PID过程控制（通用10篇）
PID过程控制 篇1
0 引言
锌液除铁是在硫酸锌溶液中通入氧气Fe2+把氧化为Fe3+, 加入锌焙砂调节p H值控制水解形成针铁矿聚合物沉淀的过程[1,2,3]。反应过程中对溶液环境要求苛刻, 溶液中Fe2+浓度、Fe3+浓度、p H和温度等条件必须保持在一定范围之内。沉铁工艺复杂、流程长, 主要靠现场工作人员依据出口铁离子浓度和生产经验操作, 氧气添加量不但会影响Fe2+浓度, 同时会影响p H值, 锌焙砂也会影响Fe2+浓度和p H值, 这是一个耦合控制关系, 难以稳定控制, 导致沉铁过程优化控制困难, 锌焙砂和氧气消耗大, 甚至无法保证出口铁离子浓度满足电解生产要求[4,5,6]。
PID神经网络是由比例 (P) 、积分 (I) 、微分 (D) 神经元组成, 同时具有PID控制和神经网络的优点。对于多变量强耦合时变系统, PID神经网络可在学习过程中根据网络输出性能实时调整控制参数, 直至系统达到满足要求的静态和动态性能, 从而达到系统解耦控制的目的[7,8]。
本文利用PID神经网络解耦控制技术对这两个回路进行解耦控制。仿真结果显示PID神经网络解耦控制器效果良好, 具有较好的跟随性和鲁棒性。
1 锌液除铁工艺过程
沉铁工艺采用的5个沉铁反应器沿着溜槽呈高低状依次分布。沉铁后液经浓密机进行固液分离, 部分底液作为晶种返回1#反应器, 反应器内通入常压氧气以氧化Fe2+, Fe3+则以针铁矿形式逐步沉淀, 为保持沉铁溶液的酸碱平衡, 需向前4个反应器添加中和剂, 每个反应器出口亚铁离子必须保持在一定范围之内。
沉铁过程反应器内发生的3个主要化学反应为Fe2+的氧化反应、Fe3+的水解反应和H+的中和反应, 这三个反应之间存在着强耦合关系。
2 锌液除铁过程耦合模型
选取1#反应器为代表作为研究对象, 其输入量有:氧气流量和锌焙砂添加量;输出量有:亚铁离子浓度和p H值。硫酸锌溶液中通入氧气把Fe2+氧化为Fe3+, 当氧气流量增加时使Fe2浓度降低, 同时也使p H值升高。同样, 锌焙砂的添加量也会引起Fe2浓度的变化。这两个控制子回路组成了一个不可分割的整体, 共同保证除铁的效果。该过程是一非线性复杂的时变控制系统。系统在实施控制中, 氧化控制和p H控制分别能够引发p H变化和氧化反应变化。
3 PID神经网络
PID神经网络是典型的三层前向神经网络, 包含许多PID子网[8,10]。对于一个n输入n输出的多变量被控对象, PID神经网络解耦控制器为2n×3n×n结构的网络, 即输入层有2n个输入神经元;隐含层有3n个处理神经元, 比例元、积分元、和微分元各n个;n个输出神经元。各子网络的输入层至隐层相互独立, 但隐含层至输出层则是相互交叉连接的, 使整个网络结合为一体。每个子网有两个输入, 分别为给定值和被控量, 控制器的输出为网络输出层, 完成解耦控制工作。
4 PID神经元网络的系统仿真
PID神经元网络控制器和锌液除铁系统构成的闭环控制系统如图1所示。
图1中r1, r2表示控制量的控制目标, 为Fe2+浓度和p H值, u1, u2表示PID神经网络的输出值, 为控制器的控制率, 用来控制氧气和锌焙砂的加入;y1, y2表示控制量的当前值, 为实际系统输出的Fe2+浓度和p H值。PID神经网络控制量的初始值为[13, 1.5], 控制目标为[8 3], 控制时间间隔为20min, 网络权值学习率n=0.06。
从图2可以看出, PID神经元网络控制取得了满意的效果, 控制量不仅迅速逼近控制目标, 而且响应时间较短, 超调量减小。
5 结论
针对时变、非线性、不确定、多变量的耦合锌液除铁过程, 基于PID神经网络的控制方法能够对该非线性耦合系统进行解耦控制, 并达到较高的控制精度。由仿真结果可以看出, 训练后的PID神经网络解耦控制器调节时间明显减小, 对其相应的设定值具有较好的跟随性, 减小了亚铁浓度和p H控制回路之间的干扰, 增强了控制系统的鲁棒性, 是一种有效的解耦控制方法。
摘要：为了消除锌液除铁过程存在的耦合问题, 以便对系统进行有效控制, 提出了一种基于PID神经网络的解耦方法。仿真结果验证了该解耦控制技术能够有效地减少系统中的耦合成分, 达到解耦控制目的。
关键词：锌液除铁,PID,神经网络,解耦控制
一种PID控制仿真的实现 篇2
