PID算法应用

PID算法应用（精选10篇）

PID算法应用 篇1

在工业生产中, 经常需要采用闭环控制方式来实现温度、压力、流量、间距等连续变化的模拟量控制, 无论使用模拟控制器的模拟控制系统, 还是使用计算机 (包括PLC) 的数字控制系统, PID控制都得到了广泛的应用。PID控制器是比例-积分-微分控制的简称, 具有不需要精确的控制系统数学模型, 有较强的灵活性和适应性, 以及程序设计简单, 参数调整方便等优点。积分控制可以消除系统的静态误差和改善系统的动态响应速度, 比例、积分、微分三者有效地结合可以满足不同的控制要求。

1 PID控制的PLC实现

在有模拟量的控制系统中, 经常用到PID运算来执行PID回路的功能。PID回路指令的编程和实现都非常方便[1], PID控制广泛应用于闭环控制系统中, PID控制器调节回路输出, 为了使系统达到稳定状态, 应让偏差e (给定值SP和过程变量PV的差) 趋于零。回路的输出变量M (t) 是时间t的函数, 它是比例项、积分项、微分项之和。

式中:M (t) 为PID回路的输出;Kc为PID回路增益;e为PID回路偏差;Minitial为PID回路初始值。数字计算机在处理这个函数关系式时, 必须先将连续函数离散化, 对偏差周期采样后计算输出值。式 (1) 经离散化之后为:

离散后的PID闭环系统见图1。式中包含9个PID监控参数, 构成S7-200的PID运算回路变量表, 见表1。

该指令有两个操作数:TBL和LOOP, 其中TBL是回路表的起始地址, LOOP是回路号。进行PID运算的前提条件是逻辑堆栈顶 (TOS) 必须是1, 见图2[2]。

2 PID程序实现

水箱需要维持一定的水位, 水箱里的水以变化的速度流出, 这就需要有一个水泵以变化的速度给水箱供水来维持水位不变。该系统的给定值是水箱满水位的50%时的水位, 过程变量由水位测量仪提供, 输出值是水泵的速度。给定值可以预先设定后直接输入到回路表中, 过程变量值是来自水位测量仪的单极性模拟量, 回路输出值也是一个单极性模拟量, 用来控制水泵速度。

由于水流控制的要求不是很高, 故采用PI控制[3], 初值取:Kc=0.25, Ti=30 min, Ts=0.1 s。系统启动时关闭出水口, 用手动方式控制水泵速度使水位达到满水位的75%, 然后打开出水口, 同时水泵控制从手动转到自动方式, 这种切换可由一个手动开关控制, 系统PID执行部分见图3。

2.1 输入量/输出量的转换和标准化

每个PID回路有两个输入变量, 给定值SP和过程变量PV。给定值通常是一个固定的值;过程变量与PID回路输出有关, 并反映出控制的效果。给定值和过程变量都是实际的工作量, 其大小、范围和工程单位都可能不同, 在进行PID运算前, 必须把它们都转化为符合回路表要求的标准浮点型实数。

1) 回路输入的转换。首先将给定值A/D转换后得到的过程变量整数值由16位整数转换成浮点数, 然后将实数格式的工程实际值为0~1.0之间的标准化实数, 实际标准化的公式为:

式中:RNorm为标准化的实数值;RRaw为未标准化的实数值;SPan为值域大小, 是最大允许的值减去最小允许的值, 通常对于单极性值为32 000 (典型值) , 双极性值为64 000 (典型值) ;Offset为偏置值, 对于单极性为0, 双极性值为0.5。

2) 回路输出值为一个控制量, 用来控制外部设备。PID运算的输出值是0~1.0之间标准化的实数值, 在输出变量传送D/A模拟量单元之前, 必须把回路输出变量转化为相应的16位整数, 这一过程实际是标准化的逆过程。

式中:Rscal为按工程量标定的实数格式的回路输出;Mn为回路输出的标准化实数值 (0~1.0) 。

2.2 PID水流控制程序

LD SM0.1//首次扫描时为ON

CALL 0//调用初始化子程序0

初始化子程序0, 装载PID指令的回路表

LD SM0.0//给定值存入累加器

DTR AC0, AC0//将32位整数转换为实数

/R 64 000.0, AC0//累加器中的实数实现标准化

+R 0.5, AC0//加上偏移量, 使其在0~1.0之间

MOVR 0.75, VD104//装入给定值0.75

MOVR 0.25, VD112//设定系统增益0.25

MOVR 0.1, VD116//装入采样时间0.1

MOVR 30.0, VD120//装入积分时间30.0

MOVR 0.0, VD124//关闭微分作用[4]

LDN T32

TON T32, 100//设定定时器32中断的时间间隔是0.1 s

ATCH 0, 21//设置定时中断 (中断号21) , 执行PID

ENI//允许中断, 子程序0结束

中断程序0

LD SM0.0

XORD AC0, AC0//清空累加器

MOVW AIW0, AC0//把待转换的模拟量存入累加器

LDW>=AC0, 0//如果模拟量是正数

JMP 0//将直接转为实数

NOT//如果不是正数

ORD 16#FFFF0000, AC0//先对AC0中的值进行符号扩展

LBL 0

DTR AC0, AC0//把32位整数转换成实数

/R 64 000.0, AC0//对累加器中的值进行标准化处理

+R 0.5, AC0//加上偏移量, 使其能在0~1.0之间

MOVR AC0, VD100//将标准化的过程变量

LD I0.0//启动PID

MOVR VD100, 0//回路表的起始地址为VD100, 回路号为0

LD SM0.0

MOVR VD108, AC0//输出值送到累加器

-R 0.5, AC0//加上偏移量

*R 64 000, AC0//按工程量标定累加器中的值

ROUNDAC0, AC0//将实数转化成32位整数

DTI AC0, AC0//把双整数转化成整数

MOVW AC0, AQW0//把16位整数写入模拟量输出寄存器 (DA)

3 结束语

本文给出了直接采用PID指令实现在PLC中应用PID控制器的方法, 是一种简单且经济的方法。PID控制算法有很强的灵活性, 可根据实际生产的需要, 采用PI, PD, PID等控制方式, 实现较高的控制要求。采用PI控制水流, 实践证明系统波动小, 响应快, 控制精度相对较高。

摘要：基于PLC在PID闭环控制方面的设计和应用, 给出PID控制的数学模型及其控制结构。采用PID控制系统的进水和出水, 实现自动调节, 保证系统水量稳定, 可以起到精确控制的作用。

关键词：PLC,PID,水流控制

参考文献

[1]常斗南, 李全利.可编程控制器原理及工程应用[M].北京:电子工业出版社, 2006.

[2]鲁远栋.PLC机电控制系统应用设计技术[M].北京:电子工业出版社, 2006.

[3]刘金琨.先进PID控制及其MATLAB仿真[M].北京:电子工业出版社, 2003.

[4]冯太合, 陈宇驹.西门子S7-200系列PLC[M].广州:华南理工大学出版社, 2004.

PID算法应用 篇2

PID控制在污水处理中的应用

本文作者利用可编程控制器PLC和组态软件MCGS完成了对含油废水系统电气控制的设计,并且在实际的应用中取得了很好的效果.

作 者：刘教瑜 蔡金萍 王鹏  作者单位：武汉理工大学自动化学院,湖北,武汉,430070 刊 名：科教文汇 英文刊名：THE SCIENCE EDUCATION ARTICLE COLLECTS 年，卷(期)： “”(12) 分类号：X52 关键词：PID   污水处理   可编程控制器   MCGS组态  

PID算法应用 篇3

摘 要：对发动机瞬态工况空燃比进行控制时，由于单缸汽油机本身固有的非线性和时滞环节，传统PID控制很难取得满意的效果，本文构造了一种带动态补偿的模糊PID控制器.首先搭建了单缸机仿真模型，并将模糊PID控制算法应用于空燃比控制中，以适应系统的非线性；然后针对单缸机系统中固有的时滞环节提出一种动态时滞补偿器，以降低时滞环节对系统的影响；再将该时滞补偿器耦合于模糊PID控制器中，应用于单缸机瞬态工况下的空燃比控制.仿真结果表明，改进的模糊PID控制器不仅能补偿系统中时滞环节带来的非最小相位影响，而且能很好地适应发动机系统的非线性特征，从而使控制系统的稳定性、准确性、快速性均得到了很大的改善.

关键词：空燃比控制；时滞补偿器；非最小相位特性；模糊控制

中图分类号：TK464 文献标识码：A

节能减排是目前的世界性难题，大量研究表明，对于汽油发动机，当空燃比处于理论空燃比（λ=14.7）附近时，三效催化剂的转化效率达到最高，排放性最好，且此时发动机具有较好的燃油经济性＼[1-5＼].为了使空燃比保持在理论空燃比附近波动，汽车发动机均已采用电喷系统进行空燃比闭环控制，而摩托车用单缸汽油机目前仍多采用化油器式发动机，相比于电喷发动机，其燃油经济性和排放性均较差.然而随着摩托车保有量的增加，其对环境和能源造成的压力越来越大，对摩托车发动机采用电喷系统，从而实现空燃比闭环控制也显得越来越重要.空燃比闭环控制系统设计的主要难点＼[6＼]在于：1）发动机系统是一种复杂的非线性系统，而经典PID控制为比例、积分、微分三个环节的线性组合，使得使用经典PID控制时，很难对复杂的非线性系统取得良好的控制效果；2）发动机燃烧过程中存在废气传输和氧传感器反应等延时，这相当于在空燃比闭环控制系统中引入一个时滞环节，使系统表现出非最小相位特性，降低系统的相角裕度，使系统趋向于不稳定的状态.

