一种优化的pi控制器参数工程整定方法
【专利摘要】本发明提出一种优化的PI控制器参数工程整定方法。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对应的优化PI控制器参数，并以优化的PI控制器参数作为样本，采用神经网络技术建立PI控制器参数工程整定模型，进而实现PI控制器参数的工程整定，有效克服了传统PI控制器参数工程整定方法的不足。
【专利说明】
一种优化的p I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，具体涉及一种优化的PI控制器参数工程整定 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 过程自动控制中广泛采用的控制策略是PID控制，其算法简单，鲁棒性好，但由于微分项对 噪声较敏感，因而PI控制器的应用更为广泛。
[0003] PI控制器参数对控制性能有很大影响。PI控制器参数工程整定方法，由于使用简 单、方便，因而在工程中得到广泛应用。目前，传统PI控制器参数工程整定方法多采用 Zielger与Ni cho 1 s提出的Z-N法，该方法可以得到初始的整定参数，但整定值在快速性、稳 定性和鲁棒性等方面的控制性能并不好。
[0004] 本发明提出一种优化的PI控制器参数工程整定方法。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对应的优化PI控制器参数，并以优化的PI控制器参数作为 样本，采用神经网络技术建立PI控制器参数工程整定模型，进而实现PI控制器参数的工程 整定，有效克服了传统PI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PI控制器参数工程整定方法存在的不足，本发明提出一 种优化的PI控制器参数工程整定方法，使PI控制器具有更好的控制性能。
[0006] 技术方案:为了使PI控制器具有满意的快速性，同时保证足够的稳定性和鲁棒性， 本发明提供了一种优化的PI控制器参数工程整定方法，包括步骤：
[0007] 步骤1:PI控制器传递函数
，KP为比例系数，h为积分系数，s为复 数域内的复变量;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。为模型输入变量，以PI控制器参数办和心为模型输出变量的神经网络模型，并以 该神经网络作为PI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：
[0008] (1)神经网络模型输入辨识样本通过如下计算：
[0009] (11)设置热工过程传递函数：
两个参数To和n的取值范围，分别为:To G[l0, 110]、nG[l，8]的整数，To为时间常数，n为过程的阶次;To和n在上述范围内以等间隔 的方式分别取若干值，并将To和n的取值两两配对组合，共有N种不同组合，记每种组合中所 对应的二个参数To和n的值分别为T〇i和ru，以每种组合中的T〇i和ru作为热工过程传递函数 的对应参数，得到N个传递函数
[0010] (12)通过仿真得到热工过程传递函数Gds)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Tci，i = 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Ti和T&作为神经网络模型的输 入辨识样本；
[0011] (2)与^和!^对应的神经网络模型输出辨识样本通过如下计算：
[0012] 由热工过程Gds)和PI控制器构成单回路负反馈控制系统，热工过程输出为y(t)， 输入为PI控制器的输出u(t)，PI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，采用遗传算法通过仿真计算优化PI控制器的参数，得到对应 于热工过程传递函数Gi(s)的优化的PI控制器的参数K Pi和Kn，并以KPi和Kn作为与^和Tci对 应的神经网络模型的输出辨识样本，i = l，2,……，N，遗传算法以使如下的性能指标J最小 为优化目标：
[0014] 其中a为常数，取0.8~2之间的值：
，t2 = 3(Ti+Tci)，i = 1，2,……，N;
[0015] 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:稳态增益K、滞后时间t和惯性时间T。，并以t和T。作为步骤1中神经网络 模型的输入，计算得到神经网络的输出KpIPI^'，则相应PI控制器参数的整定值分别为
[0016] 所述步骤1 中，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，将To和n的取值两两配对组合，共有88种不同组合，即N=88。
[0017]该方法适用于一类有自平衡能力的热工过程。
[0018] 有益效果:采用本发明提出的方法整定的PI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 ？1控制器。
【附图说明】
[0019] 图1为PI控制器单回路负反馈控制系统。
[0020] 图2为PI控制器参数工程整定神经网络模型。
[0021] 图3为热工过程阶跃响应曲线及其特征参数。
[0022] 图4为本专利方法和传统Z-N法整定的PI控制系统被控量仿真曲线。
[0023] 图5为本专利方法和传统Z-N法整定的PI控制系统控制量仿真曲线。
【具体实施方式】
[0024]下面结合附图对本发明的技术方案进行详细说明：
[0025]步骤1:由热工过程和比例积分(PI)控制器构成单回路负反馈控制系统，热工过程 输入为PI控制器的输出u(t)，输出为y(t)，PI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，热工过程传递函数
1为过程的稳态增益，To为时间常数，n 为过程的阶次，S为复数域内的复变量，PI控制器传递函数为，Kp为比例系 数，K:为积分系数；