关键词：PID控制；计算机仿真；改进型离散阶跃信号
中图分类号：TP15文献标识码：A
1引言
PID控制是“比例-积分-微分控制”的简称。由于其可以在不需要了解被控对象内部机理的情况下，也可实现“稳、准、快”的控制目的，且易于改进，以及具有自动调节、抗干扰、等诸多优势，使得PID控制在工业现场获得了广泛的应用。仿真是将所设计的控制系统应用于实际生产过程前，进行验证的一种有效手段。在PID控制系统仿真的实现过程中，需要对时域信号进行离散化。由于阶跃信号的特殊性，传统的离散化方法不能满足要求，阶跃信号在突变时，导数应为无穷大。为此，本文基于“能量补偿”思想，提出了一种改进的离散化阶跃信号的建立方法，并应用于PID控制系统中。仿真结果表明，该改进的离散化阶跃信号方法具有可行性。
PID过程控制 篇3
间歇生产具有小批量、多品种、高附加值、合成步骤复杂、产品更新换代迅速等特点,具有灵活多变的特性,满足小批量、多品种、多规格、快速、高质量生产的需要,可以用同一套多用途、多功能的设备生产多种类型的产品。间歇过程已广泛应用于精细化学品、食品、药品、微电子材料、聚合物、染料和涂料等产品和功能材料的生产。由于间歇过程具有时变、非线性等特性,过程难以建模和模型不准确等特点,国内的大多数间歇生产过程自动化水平普遍较低。为确保生产安全、环保,保证产品质量,提高市场竞争力,节约生产成本,在间歇生产过程中研究和推广应用先进控制策略十分必要和迫切[1,2]。
1 间歇过程的特点
间歇过程是将有限量的物料按规定的加工顺序在一个或多个设备中加工以获得有限量的产品的加工过程。典型间歇过程的工艺流程如图1所示。
间歇过程操作控制的主要特点包括:1)时变性,在间歇生产过程中,进行着化学或物理变化,从初始状态转变为一个完全不同的终止状态。2)非线性,间歇生产过程的非线性来源于多个方面,如反应速率与温度和浓度之间的非线性关系,反应器夹套传热量与流经夹套的加热/冷却介质的流量之间的非线性关系。3)模型的不准确性,建立一个可靠的工业过程模型费时费力,而间歇工艺过程开发的主要目的是要缩短产品上市时间,在一些特种化学品、生物制品和聚合物的间歇生产中,甚至连有影响的反应的数量都不太确定,更不用提及其化学计量学或动力学模型。4)存在约束条件,过程或装置存在的约束条件使得间歇过程的操作更加复杂,过程和操作约束条件决定了间歇工艺过程的操作,由此导致获取的最优或次优操作点常常在约束边界条件上。5)过程干扰,操作错误和设备问题是间歇过程运行中难以排除的主要过程干扰,也有其他的由上游过程特性变化如原料组成变化等导致的不可测干扰。6)过程不可逆,在具有与历史操作相关特性的产品如聚合物或结晶产品的间歇生产过程中,一旦生产出了不合格产品,一般不可能采取补救措施,该批产品往往只能作为废品处理。这与连续过程不同,连续过程在一次操作波动后,则往往能采取适当的控制作用使其回到希望的稳定状态。
上述的间歇过程特性,往往使得间歇过程的最优操作和控制难以实现[3]。而以下的间歇过程的两项特点,则对间歇过程的最优操作和控制有帮助。重复性,由于间歇过程特有的重复运行特性,每次运行的结果都对下一次的优化运行提供了有用的信息,因此而出现了与实际间歇生产相关的批次优化的研究。慢速过程,大多数化学和生物转化过程要么非常快要么相对较慢。对特别快速的转化过程,对过程运行没有有效的优化控制措施。对较慢速的转化过程,过程的主要时间常数相对较大,因此有足够的时间去在线处理过程信息,如进行较复杂的计算,实现间歇过程的优化控制[4,5]。
2 间歇过程的复合模糊PID控制
以一典型的间歇生产过程啤酒发酵为例说明复合模糊PID控制过程。啤酒发酵是一个复杂的生物化学反应过程,发酵温度的控制是保证啤酒质量的主要因素,其典型工艺控制曲线如图2所示,不同品种、不同工艺所要求的温度控制曲线会有所不同。发酵过程是在大型啤酒发酵罐中进行,周期为12 18天的发酵过程中,根据酵母的活力,生长繁殖的速度,对发酵液提出不同的温度要求,难以用严格的数学模型表达式描述。常规PID控制以其简单可靠、容易实现、静态性能好等优点广泛应用于实际工业过程中。但对于具有非线性、时变性、大时滞性、结构参数不确定性的啤酒发酵过程,由于常规PID控制不能在线自动修改控制器参数,难以适应过程状态的变化,因而温度控制过渡时间长,超调量大,难以满足及时、准确地跟踪工艺曲线的要求。近年来提出了诸多智能控制方案,如专家系统、模糊控制、神经网络等[6,7],这些方法在鲁棒性、抗干扰能力方面有很大的优势,而经典的PID控制算法具有结构简单、可靠性高和实用性强等优点。因此将经典的PID控制算法和模糊控制算法相结合,采用复合模糊PID控制算法来解决啤酒生产过程综合自动化控制啤酒发酵温度控制难点问题。