针对系统中的非线性与时滞问题，国内外已经有很多学者进行过相关方面的研究.文献[7， 8]采用了基于模型的设计方法，该方法的控制效果严重依赖于发动机模型精度，适应性较差.文献[9-12]针对系统的时变时滞环节，提出了一种动态滤波补偿器，但其仍使用传统PID进行控制，不能很好地适应发动机系统的非线性.本文以某款125cc化油器式单缸发动机为研究对象，建立平均值模型，对发动机瞬态工况下的空燃比控制策略进行研究.针对传统PID控制方法不能很好适应发动机系统时滞环节和非线性等缺点，提出一种带动态时滞补偿器的模糊PID控制策略，使控制器不仅能够对系统的时滞进行补偿，而且能够很好地适应发动机的非线性特性.

1 发动机模型的建立

为了便于仿真和控制器设计，需要对发动机建立仿真模型.目前应用最广泛的两类发动机模型为计算流体力学模型和平均值模型.计算流体力学模型能详尽地描述发动机流体力学特性，模型精度较高，但是建模过程很复杂，且计算量很大，很难满足控制系统的实时性的要求.而发动机平均值模型忽略了不同曲轴转角所对应的发动机状态，对发动机的单个工作循环进行研究，它对发动机的稳态和瞬态工况均能很好地描述，且模型精度能够满足控制要求.由于平均值模型具有表达形式简单，计算量小，实时性好的优点，被广泛应用于实时性要求较高的控制系统开发中.

本文以某款125cc单缸机为研究对象，依据试验数据建立了发动机仿真模型如图1所示，包括充气效率模型、燃油喷射模型、动力输出模型等，并根据单缸发动机的特点对进气波动、油膜蒸发等进行了改进.该模型与实验数据进行了对比，验证了其可靠性，可以用于下一步控制及仿真.

1 发动机模型的建立

为了便于仿真和控制器设计，需要对发动机建立仿真模型.目前应用最广泛的两类发动机模型为计算流体力学模型和平均值模型.计算流体力学模型能详尽地描述发动机流体力学特性，模型精度较高，但是建模过程很复杂，且计算量很大，很难满足控制系统的实时性的要求.而发动机平均值模型忽略了不同曲轴转角所对应的发动机状态，对发动机的单个工作循环进行研究，它对发动机的稳态和瞬态工况均能很好地描述，且模型精度能够满足控制要求.由于平均值模型具有表达形式简单，计算量小，实时性好的优点，被广泛应用于实时性要求较高的控制系统开发中.

本文以某款125cc单缸机为研究对象，依据试验数据建立了发动机仿真模型如图1所示，包括充气效率模型、燃油喷射模型、动力输出模型等，并根据单缸发动机的特点对进气波动、油膜蒸发等进行了改进.该模型与实验数据进行了对比，验证了其可靠性，可以用于下一步控制及仿真.

2 发动机空燃比模糊PID控制

发动机系统是一个非线性系统，且运行过程中模型参数表现出不确定性，对于单缸机而言，其循环波动比多缸机更大，这就对控制系统提出了更高的要求.在这里，本文采用模糊PID控制，其控制框图如图2所示.控制系统通过开环和闭环相结合的控制方法共同调节喷油量，从而达到调节空燃比的目的.其中，开环控制通过发动机进气压力和转速计算出基本喷油量，提高系统响应速度；闭环控制通过空燃比误差对喷油量进行反馈调节，提高空燃比调节的精度.实现空燃比闭环控制的关键是针对发动机非线性和时滞的特征设计出合理有效的闭环控制器，快速、准确地调节喷油量，从而达到精确控制空燃比的目的.

模糊控制器设计的主要任务是确定输入、输出隶属度函数和模糊控制规则表，即确定PID控制器的3个参数kp，ki，kd与系统偏差e（t）及偏差变化率（t）之间的模糊关系，在运行过程中不断检测（t）与e（t），利用模糊推理对PID控制器的3个参数进行在线智能整定，以满足系统运行过程中模型参数变化及不确定性对控制器参数变化的要求.本文经过大量实验，最后确定Δkp的模糊控制规则如表1所示，采用类似的方法，可确定Δki，Δkd的模糊控制规则表.

3 带时滞补偿的模糊PID控制

3.1 时滞模型分析

发动机燃烧过程中存在废气传输和氧传感器反应等延时，这相当于在空燃比闭环控制系统中引入一个时滞环节.由控制理论可知，当在闭环系统中引入了时滞环节，会减小开环系统的相角裕度，使系统表现出非最小相位特性，降低系统的稳定裕度，给控制系统的稳定性设计带来麻烦；另外，时滞环节还会减小闭环系统的带宽，而系统带宽越大系统反应越快，所以时滞环节会导致系统调节时间延长＼[6＼].总之，时滞环节的引入会给系统稳定性和快速性均带来不利影响.

发动机运行过程中对空燃比精确控制影响较大的时滞环节主要包括[9]：发动机循环延时τc，废气传输延时τg.对于四冲程发动机，发动机循环延时表示混合气在缸内滞留的时间，大小为τc=120/N，其中N为发动机转速.废气传输延时是指废气从排气门传输到氧传感器的时间，用τg表示，该值一般通过试验的方法获取，这里取经验值0.1 s.另外，氧传感器的响应时间一般被简化为具有固定时间常数的一阶线性系统，其传递函数可表示为：

Gs=1τss+1. （1）

其中，τs表示传感器的时间常数.

考虑氧传感器动态效应和时滞效应的AFR控制系统可以表示为下式：

τs（t）+y（t）=u（t-τ）. （2）

其中，y（t）表示实际的缸内空燃比，u（t） 表示传感器测得的空燃比.τ表示由发动机循环延时τc和废气传输延时τg组成的总的时间延时.

将式（2）写成传递函数的形式为：

Gs=11+τsse-τs. （3）

根据帕德近似，纯时间延时可以近似为下式：

e-τs∑ji=0-1i2j-i！j-i！i！τsi∑ji=02j-i！j-i！i！τsi. （4）

为了计算方便，这里使用一阶帕德近似.因此，时滞环节的传递函数可以近似表达为下式：

e-τs1-τ2s1+τ2s. （5）

结合式（3）和式（5）可得发动机系统中总的时滞环节传递函数模型：

Gs1-τ2s1+τ2s1+τss. （6）

3.2 时滞补偿器的建立

为了减小时滞环节对系统的影响，本文引入一个动态补偿器对时滞环节进行补偿，然后将该补偿器耦合于模糊PID控制系统中，构造一个新型的模糊PID控制器.

对时滞环节的补偿一直是控制理论研究的重要内容.Smith[8]于1957年提出经典的Smith预估控制方法，通过反馈的方式对时滞环节进行补偿，使被延迟了的被控量超前反映到控制器中，可以在理论上完全消除时滞对系统的影响.但在实际应用中，当控制对象模型与实际对象有偏差时，Smith预估器的效果会严重恶化，甚至会导致发散，特别是针对发动机这种具有非线性且模型不确定性的控制对象，Smith预估补偿器效果更差.对发动机系统中的时滞环节的补偿，已经有很多学者提出了比较可靠的时滞补偿器[8，10].针对如式（5）所示的时滞环节，文献＼[10＼]提到了如式（7）所示的动态滤波补偿器，并证明了该补偿器的可靠性与有效性.

（dndtn+cndn-1dtn-1+∑n-1j=0aj-n11ρcjdn-1dtn-1）e_（t）=-a12（ρ）∑n-1i=0∑ij=0aj-i-111ρcjdidtie（t）. （7）

其中，e（t），（t）分别为空燃比的实际误差和基于动态补偿时的滤波器误差，ρ=τ-1，a11（ρ）=2ρ，a12ρ=-τs，cj为延时环节的特征值.这里针对单缸机系统的特点将上述补偿器参数进行重新调试，由式（4）可得时滞环节特征值有两个，分别为：c0=-τ2，c1=-τs.将其代入式（7）计算可得如下时滞补偿器：

·t-τ2+2τst=-2ττsτ2+τ2st-τsτ2et. （8）

这里，τ和τs取文献[10-11]中的经验值，分别为：τ=0.5 s，τs=0.4 s.

3.3 带动态补偿器的模糊PID控制器

将上述时滞补偿器耦合于模糊PID控制器中，建立如图3所示的带动态补偿器的模糊PID控制器模型.

图3 带时滞补偿器的模糊PID控制系统框图

Fig.3 Control diagram fuzzyPID with

dynamic compensator

模糊PID控制器的模糊控制规则和主要参数仍然通过多次仿真试验来确定，以控制系统动态响应和超调量同时达到最佳为目标.经仿真试验，将经过改进的模糊PID控制的输入输出论域分别选取为：e（t）和（t）的基本论域为-5～5，-3～3；Δkp，Δki，Δkd 的论域分别取为-10～10，-0.5～0.5，-5～5，每个输入输出变量的隶属度函数取Gauss函数.其中kd对应的模型控制曲面如图4所示.图中E为误差，EC为误差变化率.kp和ki可根据类似的方法获取.

