，N= 528，其中^为滞后时间，其值为阶跃 响应曲线上拐点处的切线与横坐标轴的交点值，TC1为惯性时间，其值为以阶跃响应曲线上 的最大速度(即曲线上拐点处的速度），从起始值变化到最终平衡值所需要的时间；
[0030] 步骤4: WGds)作为步骤1中热工过程的传递函数，以步骤2中与传递函数Gds)参 数TodPm对应的组合参数^作为PID控制器微分份额，设定值r作单位阶跃扰动，采用遗传 算法优化PID控制器的两个独立参数办和心，得到对应于GKs)及PID控制器微分份额^下的 优化的PID控制器比例系数K Pl和积分系数Kn，并由下式计算对应的优化的微分系数1^值：
[0032] 上述遗传算法以使如下的性能指标J最小为优化目标：
[0033] J~P [' ['/' - v(/)]Jdt + f" \r - y{l)Vh J 0 J/j 1 i
[0034] 其中0为常数，取0.8~2之间的值
528；
[0035] 步骤5:以步骤3获得的传递函数Gi(s)阶跃响应曲线特征参数h、Td，和步骤2中与 传递函数仏(8)参数TodPm对应的组合参数^，作为神经网络的输入样本，以步骤4获得的对 应于Gds)和控制器微分份额<^的优化的PID控制器参数K Pl、Kn和KDl，作为神经网络相应的 输出样本，i = l，2,……，N，N=528,采用BP神经网络技术，建立以过程阶跃响应曲线的特征 参数滞后时间t和惯性时间T。以及PID控制器微分份额a为模型输入变量，以PID控制器参数 KP、KjPKD为模型输出变量的神经网络模型，并以该神经网络作为PID控制器参数工程整定 丰旲型；
[0036] 步骤6:对于实际被控热工过程，通过试验得到过程的阶跃响应曲线，计算阶跃响 应曲线的特征参数K、t和TuK为稳态增益，根据具体应用确定PID控制器微分份额a，将a，T 和Tc作为步骤5中神经网络模型的输入，得到神经网络的输出为Kp'、!^'和Kd'，则相应PID控 制器参数的整定值分别）
[0037] 假设实际被控热工过程为
_，通过试验得到该过程的阶跃响应曲 线，计算得到阶跃响应曲线的特征参数为K = 2、t = 75和1'。=179，选择?10控制器微分份额<1 =0.15，将a，t和Tc作为步骤6中神经网络模型的输入，得到神经网络的输出为KP ' = 1.336和 ^^?.?(^，计算得到/^，
，则相应PID控制器参数的整定值分别为
选择PID控制器微分份额a = 0.2， 将a，T和Tc作为步骤6中神经网络模型的输入，得到神经网络的输出为&' = 1.6034和1(1' = 0 . 009，计算得到
，则相应PID控制器参数的整定值为
，对于热工过程采用传统的Z-N 方法整定的PID控制器参数为Kp" =0 ? 486，Ki" =0 ? 0025，Kd" =23 ? 5。
[0038] 上述实施例的仿真结果如图4和图5所示，图4是本专利方法和传统Z-N法整定的 PID控制系统被控量仿真曲线，图5是本专利方法和传统Z-N法整定的PID控制系统控制量仿 真曲线。图4和图5表明，当设定值发生扰动时，根据本发明方法整定的PID控制器具有良好 的控制性能，并且，选择不同的PID控制器微分份额值，可方便地改变PID控制器微分作用的 大小。
[0039] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种微分可调PID控制器参数工程整定方法，其特征在于:包括步骤： 步骤1:PID控制器的传递函数为，s为复变量，ΚΡ为比例系数，K: 为积分系数，KD为微分系数，并且满足：，其中α为PID控制器微分份额;采用BP神 经网络技术，建立以过程阶跃响应曲线的特征参数滞后时间τ和惯性时间Τ。以及PID控制器 微分份额α为模型输入变量，以PID控制器参数KP、K#PKD为模型输出变量的神经网络模型， 并以该神经网络作为PID控制器参数工程整定模型； 其中用于建立神经网络模型的辨识样本通过如下方法获取： (1) 神经网络模型输入辨识样本通过如下计算： (11) 设置热工过程传递函数·的两个参数TQ和η的取值范围，分别为:T〇e [10,110]、ne[l，8]的整数，To为时间常数，η为过程的阶次，控制器微分份额范围为ae [0.15,0.25];1'〇、11和€[在上述范围内以等间隔的方式分别取若干值，并将1'()、11和€ [的取值配 对组合，共有N种不同组合，记每种组合中所对应的3个参数To、n和α的值分别为TQi、m和€4， 以每种组合中的!'〇 1和111作为热工过程传递函数的对应参数，得到N个传递函数(12) 通过仿真获得传递函数仏(8)的阶跃响应曲线，并计算获得该传递函数的阶跃响应 曲线的特征参数Ti和Td，i = 1，2，……，N;其中^为滞后时间，其值为阶跃响应曲线上拐点 处的切线与横坐标轴的交点值，Tea为惯性时间，其值为以阶跃响应曲线上的最大速度，从起 始值变化到最终平衡值所需要的时间；以Ti、T ci及与传递函数Gi(s)参数TQi和m对应的组合 参数<^作为神经网络模型的输入辨识样本； (2) 与^、^卩~对应的神经网络模型输出辨识样本通过如下计算： 由热工过程Gds)和PID控制器构成单回路负反馈控制系统，热工过程输入为PID控制器 的输出u(t)，输出为y(t)，PID控制器的输入为热工过程输出设定值r与y(t)之差，t为时间； 设定值r作单位阶跃扰动，采用遗传算法优化PID控制器的两个独立参数办和心，得到对应于 Gds)及PID控制器微分份额〇1下的优化的PID控制器比例系数KPl和积分系数Kn，并由下式 计算对应的优化的微分系数1^值：并以Kpi、Kli和KDi作为与Ti、Tc;i和ai对应的神经网络模型的输出辨识样本;上述遗传算法 以使如下的性能指标J最小为优化目标：步骤2:对于实际被控热工过程，通过试验得到过程的阶跃响应曲线，计算阶跃响应曲 线的特征参数Κ、τ和Τ。，K为稳态增益;根据具体应用确定PID控制器微分份额α，将α，τ和T。作 为步骤1中神经网络模型的输入，得到神经网络的输出为Kp'、!^'和KD'，则相应PID控制器参 数的整定值分别为2.根据权利要求1所述的微分可调PID控制器参数工程整定方法，其特征在于:在步骤1 中三个参数To，n和α在各自的取值范围内，Το分别取10、20、30、40、50、60、70、80、90、100、110 值，η分别取1、2、3、4、5、6、7、8值，〇分别取〇.15、0.17、0.19、0.21、0.23、0.25值，将1'〇、11和€[ 的取值配对组合，共有528种不同组合，即Ν=528。
【文档编号】G05B11/42GK105929683SQ201610459552
【公开日】2016年9月7日
【申请日】2016年6月23日
【发明人】雎刚, 钱晓颖
【申请人】东南大学