[0026] 步骤2: -般工业过程的滞后时间和惯性时间范围为t G (〇，450)秒，Tc G (1 〇，750) 秒，对应这个范围的传递函数模型T0，n的取值范围即为1'〇￡[10，110]、11￡[1，8]，所以设置 热工过程传递函数模型三个参数K，To，n的取值范围，分别为:K = 1、T〇G [ 10，110]、n G [ 1，8] 的整数，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，将To和n的取值两两配对组合，共有88种不同组合，记每种组合中所对应的 二个参数To和n的值分别为T〇i和m，以每种组合中的T〇i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
[0027]步骤3:通过仿真得到热工过程传递函数Gds)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Tci，i = l，2,……，N，N = 88,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，T&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；
[0028]步骤4: WGds)作为步骤1中热工过程的传递函数，设定值r作单位阶跃扰动，采用 遗传算法优化PI控制器的参数，得到对应于热工过程传递函数Gds)的优化的PI控制器参 数KPi和Kn，i = 1，2，……，N，N=88，遗传算法以使如下的性能指标J最小为优化目标：
[0030] 其中a为常数，取0.8~2之间的值
，t2 = 3(Ti+Tci)，i = 1，2，……，N，N = 88；
[0031] 步骤5:以步骤3获得的传递函数Gi(s)阶跃响应曲线上的特征参数^和Tci作为神 经网络的输入样本，以步骤4获得的对应于Gds)的优化的PI控制器参数KpjPKn作为神经网 络的相应输出样本，i = l，2,……，N，N = 88,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。为模型输入变量，以PI控制器参数&和心为模型输出 变量的神经网络模型，并以该神经网络作为PI控制器参数工程整定模型；
[0032] 步骤6: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 = 97和1 = 78，以t和T。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 ' = 0.7626和Ki ' = 0.0052，则相应PI控制 器参数的整定值为：
；对该热工过程采用传统的Z-N法 进行PI控制器整定，整定结果为:KP" = 0.74^PK/' = 0.0035。
[0033] 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PI 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PI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PI控制器具有良好的控制 性能。
[0034]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. 一种优化的PI控制器参数工程整定方法，其特征在于:包括步骤： 步骤1:PI控制器传递函数；KP为比例系数，K:为积分系数，s为复数域 内的复变量;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。为模型输入变量，以PI控制器参数&和1^为模型输出变量的神经网络模型，并以该神 经网络作为PI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?两个参数To和n的取值范围，分别为：ToG [10，110 ]、n G [ 1，8 ]的整数，To为时间常数，n为过程的阶次;To和n在上述范围内以等间隔的 方式分别取若干值，并将To和n的取值两两配对组合，共有N种不同组合，记每种组合中所对 应的二个参数To和n的值分别为T〇i和m，以每种组合中的T〇i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(12) 通过仿真得到热工过程传递函数GKs)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；以为神经网络模型的输入辨识 样本； (2) 与^和!^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PI控制器构成单回路负反馈控制系统，热工过程输出为y(t)，输入 为PI控制器的输出u(t)，PI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，采用遗传算法通过仿真计算优化PI控制器的参数，得到对应于热工 过程传递函数Gi(s)的优化的PI控制器的参数K Pi和Kn，并以KPi和Kn作为与^和Tci对应的神 经网络模型的输出辨识样本，i = l，2,……，N，遗传算法以使如下的性能指标J最小为优化 目标：其中a为常数，取0 ? 8~2之间的值，，t2 = 3(Ti+Tci)，i = l，2,……，N; 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:稳态增益K、滞后时间t和惯性时间T。，并以t和T。作为步骤1中神经网络模型 的输入，计算得到神经网络的输出Kp'和Kr，则相应PI控制器参数的整定值分别为2. 根据权利要求1所述的PI控制器参数工程整定方法，其特征在于:所述步骤1中，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，将1'()和11的取 值两两配对组合，共有88种不同组合，即N=88。3.根据权利要求1所述的PI控制器参数工程整定方法，其特征在于:该方法适用于一类 有自平衡能力的热工过程。
【文档编号】G05B13/04GK106054610SQ201610462901
【公开日】2016年10月26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