图4 模糊控制器的输入输出

Fig.4 Input and output of fuzzy controller

4 仿真结果与分析

为了验证改进模糊PID控制器的优越性，在发动机运行过程中突然改变节气门开度，对比使用不同控制策略时空燃比的动态响应特性曲线.算例1将节气门开度由40%减小到20%，如图5所示.仿真得到如图6所示过量空气系数变化曲线，使用PID和模糊PID控制器时，实际空燃比分别在节气门突变后2.9 s和2.3 s恢复到期望值.而采用时滞补偿模糊PID控制器时，实际空燃比在节气门开度突变后1.1 s即恢复到期望值.而且，采用时滞补偿模糊PID控制器后，过量空气系数最小值由0.908变为0.935，减小了空燃比的波动范围.

t/s

图5 模糊PID控制方法下的

节气门开度突然减小时的控制

Fig.5 Throttle control under the fuzzy PID method

when its opening suddenly reduced

t/s

图6 不同控制方法下的过量空气系数

Fig.6 Excess air coefficient under

different control methods

为了进一步验证控制系统在不同工况下的适应性，算例2考察了节气门开度增加的情况，如图7所示在运行第4 s突然增大节气门开度，并在0.5 s内从20%开度增加到40%.

t/s

图7 模糊PID控制方法下的

节气门开度突然增大时的控制

Fig.7 Throttle control under the fuzzy PID method

when its opening suddenly increased

图8表示了分别使用时滞补偿模糊PID控制和传统模糊PID控制器时的控制效果.当使用模糊PID控制器时，过量空气系数最大值为1.18，且需要在节气门变化后2.5 s左右才能恢复到初始值，而在使用改进后的模糊PID控制器时，过量空气系数最大值为1.1，且空燃比经过1.5 s即能恢复到初始值.

t/s

图8 无干扰情况下的仿真结果

Fig.8 The simulation results without the inteference

为了验证控制系统的抗干扰性能，在基本喷油量基础上叠加一个随机扰动量，得到空燃比变化曲线如图9所示.在随机喷油干扰下，使用改进后的模糊PID控制器时空燃比波动幅值更小，由此证明新的控制器具有更好的抗干扰能力.

t/s

图9 随机喷油干扰下的仿真结果

Fig.9 The simulation results with random inteference

5 结 论

本文将时滞环节的动态时滞补偿器耦合于传统的模糊PID控制器中，提出一种新的控制器，将改进后的模糊PID控制策略应用于某款125cc单缸发动机的瞬态工况空燃比控制中.当节气门开度突然减小时，实际空燃比1.1 s后即恢复到期望值.而且，采用时滞补偿模糊PID控制器后，过量空气系数最小值由0.908变为0.935.当节气门开度突然增大时，系统调整时间从2.5 s缩短到1.5 s，且超调量由0.18减小到0.1.仿真结果证明，该时滞动态补偿器能够很好地耦合于模糊PID控制器中，经过改进的模糊PID控制器不仅能很好地适应发动机模型的非线性特征，而且能够补偿系统的非最小相位特性，从而提高系统的稳定裕度，增大系统带宽.另外，当引入一个随机的喷油干扰量时，使用新的控制器能够有效减小空燃比波动幅值，可见本文提出的时滞补偿模糊PID控制策略也具有很好的抗干扰能力.

参考文献

[1] WANG T， LIN X， FENG X， et al. Research in fuel injection revision control of gasoline engine based on the electronic throttle during transient condition[C]//2010 International Conference on Computer， Mechatronics， Control and Electronic Engineering.Changchun， China， 2010： 285-287.

[2] SHAO J J， GAO S， TAN D R， et al. Airfuel ratio fuzzy PID control for coalbed gas engine based on fuzzy PID feedforward[C]// ICEEP. Guilin， China， 2013： 800-808.

[3] LI Y， SONG E Z， ZHANG Z H， et al. Study on the effect of fuzzy PID airfuel ratio closed loop control of a natural gas engine[C]//ICMCEI. Taiwan， 2014： 372-377.

[4] GAO S， LANG H， TAN D， et al. Study on airfuel ratio control of coalbed gas engine based on fuzzy PID control[C]//2011 International Conference on Remote Sensing， Environment and Transportation Engineering. Nanjing， China， 2011： 1624-1627.

[5] LI G， HE Y， JIANG G， et al. Research on the airfuel ratio intelligent control method for coke oven combustion energy saving[C]//2nd International Conference on Frontiers of Manufacturing and Design Science. Taichung， Taiwan， 2012： 2873-2877.

[6] KANEKO Y. Effect of airfuel ratio modulation on conversion efficiency of threeway catalysts[C]//SAE Technical Paper No. 780607， 1978.

[7] WOJNAR S， HONEK M. Nonlinear airfuel ratio predictive control of spark ignited engines[C]//International Conference on Process Control. Strbske Pleso， Slovakia， 2013： 225-330.

[8] SMITH O J M. Closed control of loops with dead time[J].Chemical Engineering Progress， 1957，53（5）：217-219.

[9] RAJAGOPALAN S S V. Model based control design and rapid calibration for air to fuel ratio control of Stoichiometric engines[D]. Columbus： The Ohio State University， M.S.， 2008.

[10]EBRAHIMI B， TAFRESHI R， MASUDI H. A parametervarying filtered PID strategy for airfuel ratio control of spark ignition engines[J]. Control Engineering Practice， 2012（20）： 805-815.

[11]YILDIZ Y， ANNASWAMY A， YANAKIEV D， et al. Spark ignition engine fueltoair ratio control：An adaptive control approach[J]. Control Engineering Practice， 2010（18）：1369-1378.

PID算法在高炉探尺上的应用 篇4

由于该系统为速度开环控制, 其缺点是:

1) 放尺或浮尺时不能对速度进行自动调节, 当因设备出现异常使传动机构阻尼发生变化时, 系统不会自动调节电机输出力矩, 从而导致探尺下落过快或过慢, 易出现倒尺、落尺太慢、探尺空中悬停、探尺不跟随料面等现象;

2) 系统无法判断探尺是否到达料面, 当塌料 (料面瞬间大幅下落) 时, 如果料面塌陷到设定料线以下, 探尺到料线即提尺, 就不能探测到真实料面;

3) 因无法判断探尺是否到达料面, 而放尺速度又过快, 以此速度到达料面会倒尺, 所以不得不增加了浮尺 (慢速下落) 环节, 而浮尺启动起点由系统根据上一次提尺位置加一次性上料厚度等运算而来, 如此一旦出现一次探料数据错误, 必然导致连续错误发生, 且浮尺力矩为预先设定的固定值, 不能自动调节, 传动部件阻尼稍有变化, 极易出现倒尺、不落尺、不跟随料面下行等故障。

而本系统在直流调速器的控制方式上, 放尺段采用的是速度闭环控制, 放尺时能够根据机构阻尼变化自动调节电机输出力矩, 既能使探尺匀速下落, 又能根据速度变化判断探尺是否到达料面而及时停尺, 从而省去了浮尺环节, 既解决了浮尺阶段故障率较高的弊端, 又能够判断是否到达料面, 而增加了数据真实性, 同时也大大提高了整套系统的可靠性。

1 探尺传动原理

北海诚德镍业1#和2#高炉各配有两套对称布置的探尺系统, 探尺的机械部分主要由探锤、链条、减速机、直流电机等组成。探锤在链条的牵引下在高炉内升降, 从而来探测炉内料面的位置。

在提尺和放尺时, 电机的力矩方向都是向上的, 放尺时, 由远程PLC系统输出可控的4~20m A电流到直流控制器的模拟量输入接口, 以控制直流电机输出力矩, 从而实现探尺放尺时起动加速、匀速放尺、到料面后停尺、跟随料面下移等功能。

其原理如下:

接入PLC系统的编码器实时采集探尺位移信息, PLC系统根据单位时间内位移运算出探尺下落速度, 此为反馈速度, 然后与设定速度对比 (每0.6秒比较一次) , PLC据此以PID方式调节并输出4~20m A模拟量电流给直流控制器, 该电流通过直流控制器即可调节直流电机输出力矩, 以达到调节探尺下落速度的目的, 从而实现探尺的速度闭环控制。

放尺分为如下阶段:

1.1 启动加速段

PLC收到放尺指令后, 立即输出4m A电流信号使电机产生最小力矩, 此时电机力矩小于探尺重力, 即M电

1.2 匀速下落段

起步段结束 (1s) 后, PLC自动进入速度PID调节, 使探尺以设定速度匀速下落。

1.3 到达料面停尺段

高速下落的探尺只有在接触到料面时速度会在0.6秒内大幅衰减, 所以可取给定速度与反馈速度差值 (绝对值) 大于设定值50%时, PLC即判断到达料面 (启动加速段不参与判断) , 此时, PLC加大电机输出力矩, 并维持5s时间, 该力矩和探尺本身的重力相当, 即M电=M机, 使探尺迅速停尺并直立于料面。

1.4 跟随料面下行段

到达料面5s后, 探尺立直稳定在料面, 若此时料面未到设定料线位置, PLC则输出小电流信号, 否则提尺。当料面下移时, 探尺失去支撑, 因此时探尺重力远大于电机上升力矩, 即M电

2 结语

该套系统现应用于北海诚德镍业1#和2#高炉上, 共计4套, 自投运至今, 系统稳定, 运行效果良好, 相对于其它探尺控制系统, 优势明显.实践证明, 使用直流电机配直流控制器, 并使用速度闭环控制模式在探尺的运用中相对于传统开环控制系统具有强大的优势, 是一种技术先进、经济合理的方案。

摘要：着重介绍了全数字直流调速装置以速度闭环控制方式在高炉探尺上的应用, 重点论述了如何实现探尺下落过程中的速度自动控制和系统如何判断探尺是否到达料面、并及时停尺的功能, 以及直流控制器参数设定、速度闭环控制系统的建立、系统调试等。

关键词：探尺调速装置,电路,控制,调试,塌料,倒尺

参考文献

[1]顾绳谷.电机及拖动基础[M].北京:机械工业出版社, 1982.

[2]陈伯时.自动控制系统[M].北京:机械工业出版社, 1981.

PID在工业自动控制中的应用 篇5

关键词：PID；工业自动控制

中图分类号： TP273 文献标识码： A 文章编号： 1673-1069（2016）13-131-2

1 PID工作的原理

PID控制器发展至今已经走过了约70年的历程，它之所以能够成为工业自动控制的主要技术之一，主要在于其自身所具备的结构简单、稳定性能强、调节方便、可靠等优点。在工业自动控制过程中，一旦出现无法完全掌控被控制对象的结构以及参数的情况，此时应用便利的PID控制技术可以对系统控制器的结构及参数进行判断，而判断的主要依据则是经验和现场调解。PID控制和PID调节是目前国内外工业自动控制中使用最为普遍的调节器控制规律，它们也被称之为比例、积分和微分控制。

2 选定PID被控参数

选择被控参数在设计控制方案的过程中是尤为重要的一环，对于工业企业生产的稳定、产品产量与质量的提升都起着决定性的作用，在自动控制的过程中，不管选用哪一种先进过程检测控制设备，也不管构成哪一种控制系统，只要没有正确选择被控参数，控制方案中所提出的控制成果都无法得到实现。影响控制参数值变化的因素比较多，但并不需要控制所有影响因素，精确地选定被控参数在这一系列过程中至关重要。在选择被控参数时，技术人员需深入分析生产工艺要求与过程，进而找出能够决定产品质量、产量、安全生产并能够将工艺生产状态较好体现出来的参数，这些被控参数一般而言难以通过人工控制来满足要求。在实际应用过程中，PID参数的选择并不是唯一的，当然也不是任意的，只有对生产工艺过程的特殊性进行深入地分析，才能够选定正确的PID参数。选定PID被控参数的普遍原则如下：

①在选择过程中，需选择能够决定产品产量、质量、安全生产的参数，同时这些参数还需具备可直接测量的特点。②如果在选择过程中出现无法将直接参数作为被控参数的情况，技术人员此时可选择一个与直接参数有线性单值函数对应关系的间接参数作为PID被控参数。③PID被控参数一定要具备足够高的灵敏度。④在选取过程中一定要对生产工艺过程的合理性和所用仪表的性能进行充分的考虑。

3 选择控制器P、I、D项

在进行具体过程控制时，确定并选用恰当合理的控制或控制组合能够满足现场控制的需要，同时也能够让现场过程值在较为理想的时间内跟定SP值。下面笔者将对PID各种控制规律的控制特点进行简单的归纳与总结。

3.1 比例控制规律（P）

比例控制规律（P）的优点在于能够较快地克服其他因素对过程控制的影响，它的作用对于输出值来说比较快，但无法很好地稳定在一个理想的数值。比例控制规律（P）也会造成一些不良的结果，即在有效克服扰动影响的同时会出现余差，正因为如此，其不适合应用于控制通道滞后较大、负荷变化较大、控制要求较高以及不允许被控参数有余差的场合。

3.2 比例积分控制规律（PI）

比例积分控制规律（PI）是目前工业自动控制中应用最为广泛的一种控制规律，它能够在比例的基础上将余差消除，但其与比例控制规律（P）一样，比较适用于控制通道之后较小、负荷变化不大的场合。

3.3 比例微分控制规律（PD）

比例微分控制规律（PD）比较适用于容量滞后或时间常数较大的控制通道，在微分项设置得到的情况下将微分引入并参与控制能够有效促进系统动态性能指标的提高。比例微分控制规律（PD）还可以促进整个控制系统稳定性的提高与动态偏差的减小。

3.4 比例积分微分控制规律（PID）

相较于以上三种控制规律，比例积分微分控制规律（PID）是一种较为理想的控制规律，它既能够在比例的基础上引入积分，进而实现消除余差的目的，同时还能够加入能够促进系统稳定性提高的微分作用。例积分微分控制规律（PID）比较适用于控制通道时间常数或容量滞后较大、控制要求较高的场合，如工业生产中的温度控制等。

4 PID调节参数对自动控制过程造成的影响

在使用比例调节进行控制时，曲线的变化会随着不断上升的调节比例值而逐渐迟缓，即调节作用在这一过程中呈现持续降低的状态，曲线震荡周期越长，其衰减也就越严重。如若此比例调节只是单纯使用了比例的作用，那么该控制系统稳定之后也会产生较大的余差。过小的比例值也会造成振荡周期的缩短，曲线波动愈加明显，其衰减比则会朝更小的方向变动。

在使用积分调节进行控制时，我们需对积分时间的重要性加以了解，且积分时间越长，积分作用会随之变弱。反之，积分时间缩短之后，积分作用也会逐渐变强，曲线震荡也会愈发明显，整个控制系统的震荡周期逐渐降低。但这并不意味着积分时间越短越好，一旦积分时间出现过短的情况，愈加强烈的曲线正当会导致系统操作不再具备较强的稳定性。过长的积分时间则会导致调节器只能发挥比例调节的功能。

在使用微分调节进行控制时，微分时间较为重要。与积分调节不一样的是，微分时间越长，其调节作用越发明显，震荡越发模糊，振荡周期缩短。过长的微分时间则会导致曲线振幅过渡增大，调节器的作用则会在这一阶段出现模糊的状况。

在工业自动控制具体实践过程中，控制系统不需要也不会应用到所有调节方式，大部分情况下只需要使用其中一到两种就能够达到控制要求。通过参数影响我们可以看出，如果不在调节过程中使用积分调节，就可以积分时间设定为无限大；如果不使用微分调节，则可将微分时间改成零；如果不使用比例调节，PID回路增益就可随之改设为零。

5 选定PID的最佳整定参数

正确地选定PID的最佳整定参数决定着PID控制器能否发挥有效功用，而Kc、TI、TD是PID最佳整定参数所常用的三个控制参数，如何在实际生产中找到这些合适参数一直是国内外工业应用PID的关键问题。经历过长期工作工程实践的技术人员通过定性分析各种控制规律对系统控制质量的影响而得出来的现场经验整定法在使用过程中十分有效，且已经得到了较为广泛的应用。在进行现场整定时，需保持PID参数按先比例、后积分、最后微分的顺序进行，在对现场过程值PV的趋势曲线进行观察的同时需对PID参数加以慢慢的改变，直到控制质量与生产要求相符为止。一般而言，需在具体整定中将积分项和微分项先行关闭，再将TI控制参数的数值设置为无穷大，同时将TD控制参数的数值设置为零，在这一过程中所使用的纯粹是比例调节。在整定初期可按照经验数据设定，之后再依据PV曲线的变化慢慢对比例及比例度进行整定与控制。当系统达到4：1衰减震荡的PV曲线时可先将比例度加大为原来的1.2倍左右之后再加积分作用，主要操作手段就是将TI由大到小进行调整。在必要的场合可能需要将微分作用引入，技术人员可将比例度调整至原来数值或更小，此时再将微分时间由小到大进行调整即可将PV的趋势曲线变化至满意状态。

6 结束语

综上，PID作为工业自动控制系统的基础部分与关键部分，其工作原理与具体应用值得深入分析与研究。笔者阐释了PID的工作原理，并从选定PID被控参数、选择控制器P、I、D项、PID的最佳整定参数等方面出发分析了PID在工业自动控制中的应用，希望能够为域内相关技术人员提供一些参考与启示。

参 考 文 献

[1] 端凯.探究PID在工业自动控制中应用的价值[J].电子技术与软件工程，2014，02：259.

[2] 刘红军.PID在工业自动控制中的应用[J].电子世界，

2014，18：483-484.

PID算法应用 篇6

遗传算法(Genetic Algorithm)是由J.H.Holland于20世纪60年代提出的一种优化方法。它模拟生物界“生存竞争、优胜劣汰、适者生存”的机理,用逐次迭代法搜索寻优。它具备下述特点[1]:(1)是对参数的编码进行操作,而非参数本身。(2)直接以目标函数作为目标值搜索。(3)从多个点开始搜索,搜索效率高,具有并行计算的特点。(4)有极强的容错能力。(5)使用概率搜索,其中的选择、交叉和变异都是随机操作,而不是确定的精确规则。

蚁群算法(Ant Colony Algorithm)是20世纪90年代由意大利学者M.Dorigo等人首先提出来的[2],它是从蚂蚁觅食的群体行为得到的启示。当一只蚂蚁从一条路径上走过时会留下信息素,其他蚂蚁走过也会留下信息素,前面蚂蚁的信息素对后面蚂蚁的行为起到指引作用,刚开始蚂蚁胡乱行走,蚂蚁多的路径信息素不断叠加,蚂蚁少的路径信息素逐渐挥发,最终所有蚂蚁走的路径会越来越集中,直到按一条最优路径行走,即算法上的收敛。该算法本身具有以下优点:(1)应用的广泛性:该算法基本可以解决遗传算法应用方面的所有问题,特别擅长离散寻优。(2)分布式计算特征:每只人工蚂蚁的搜索都是独立进行的,可最终的解不会受单个蚂蚁的影响。(3)易于与其他算法结合:很容易和其他算法结合,改善算法性能。

控制领域的PID参数优化是我们在控制中经常遇到的,它是连续空间寻优问题。本文将应用二进制编码遗传算法和一种求解连续空间的蚁群算法分别对PID参数进行寻优比较。

1 基于遗传算法的PID整定原理[3]

1.1 参数的确定及表示

首先确定参数范围,一般由用户给定,然后根据精度需要对其进行编码。若取二进制编码,则用每个二进制编码串表示一个参数,把所有二进制编码串连接起来组成一个长的二进制串,该字串为遗传算法操作对象。

1.2 选取初始种群

由计算机随机产生0～1之间随机数,规定0～0.5表示0,0.5～1表示1。根据计算复杂程度来确定种群规模。

1.3 适应度函数的选取

衡量控制系统好坏的性能指标:系统的稳定性、瞬态质量和稳态误差。同时,实际控制系统由于能量有限,其输出信号也不可能无限大。因此,给出系统的控制量、误差值和曲线上升时间作为约束条件,构造目标函数J(x)。目标函数确定后,将其转化为适应度函数f(x)进行寻优。最优控制参数就是在满足约束条件下使适应度函数f(x)最大时,x所对应的参数。

1.4 遗传算法操作

首先,用“轮盘法”进行复制,即通过适应度函数求适应度值,复制概率大的在下一代有较多的子代,少的会逐渐被淘汰。其次,按照Pc概率进行单点交叉。最后,按照Pm概率进行变异操作。初始种群样本经过复制、交叉及变异得到了新一代种群,将该代种群二进制码代入适应度函数。如此不断重复,当满足结束条件时则停止循环。

利用遗传算法优化kp、ki、kd的具体步骤如下:(1)根据经验确定每个参数的大概取值范围,根据精度要求确定编码长度。(2)由随机函数产生n个初始种群样本P(0)。(3)把种群编码换算成参数代入目标函数计算,获得函数值J,控制指标J越小越好。因为“轮盘法”复制概率要越大越好,同时J的计算值比较小,所以这里取适应度函数。(4)对种群P(t)进行复制、交叉、变异操作,生成下一代种群P(t+1)。(5)重复步骤(3)和(4),直至参数收敛或达到预定的指标。

2 基于蚁群算法的PID整定原理

基本蚁群算法是用来解决离散空间问题的,针对连续空间求解,这种算法的寻优要通过以下步骤实现。

2.1 连续空间离散化

我们以求解非线性规划问题为例进行说明,如下式:

使ailx1+a12x2+…+amxn≥bi(i=1,2,…,r)。这里F为任一非线形函数,约束条件构成Rn上的一个凸包,我们可以使用不等式变换的方法求得包含这个凸包的最小n维立方体,设该立方体为:

选取一定的子区间长度length,设,将该立方体第i维分量分成ki个子区间,其中的第j个子区间为[l1+(j—1)·length,min(uj,li+j·length)]。

2.2 转移概率准则

设共有m只蚂蚁,将解的n维分量看成n个顶点,第i个顶点代表第i维分量,每个顶点有ki个子区间,转移概率准则指蚂蚁从每个顶点按照一定的概率到其内部区间的转移,我们记其中第j条连线上在t时刻的信息量为τij(t),它随蚂蚁信息素调整在动态变化。每只蚂蚁都要从第1个顶点按照一定的策略选择该顶点的一个子区间,再从第2个顶点选择一个子区间……最终到达第n个顶点,选择第n个顶点的子区间,把所有子区间构成一条连线,即蚂蚁的路径。每只蚂蚁所走过的路径都代表一个解的每一个分量所在的子区间。根据下面公式选取第i个分量的值所在的子区间号j:

其中,q值在(0,1)内随机选取,q0是最佳分量值选取概率,例如可取q0=0.8,表示信息量最大的子区间以概率0.8被选中,其余的子区间选中概率为0.2。arg max{τij|≤j≤ki}表示分量i的信息量最大的子区间号。t时刻蚂蚁k在[1,ki]内选择j0区间的概率:

2.3 局部调整准则

局部调整在每只蚂蚁完成一次从顶点i到区间j的转移后进行,将所走过的区间上的信息素强度做如下局部更新:

其中,ρ0[0,1]为局部信息素挥发指数,局部更新的目的是降低被选中区间的信息量,减少蚂蚁搜索的停滞现象。

2.4 全局调整准则

全局调整在所有蚂蚁都完成一次搜索后进行,信息素更新准则:

信息增量△τij表示为:

表示本次循环中蚂蚁k在顶点i的j区间留下的信息量,它的计算公式根据模型而定,例如在最常用的ant circle system模型中:

式中,Q为比例系数;Lk为蚂蚁k在本次循环中所走的路径的长度。

2.5 候选组选择、交叉、变异[4]

将控制指标值转化为适应度值,在各个子区间已有的值中选择若干个适应度好的解的分量作为候选组,在候选组里随机选2个值,然后交叉、变异,获得1个新值作为解的相应分量。在每次迭代计算中,候选组值不断被更好的解的分量值更新。候选组选择、交叉、变异过程如下:(1)候选值的个数gi=0,即候选组里没有候选值,则产生1个[li+(j—1)·length,min(ui,li+j·length)]间的随机数作为解的分量值。(2)若gi=1,即候选组里只有1个候选值,则直接对这个候选值进行变异操作。(3)若gi=2,即候选组里有2个候选值,则直接对这2个候选值进行交叉、变异等操作。(4)否则,选择2个分量进行交叉、变异操作。

行交叉、变异操作。在选择操作中,根据候选组里所有候选值的适应度大小,用“轮盘法”选取2个值。设第j个值对应的解的适应度值为fi,则该解被选中的概率为。

在交叉操作中,设所选择的2个值为xi(1)和xi(2),其适应度分别为f1,f2,且f1>f2,我们以概率Pcross进行交叉操作.随机产生p∈[0,1],若pPcross,则不进行交叉操作,取xcross=xi(1)。

在变异操作中,以概率pmutate进行变异操作,随机产生p∈[0,1],若p

随机产生δ∈[-1,1],取:

这样可以保证选择、交叉、变异的结果仍在子区间中。

2.6 蚁群算法步骤

利用蚁群算法优化kp、ki、kd的具体步骤如下:

2.6.1 初始化

根据经验确定kp、ki、kd的取值范围,将每个变量区间分成k等份,设置蚁群初始参数,记所有变量每个区间的初始化信息素强度为τ0。随机产生M个初始解,计算解的适应度值,并确定M个初始解的各个变量所属的子区间,产生各个子区间上的相应变量的候选组。根据M个初始解的适应度值,进行第一次全局信息素更新。为了避免没有蚂蚁爬过的区间信息素下降到一个极小值,使解过早局部收敛,同时设定区间上信息素的下限值。

2.6.2 迭代过程

3 仿真实验

优化控制对象为一阶延迟传递函数,采样时间为1 ms,输入指令为一阶跃信号。为获取满意的过渡过程动态特性,采用误差绝对值时间积分性能指标作为参数选择的最小目标函数。同时为了防止控制能量过大,在目标函数中加入控制输入的平方项。选用下式作为参数选取的最优指标[3]:

式中,e(t)为系统误差;u(t)为控制器输出;tu为上升时间;w1、w2、w3为权值。

为了避免超调,采用惩罚功能,即一旦产生超调,将超调量作为最优指标的一项,此时最优指标为:

式中,w4为权值,且w4>>w1。

3.1 遗传算法运行仿真

采用二进制编码方式,用长度为10位的二进制编码串来分别表示3个决策变量kp、ki、kd。遗传算法中使用的样本个数为30,终止运行代数100,交叉概率和变异概率分别为:Pc、Pm。参数kp的取值范围为[0,100],ki、kd的取值范围为[0,1]。根据控制对象特征,这里取w1=0.999,w2=0.001,w3=0,w4=0。表1为Pc、Pm取不同值的仿真结果。

从表1的仿真结果可以看出,遗传算法在Pc、Pm取不同值的情况下,优化的性能好坏会有所差别,但是总体效果差别不大。这说明遗传算法优化PID参数调试简单,对参数调试要求不高,适合快速调试。

3.2 蚁群算法运行仿真

参数kp的取值范围为[0,100],ki、kd的取值范围为[0,1],每个变量区间进行100等分。设定样本个数为30,蚁群规模N=20,终止运行代数100,初始信息素强度τ0,全局信息素释放计算常数Q,全局信息素残留因子ρ,局部信息素挥发指数ρ0,最佳解分量值所在的子区间选择概率q0,交叉概率Pcross,变异概率Pmutate。根据控制对象特征,这里取w1=0.999,w2=0.001,w3=0,w4=0。表2为τ0、Q、ρ、ρ0、q0、pcross、pmutate取不同值的仿真结果。

从表2的仿真结果可以看出,蚁群算法也可用于PID优化,因为参数较多,所以调试比遗传算法复杂,当参数选择不匹配时,优化差别会很大,不适合快速调试。

4 结语

本文分别用遗传算法和蚁群算法对PID优化运算进行了仿真,结果表明2种算法都可以解决优化问题,而且优化性能差不多,但是蚁群算法的调试要比遗传算法复杂得多。在这里,蚁群算法的收敛速度也比不过遗传算法,不过蚁群算法作为一种新的热门算法,有很广阔的发展前景。

摘要：针对控制中PID优化问题,分别用遗传算法和蚁群算法进行了寻优,并进行参数调试比较,得出2种算法都可以进行寻优,但遗传算法操作上要比蚁群算法简单得多,而且收敛速度比蚁群算法快的结论。

关键词：PID优化,遗传算法,蚁群算法

参考文献

[1]姜长生,王从庆,魏海坤,等.智能控制与应用[M].北京:科学出版社,2007

[2]Dorigo M,Maniezzo V.Colorni A.Am system:optimization by a colony of cooperating agents[J].IEEE Transactions on Systems,Man,and Cybernetics,Part B.2012,42(6)

[3]刘金琨.先进PID控制MATLAB仿真[M].北京:电子工业出版社,2011

PID算法应用 篇7

PLC(Progarmmable Logic Controller) 称为可编程控制器。在市场经济的浪潮中, 客户要求产品的样式多样而且质量优越价格低廉。在20 世纪60 年代, 汽车的自动控制系统是有继电器硬件的电气控制装置组成的, 为了市场的刚性需求, 工业产品的式样不断的更新换代, 从而要求产品的生产线及附属的控制系统不断的修改甚至更换, 修改一天旧的生产线需要进行复杂的接线, 浪费材料又拖延施工周期, 增加了产品的成本[1]。

PLC是一种数字运算操作的电子系统, 专为在工业生产环境下的应用设计。它是采用可编程序的储存器,用来在其内部储存执行逻辑运算、顺序控制、定时、计数和算术运算等操作的指令, 并通过数字式、模拟式的输入和输出, 控制各种类型的机械或者生产过程。可编程控制器及其相关设备, 都应按易于使工业控制系统形成一个整体, 易于扩充其功能的原则设计。

2 PLC的工作原理及工作过程

2.1 PLC的组成

PLC型号的样式很多, 因为不同的PLC会有不同的作用, 但是实际上是一种计算机用来完成工业上的控制需要。所以大体上的内部结构无非是由5 个部分组成的:

(1) CPU:CPU进行逻辑运算及数学运算, 并起到综合处理控制系统的作用。

(2) 储存器: 存放逻辑编程的大部分程序以及自我诊断程序、逻辑运算的过程变量、中间变量、全局变量及其他的内容。

(3) 电源: 提供控制电源、UPS、本身自带的监控电源。

(4) IN/PUT元件: 输入元件是用来把模拟量或者开关量的信号进行过滤及信号转换; 输出的单元是对编程控制器的输出信号特殊的转换。驱动控制目标。输入的电路图由滤波电路、光电耦合与内部控制电路组成[4]。如图1 所示。

2.2 PLC的工作过程

可编程控制器在上电之后, 会进行一个内部自检的过程, 根据PLC上的状态指示灯可以看出来是逻辑上的错误即软件编程错误、逻辑编程错误、软件硬件不匹配错误。系统的归零, 初始化系统内部参数, 工作错误的清除, 栈、指针的归零等; 选择用户或者编程者需要的模式, 是RUN、ONLINE、OFFLINE的状态, 但是对于系统工作对客户编程的并无大碍[2]。

扫描周期是指在系统不存在内部、外部报错的情况下,CPU采样逻辑编程程序的一个循环。但不是所有的逻辑程序块都是运行同一个扫描周期, 逻辑编程中存在多个特殊功能块的内部编程是单独执行的, 例如:OB100的循环执行则是上电执行一次,OB80 出现内部错误诊断执行一次等。

PLC扫描循环有三个阶段, 根据图2 可以看出,PLC执行的客户程序是根据FBD的从左向右从上到下的顺序逐句执行的。

如图2 所示:

3 闭环控制PID算法

3.1 PID算法

由于PLC的要求越来越复杂, 处理运算效率越来越高, 即可以采用顺序控制的算法, 也能完成闭环控制功能。PID的系统构成如图3 所示。

PID(Proportional-Integral-Derivative) 是闭环控制总要用到的控制调节算法, 在温度调节、压力调节、流速调节等调节过程缓慢, 或者是速度调节、位移调节等调价迅速的都可以很好的适用与PID调节, 调节的效果是很好。

PID的计算方法一般是由三部分构成的, 第一部分是比例调节部分(P), 第二部分是积分调节部分(I) 和微分调节(D), 可是有的时候在实际工程调节中一般只需要调节P值就可以控制住输出, 或者是调节P值、I值,或者是调节P值、I值、D值同时调节。I值调节的可以使实际曲线与理想曲线纵向距离差值减少, 使Y轴的值更加接近。D值调节则是使系统的动态响应速度加快或者放慢, 就是所谓的调节剧烈程度。

3.2 PID调节的过程

在一些工业生产的过程中, 我们需要设定一个固定的流速或者温度, 那么如何控制住我们预设的值?那就是运用PID算法的调节来完成的。为了达到一个静态稳定系统, 需要运用传感器传输采集输入段数据, 温度、压力、液位、流量等, 运用编写好的PID程序发送到执行机构的输出信号, 通过反馈给执行机构的效果, 就是控制住了输入信号保持一个动态稳定的过程。这个过程会可以通过设定调节P值、I值、D值来使此动态平衡更快更准确的达到。

在塑料制造过程中, 常用在注塑机上, 注塑机的料缸中需要加热到一定温度塑料才能融化, 塑料融化的热能一般来源于料缸中螺旋的摩擦及料缸外面的加热装置。人们把料缸外面加热装置的控制系统成为惰性动态系统( 惯性大的系统), 在惰性动态控制系统中, 使用P值、I值的控制一般就可以到达满意的控制效果。

像反馈迅速的动态的位移控制系统则成为积极动态系统, 需要P值、I值、D值同时调节才可能完成的。

3.3 PLC的闭环控制的应用

(1) 编程设计相对容易, 可以针对不同的系统调节P值、I值、D值, 根据现场或者工艺需要进行不同的搭配调节, 使得系统有比较高的应用场合和反映速度。

(2) 参数调整相对简单, 易到达预期的调节目的。

(3) 程序设计简单, 直接套用即可, 没有繁琐的逻辑及计算运算, 实际工程中易于实现。采样周期的确定。根据“Shanon”定律可知, 采样频率需要大于或者等于采样信号中所含的最高频率的二倍才能还原出原来的信号, 用表达式表示为:ws32wMAX, 其中ws为采样时间, 是采样周期的最高频率。"Shanon" 定律理论简单,但是在现实工程中采样信号的最高频率很难被准确的确定。在实际工程中可以是用实验法画出控制系统的开环单位阶跃响应曲线, 根据开环单位阶跃曲线可以算出系统的时间常数"T"。

PLC实现闭环控制的算法是以连续的闭环控制曲线规律为依托, 然后归纳出离散的PID控制算法, 最后按照离散的PID控制算法进行编程。

连续闭环控制的方程用数学方法表达所示[1]:

式中m(t): 闭环控制算法的输出反馈;

e(t):误差值;

KP:P值参数;

TI:I值参数;

TD:D值参数;

PLC是采用周期扫描的方式进行的并不是一个连续的过程, 所以在PLC是按照指定的周期来采样, 把输入值代入到公示里面。可以把上面的式子转化成:

PLC在执行客户程序的时候, 考虑到在一个周期中要设计不一样的程序操作, 出现每个扫描周期的时间有可能不一样, 而且有时候差异比较明显, 所以影响到采样周期实际的间隔也不相同。由于采样时间在周期扫描里的不同对闭环控制运算的结果的影响[1], 化简为:

式子中De(n): 误差值;

Bs: 系统偏移量;

在PLC里面进行闭环PID控制运算可以直接按照上面的式子进行编程实现控制, 也可以选择套用PID指令实现闭环控制。

4 PID在实际的应用

4.1 工艺流程图中的PID

我们以西门子S7-300 为例, 说明一个工程项目以压力为输入值, 对一个电磁阀进行PID调节, 控制反馈压力在一个动态稳定的状态。根据工艺流程图一般在图纸上都会表明带有PID调节的控制变量是什么, 这里也以压力为例说明。工艺控制环节如图4 所示:

PIC 26830A是在PID输入环节的输入变量, 我们要求这个压力值要稳定在0.5Mpa, 而控制气体流量的阀门PV26830A则是一个受控的可调节的电磁阀,PT26830A的数值是PID环节中的实时采样数据。

4.2 程序中的PID控制

以西门子300 的编程方式为例, 西门子的PID调节分为两种。一是通过程序构建闭环调节运算, 运用西门子的PID程序块来完成, 我们称为软PID。另一种则是运用PID模块的板块, 在西门子硬件组态界面去编辑,就是俗称的硬PID[3]。

我们要在OB100 里定义一个“CONT_C”的一个PID功能块[4], 如图5 所示。

图中的PID块有多个引脚, 这些引脚将决定PID的调节方式、调节速度、比例调节、积分调节、响应速度等、输出值、输入值等。参数的设定取决于现场的实际要求,不同的工艺流程和工艺要求伴随着各引脚的操作参数是不相同的。

特别注意的是, 西门子的软PID调节也是跟其他功能一样有自己特殊的背景数据块, 这特殊的背景数据化才是PID调节的核心内部设置, 也是软PID通过编程可以完成更广泛的闭环控制, 我们一个通过两个或者多个输入来控制同一个输出, 也可以通过同一个输入参数来控制多个输出点, 完成更为复杂的PID闭环调节机构。西门子以DB块为基础, 才能达到PID调节的功能[5]。

5 结束语

PID调节是工业上较普遍的调节方式, 在各个种类的PLC中都有自己的PID调节的方法, 但是万变不离其中,PID算法在工业生产中的数学意义一直没有太大变化, 我们通过闭环控制可调节的阀门或者电机, 来达到工艺要求的标准[6]。PLC结合PID算法应用在生产中很好的将顺序控制和一些复杂的闭环控制轻松的完成。因此, 学习各类PLC的编程方式将是目前工控编程人员进步掌握工业自动化的一个基础。

参考文献

[1]廖常初.S7-300/400PLC应用技术[M].北京:机械工业出版社,2007.

[2]张丽珂,李冰.S7系列PLC基础教程[M].北京:机械工业出版社,2010.

[3]Siemens AG.SIMATIC组态硬件和通讯连接STEP 7V5.3版本手册[Z].2004.

[4]Siemens AG.S7-300模块数据手册[Z].2005.

[5]S7-300和S7-400的梯形图(LAD)编程参考手册[Z].2004.

PID算法应用 篇8

关键词：粒子群算法,PID控制器,克隆选择,参数优化

1 引言

PID控制器结构简单,对模型误差具有鲁棒性和易于操作等优点,推出半个多世纪以来在各个控制领域中得到了广泛的应用。PID控制器是按偏差的比例(P)、积分(I)和微分(D)通过线性组合构成控制量,对被控对象进行控制。这3个参数整定的好坏不但会影响到控制的质量,而且还会影响到控制器的鲁棒性。因此对PID控制器参数整定的研究成了人们关注的重要问题之一。

随着PID参数整定技术的不断发展,人们提出了各种各样的整定方法。常规的方法一般是基于模型或者基于规则的自整定,随着智能算法的发展,人们提出了一系列的PID自整定方法,如基于模糊规则[1]、基于神经网络[2]以及遗传算法[3]的自整定方法等等。

微粒群优化(Particle Swarm Optimization,PSO)算法具有算法简单易实现的优点,已经被应用于众多工程领域。本文将在原有算法的基础上提出一种改进的微粒群算法,将其应用于PID控制器的参数整定中。该算法克服了传统PID控制器参数寻优的不足,仿真结果表明该算法优于遗传算法的基本微粒群算法。

2 PID控制器描述

PID控制器基本系统原理如图1所示。

PID是一种线性控制器,它根据给定值rin(t)与实际输出值yout(t)构成控制偏差。PID控制器用离散型式的增量控制算式表示为:

其中:△u(k)是控制器输出地增量,e(k)是控制量偏差,Kp、Ki和Kd分别是比例常数、积分时间常数和微分时间常数。PID控制器的参数优化整定就是要寻找一个合适的Kp、Ki和Kd的组合,平衡控制系统的快速性和稳定性,减少超调,提高系统的响应速度。

3 算法描述

3.1 基本微粒群优化算法

微粒群算法(particle swarm optimization,简称PSO)是Eberhart和Kennedy等人模拟鸟类的捕食行为,于1995年提出的一种新的全局进化优化算法[4]。基本原理是:将优化问题的每个解作用一个粒子,每个粒子在n维空间中以一定的速度飞行,并通过一定的适应度函数来判断粒子位置的优劣,每个粒子根据自身的飞行经验以及群体的飞行经验来调整自己的飞行状态,向空间中的更优位置飞行。粒子自身经过的最优位置称为个体最优值(p Best),整个群体经过的最优位置称为全局极值(g Best)。粒子状态用D维速度vi=(vi1,vi2,…vi D)和位置pi=(pi1,pi2,…pi D)表示,每个粒子根据下面的公式更新自己的状态,从而产生新一代的群体。

其中:w是惯性权重,c1和c2为加速因子,r1d和r2d是在[0,1]范围内的两个随机数,k为迭代次数。为了防止粒子远离搜索空间,粒子的每一维速度vd都被限制在[-vdmax,vdmax]之间。

3.2 改进微粒群优化算法

PSO算法具有概念简单、易于实现、以及较强的全局收敛能力和鲁棒性等优点,但是它同时也具有智能群体算法的固有缺陷,容易陷入局部最优。为了克服粒子群算法的缺点,引入克隆免疫机制构造一种克隆免疫粒子群算法。免疫算法(Immune Algorithm,IA)是受到免疫系统启发而发展起来的一类仿生算法,该算法主要是模拟自然界生物免疫系统的机理和功能而实现的[5]。克隆选择算法是免疫算法中基于克隆选择学说而提出。由于克隆选择算法中存在着选择,克隆以及变异操作可以保证解的多样性。

本文的做法是在粒子群算法外部建立一个规模为初始粒子个数1/10的最优解集m。每当粒子群算法出现一个新的全局最优解g Best,就将其加入到最优解集中,替换最优解集中适应度最小的解,使最优解集中解的数目保持不变。设置一个变异阀值k,当g Best连续k代没有更新时就认为粒子陷入了局部最优,此时进行克隆选择操作。本文中的克隆、变异和选择按照以下定义进行:

定义1:克隆算子,将最优解集m中的每个粒子克隆复制10倍。

定义2:变异算子,对克隆复制后的每个粒子进行柯西变异,柯西密度函数为其中:t是尺度参数,并且t>0。经过柯西变异后,粒子pi变成p′i,p′i=pi+ηδk,式中:δk是由柯西方程产生的随机数,η是修正步长。

定义3:选择算子,用经过柯西变异后产生的粒子直接代替当前的所有粒子。

克隆免疫粒子群算法与基本微粒群算法不同的时,它在原有微粒群算法基础上加入了克隆免疫操作。当粒子群算法陷入局部最优时,对外部最优解集中的粒子进行克隆复制、克隆变异和克隆选择操作,提高了粒子的多样性,帮助算法跳出局部最优解,避免早熟收敛,提高了解的精度。

3.3 评价函数的选取

利用PSO算法来优化PID控制器的3个参数Kp、Ki和Kd,采用实数编码方式,粒子编码串为[Kp、Ki,Kd]。参数优化的目的是使阶跃响应的控制偏差趋于零,响应速度尽可能快,响应偏差尽可能小。采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,选用下式作为参数选取的最优指标[6]:

其中:e(t)表示系统误差,u(t)为控制器输出,tu为上升时间,w1,w2,w3为权值。

为了避免产生超调,采用惩罚功能,一旦产生超调,将超调作为最优指标的一项,此时最优指标为:

其中:w3为权重,且w4>>w1,ey(t)=yout(t)-yout(t-1),yout(t)为被控对象输出。

3.4 克隆免疫粒子群算法的PID参数优化步骤

应用克隆免疫粒子群算法实现PID控制器参数优化的算法流程如下:

Step1:在规定的搜索空间中随机初始化粒子群位置、速度、历史最优值p Best和全局最优值g Best,并确定PID控制器Kp、Ki和Kd的取值范围;

Step2:按照式(5)计算每个粒子的适应值,并根据适应值更新p Best和g Best以及外部最优解集m;

Step3:判断算法是否陷入局部最优,如果没有,则根据式(1)和式(2)更新粒子速度和位置;否则转式(5);

Step4:判断是否满足结束条件,满足则输出最优解,结束;否则转Step2;

Step5:对最优解集中的粒子进行克隆免疫操作。

Step5.1:根据克隆算子对最优解集中的每个粒子进行克隆操作;

Step5.2:根据变异算子对克隆后的每个粒子进行变异操作;

Step5.3:根据选择算子对变异后的每个粒子进行选取,更新当前所有粒子;

转Step4。

4 仿真实验

选取的仿真模型为模型的输入信号rin=1为阶跃信号,采样周期为0.001s。

基于MATLAB6.5进行仿真实验,比较了改进粒子群算法IPSO和基本粒子群算法BPSO以及遗传算法GA在PID控制器线性调节中的表现。算法参数设置:在PID参数优化过程中Kp取值范围为[0,60],Ki和Kd取值范围均为[0,1]。在GA算法中交叉概率pc=0.9,变异概率pm=0.033。在BPSO和IPSO中初始粒子种群均为N=30,进化代数为100代。惯性权重:

其中:wmax为0.94,wmin为0.32,itermax为算法执行的最大迭代次数,iter为当前迭代次数,随着算法的迭代次数增加w动态的减小,有利于加快算法收敛速度。在IPSO算法中变异阀值k=5,外部最优解集规模为3。评价函数的参数w1=0.999,w2=0.001,w3=2.0,w4=100。经过100此迭代,图2所示为三种不同算法优化PID参数的评价函数值收敛趋势图,图3所示为参数整定后系统单位阶跃响应的比较图,表1所示为三种方法参数整定和评价函数的最终结果。

从图2、图3以及表1可以看出:收敛速度、搜索能力以及在系统响应时间上改进的微粒群算法都要优于基本微粒群算法和遗传算法。

5 结论

本文基于克隆选择算子提出了一种改进的粒子群算法,其收敛速度和精度都优于遗传算法和基本微粒群算法,并有效避免了算法容易陷入局部最优的缺点。将其应用于PID参数整定,通过仿真实验证明了算法的可行性和有效性。

参考文献

[1]Linc,Xu J X,Hang C C.Comparison Between a Fuzzy PID Controller and a Kind of Nonlinear PID Controlle[rC].Proc36th IEEE Int Conf On Decision and Control S Diego(CA),1997.

[2]张世峰,李鹏.基于神经网络的自整定PID参数控制器设计[J].自动化仪表,2009,30(7):64-66.

[3]周志,干树川.基于遗传算法的控制参数优化研究[J].计算机应用,2007,27:191-192.

[4]Kennedy J,Eberhart RC.Particie Swarm Optimization[C].In:Proc.of the IEEE Int’1Conf on Neural Networks.Perth:IEEE Inc,1995:1942-1948.

[5]Dasgupta D.Artificial Immune System and Their Appli-cations[M].Springer-Verlag,1999.

PID算法应用 篇9

关键词：PID算法,船闸,控制

0 引言

在水利航运中,船闸用于平衡航道的上下游水位差,便于船只航行。船闸控制系统是非常复杂的控制系统,在系统的安全、稳定和可靠性方面有特别高的要求,任何故障都会导致整个航运系统的中断。目前在船闸控制中都会采用PLC作为控制器,提高了系统的安全性,但是在闸门开启和关闭的过程中,闸门运行速度基本保持不变。这种控制方式不仅会影响船只通过的效率,而且在启闭过程中由于闸门频繁与边缘碰撞使设备过快磨损,导致系统的维护工作量增加,系统可靠性降低。

本文主要研究在人字门船闸控制中运用先进的PID算法,通过变频器控制闸门以“慢-快-慢”的步骤运行,使2扇人字门的控制更加柔性和协调,保证系统更安全和更可靠运行。

1 PID控制的原理

1.1 传统PID算法

PID是经典控制策略,也是用于过程控制最有效的策略之一,在工业控制中得到了广泛的运用。PID控制器由比例、积分和微分单元组成。它结构简单、稳定性好、工作可靠、调整方便。PID控制器的结构框图如图1所示[1]。

图1中r(t)为给定值;e(t)为控制偏差;u(t)为控制输出;c(t)为实际输出。

PID控制器是线性控制器,它根据给定值r(t)与实际输出值c(t)构成控制偏差:

将图1中的控制偏差e(t)与比例环节P,积分环节I和微分环节D通过线性组合构成控制量输出,对被控对象进行控制,故称为PID控制器。其控制规律为:

式中:TI,TD为积分和微分时间;Kp为比例系数。

PID控制器各校正环节在控制过程中都对输出值产生影响:1)比例环节Kp即实时成比例地反映控制系统的偏差e(t),偏差一旦产生,控制器立即产生控制作用,以减少偏差。2)积分环节TI主要用于消除静差,提高系统的误差度。积分作用的强弱取决于积分时间,积分时间越大,积分作用越弱,反之则越强。3)微分环节TD能反映偏差信号的变化趋势,并能在偏差信号变得太大之前,在系统中引入1个有效的早期修正信号,从而加快系统的动作速度,减小调节时间。

1.2 实现PID控制的方法

随着计算机技术的不断发展和性能的飞速提高,计算机在现代控制领域中有了广泛的应用。因此现代的PID控制器都采用计算机程序控制,即数字PID控制。计算机的A/D和D/A接口取代了模拟控制器的输入输出接口,使得对模拟PID控制器的研究变成了对数字PID控制算法的研究。

实现PID控制的方法有硬件和软件2种[2]。硬件PID模块是相对独立的PID控制器,具有脱离CPU独立运行的特点,节省CPU资源,控制精度高,稳定性好。PID硬件模块用于实时性要求高的场合,但需额外付费购买。软件PID模块是编程软件中提供的系统子程序。若编程软件未提供PID子程序,也可以根据数字PID控制原理自行编写程序。利用软件方法实现PID控制,算法很方便,性价比更高。因此在船闸控制中一般采用软件模块方式实现PID控制。

在现场控制过程中,由于被控对象的结构和参数不能完全掌握,PID控制器的结构和参数必须依靠经验和现场调试来确定。

2 船闸控制中数字PID的应用

2.1 数字PID在船闸中的应用原理

船闸系统是基于PLC控制的,可以通过软件编程实现PID的控制策略,构成的软件控制器不仅会使控制过程变得十分灵活,同时也非常的智能化。PID是闭环控制算法,因此要实现PID算法,必须在硬件上具有闭环控制,即反馈控制。闸门开度仪传感器用于采样船闸闸门的开度值,将结果反馈到控制系统上。

船闸电机的PID控制系统示意图如图2所示。

闸门运行时,每隔0.1 s就采集闸门开度仪的反馈信号,将反馈信号与给定信号的偏差输入给PID控制器模块,PID控制器计算后由模拟量模块输出4~20 m A的电流信号给变频器,变频器通过其输出频率控制电机的速度,并传送至闸门液压系统调节油量输出,进而调节活塞杆的行进速度,从而达到自动调节闸门变速的目的。

在闸门控制中,对调节时间的要求不是很高,所以一般不用微分环节,而采用P或PI控制器。

2.2 PID算法的改进

为改善系统的控制品质和效率,在上述基本PID调节上做了一些改进[3]。

2.2.1  采用部分快速控制的 PID 控制

在闸门开启和关闭的初期,此时开度偏差很大,用开关控制的方式快速调节,使系统迅速减小偏差。在本控制系统中,如式(3)所示:

当闸门开度偏差大于全开值的15%时,采用快速调节,即让PLC输出20 m A电流,使电机全速运行,有效保证闸门运行速度;当闸门开度偏差小于等于预设全开值的15%时,采用PID算法进行控制,逐渐降低PLC输出的电流值,闸门运行速度开始下降,直到达到开度给定值时电机速度降到0,闸门自动停止。

2.2.2  采用积分分离的 PID 控制

偏差较大时,在积分项的作用下,将引起系统过量的超调和不停的振荡。为此,可采用积分分离对策。本系统设计当闸门开度偏差大于预设全开值的8%时,取消积分作用,如式(4)所示:

2.2.3  采用带死区的 PID 控制

为避免调节频繁而引起系统振荡,采用带死区的PID控制,使偏差在一定范围内不调,即式(5)所示:

在闸门运行过程中,可能受到一些因素(如上下游水位差、闸门运行阻力等)的干扰,会在一定范围内波动。确定一定范围的不灵敏区,可防止对电机频繁调节和误调。不灵敏区不能过大,过大将使系统反应麻木,静态误差偏大;但如果太小又难以达到预期的目的。作者考虑系统调节稳定的同时,充分考虑到系统最大允许的静差,即开度偏差的最大容忍度B。经多次实验,将B值定为设定全开值的0.5%。

3 软件编程及仿真

3.1 闸门开启

闸门启动运行要求为“慢-快-慢”的节奏。为了避免启动电流过大,闸门刚开始启动时,控制电机低速启动,在程序中控制PLC首先输出8 m A电流,通过变频器使电机的速度由0逐渐增加到25%;在开度信号达到预设全开值的5%后,使PLC输出20 m A电流,液压系统流量增加到100%,采用快速调节控制的PID,使闸门的运行速度得到大幅提高,使闸门能快速运行;在闸门开度偏差小于15%时,采用积分分离的PID算法控制,闸门开度仪的反馈信号与预设全开值比较,将差值送到PID控制器中,逐渐降低PLC输出的电流信号,闸门运行速度开始下降;在闸门开度偏差小于8%时,采用PID算法,闸门运行速度继续下降,直到达到开度给定值时电机速度降到0,闸门自动停止。在应用PID算法过程中,带死区的PID控制策略一直贯穿于控制中,避免频繁调节,保证系统的平稳运行。

在整个过程中,绝大部分时间内闸门都全速运行,有效保证船只过闸时的效率,变频器在闸门开启初期时使电机处于低速运行,避免电流过大对电机的冲击;PID算法应用在闸门开启后期,速度逐渐降低至0,闸门平稳到达给定开度。

编程实现上述控制,闸门开启软件流程图如图3所示。

3.2 闸门关闭

关闸门是开闸门的逆过程。另外还要考虑2扇闸门的同步问题,确保2扇门同时关闭。

在关闸门时,将一扇门作为主动门,另一扇门作为跟随门。根据主动门的当前开度,应用PID算法控制跟随门的运行速度。主动门的关闭运行与开启时的算法相似,跟随门的关闭运行以主动门的开度为输入信号,由PID控制器整定后得出的微调值加上PLC控制给定的基值经比例放大信号处理后线性地调整跟随门的活塞杆行进速度,保持和主动门一致,达到同步变速的效果,保证在关闸时2扇闸门平稳合拢。

4 结语

实践结果证明基于PLC的PID控制器能够较好地完成对闸门启闭的控制。在工程现场,为了满足对超调量、稳定性、响应速度等性能指标的不同要求,还可以将模糊控制结合传统的PID控制,从而取得更好的效果。

参考文献

[1]胡寿松.自动控制原理[M].北京:国防工业出版社,2010:80-98.

[2]廖常初.S7-300/400PLC应用技术[M].北京:机械工业出版社,2006:389-400.

PID算法应用 篇10

1、总体设计

设置电机要达到的运转速度, 通过在输入电路的键盘上输入相应的运转值, 同时电机的测速装置即速度传感器将电机当前的速度反馈给主单片机, 比较得到速度偏差, PID算法输出的控制量送到单片机中实现P W M波形, 产生驱动控制信号。硬件包括单片机、PWM波调制电路、电机功率驱动电路、转速测量装置、显示电路、键盘输入与控制电路等部分。系统总体框图如图1所示。

采用传感器与单片机定时/计数器配合来测速, 产生与转速相对应的脉冲。电机每转一圈电子器件便利用自身的特点转换成一个个矩形脉冲信号, 利用P I D算法计算出转速偏差, 送单片机产生PWM波, 经驱动放大, 使电机运转。优点是外部硬件少、生产成本低、体积小, 利用单片机更利于改变控制方式。

2、直流电机驱动电路设计

驱动电路功能是将前级电路的输出信号进行功率放大, 然后向后级负载提供功率驱动信号。本系统采用集成电路驱动模块L298驱动直流电机。内部包含四相脉冲分配器及斩波驱动控制电路, 能接受标准TTL逻辑电平信号, H桥承受电源电压是46V, 相电流达2.5A, 用于驱动电感性负载。

3、软件设计

3.1 PID控制算法设计

数字PID调节器结构简单, 参数易于调整。将其移植到单片机控制系统, 通过软件编程实现, 根据经验在线调整参数, 灵活性强。采用数字PID调节算法, 根据经验和实践, 在线整定参数, 具有很强的灵活性。PID控制的理想微分方程为:

以和式代替积分, 以增量代替微分, 可用软件编出PID算法。

数字PID程序流程图如图2所示。

3.2 脉宽调制控制程序设计

通过开三个中断, 把外部中断0作为优先级中断, 作为响应外部数据输入。采用软件编程实现PWM波形, 利用两个2个定时器轮流中断来产生高低电平, 输出矩形波。初始化存放数据的地址, 将数据装载到定时器启动定时/计数器, 产生PWM波。

3.3 数据发送软件设计

采用ZLG7289通过串行接口方式进行接收和发送数据, 且数据的输入和功能控制都要求优先执行。因此设置优先级中断INT0做硬件联络线, 其CS、CLK、DIO、KEY分别用P0.1、P0.2、P0.3、P3.2连接。模拟串口进行发送和接收数据, 其中发送部分程序如下:

4、系统测试分析

实验选用额定电压为+12V的直流电机。经测试可知, 示波器观察PWM波形的周期为65.535ms, 占空比随发送到从CPU的数据不同而不同。通调试运行, 能够达到控制电机转速的目的。在测试运行时, 选取电机调速控制8组数据, 如表1所示。

由表1可看出, 电机给定值与实际转速值最大误差为15, 最大相对误差在1%以内, 满足精度要求。测试结果证明, 该系统具有良好的稳态性能。

5、结语

基于数字PID控制算法得到驱动控制信号, 运用软件编程的方法实现PWM波的生成, 提出系统软硬件实验实现的方案, 并成功的通过测速装置精确的测得电机转速, 系统可以产生良好的调制信号驱动电机, 控制电机转速。实验证明, 电机可灵敏快捷的达到预先设定的转速。

参考文献

[1]M Hinkkanen.Analysis and design of full-order flux observ-ers for sensorless induction motors[J].IEEE Trans.Ind.Applicat. (S0278-0046) , 2004, 51 (5) :1033-1040.

[2]M Hinkkanen, J Luomi.Stabilization of regenerating-modeoperation in sensorless induction motor drives by full-orderflux observer design[J].IEEE Trans.Ind.Applicat. (S0278-0046) , 2004, 51 (6) :1318-1328.

[3]M Hinkkanen, V-M Leppanen, J Luomi.Flux Observer EnhancedWith Low-Frequency Signal Injection Allowing Sensorless Zero-Frequency Operation of Induction Motors[J].IEEE Trans.Ind.Applicat. (S0093-9994) , 2005, 41 (1) :52-59.

[4]Xiaohong Nian, Tao Wang, Jian Wang, Weihua Gui, Jirong Huang.Adaptive Resistance Estimation Method for Speed SensorlessDTC Controlled IM Drives[C]//IEEE Applied Power ElectronicsConference.USA:IEEE, 2007, (2) :214-221.