2.1 复合模糊PID控制器设计
控制器结构如图3所示。该控制器能够减少稳态误差,增强抗干扰能力。其原因是:在过渡过程中,因系统的误差和误差变化率较大,选择器切换到模糊控制,以提高系统响应速度,加快响应过程;但模糊控制必然存在稳态误差,为消除稳态误差,在平衡点附近选择器切换为PI控制。
其中,PI控制器设计不再重复,模糊控制器按如下顺序设计。
1)模糊控制器输入输出变量
考虑到模糊控制器的复杂性和控制精度的要求,选用二维模糊控制器[8]。这样既避免了使用一维控制器的动态性能不佳,也避免了采用三维模糊控制器的过于复杂、难以设计和占用计算机时间过长、实时性差等弊端。
模糊控制器中,采用温度误差e和温度误差的变化率ec作为输入变量,控制量输出u为输出变量。模糊控制过程中,同时考虑温度偏差和偏差变化率,不仅能保证系统控制的稳定性,而且还可以减少超调量和振荡现象。
词集、论域、隶属函数确定如下:
把温度误差。的论域量化为14档,即
且温度差的模糊子集选取如下词集
把温度误差变化率e c的论域量化为13档,即
且其模糊子集选取如下词集
把控制量u的论域量化为15档,即
且其模糊子集选取如下词集
另外,列出温度误差e、温度误差变化率ec和控制量输出u的隶属函数赋值表有:温度误差的模糊变量赋值表;温度误差变化率的模糊变量赋值表;控制变量的模糊变量赋值表。
2)模糊控制规则建立
模糊控制器的规则一般基于专家知识或手动操作熟练人员长期积累的经验,是按人的直觉推理的一种语言表示形式。模糊规则通常由一系列关系词连接而成,比如if-then、else、alse、and、or:等。对于啤酒发酵罐温度控制而言,当温度误差e>0时,应该增大调节阀开度,增加冷媒的流量,使发酵罐温度误差降低,反之则减小调节阀开度;当温度误差变化率△e>0时,应增大调节阀开度,温度误差变化率逐渐减小。将e与△e的模糊子集两两组合,可以形成56条模糊规则,如表1所示。
模糊控制规则表中所包含的每一条模糊条件语句都决定一个模糊关系,控制规则的总模糊关系为:
其中:
3)模糊控制响应表获取
计算出模糊关系后,基于推理合成规则,由温度误差e的论域{e}={-6,-5,…,-l,-0,+0,+l,…,+5,+6}和温度误差变化率e c的论域{e c}={-6,-5,…,-l,0,+l,…,+5,+6},根据语音变量温度误差E和变化率EC的模糊赋值表,针对论域{e}、{e c}全部元素的所有组合,求取相应的语言变量控制量输出U的模糊集合,并应用最大隶属度法对此模糊集合进行模糊判决,取得以论域{u}={-7,-6,-5,…,-l,0,+l,…,+5,+6,+7}的元素表示的控制变化值u。在上述离线计算基础上,便可建立查询表。
在每一个控制周期中,将采集到的实测温度误差et和温度误差变化率et-et-1,分别乘以量化因子ke和kec,并进行量化变换后取得所需的e和e c值后,通过查找表中相应行和列,立即可输出所需的控制量变化u,再乘以比例因子ku便是加到被控过程的时间控制量变化值。
2.2 控制系统仿真
根据温度给定曲线,在MATLAB软件的SIMULINK环境下,进行仿真设计和分析。所采用的发酵罐温度复合模糊PID控制策略已经应用于某啤酒厂中的发酵罐温控中,在一个完整发酵周期内的实际控制情况,拥有发酵罐上温、中上温、中温以及下温4条历史曲线和发酵工艺设定曲线,发酵温度能很好的跟踪工艺曲线的设定温度值。可见,采用复合模糊PID控制策略,具有较高的控制精度,其中主温度点(下温)控制偏差在士0.3℃以内。
3 结论
过程控制的任务是在了解、掌握工艺流程和生产过程的静态特性和动态特性的基础上,根据安全性、经济性和稳定性的要求,应用自动控制的理论对控制系统进行分析和综合,最后采用适宜的手段加以实现。
间歇生产设备和间歇生产过程的非稳态属性及其产品品种和工艺条件频繁变化的柔性操作特性,为适应当前生产对控制的要求愈来愈高的趋势,必须充分注意现代控制技术在过程控制中的应用。
对于具有非线性、时变性、大时滞性、结构参数不确定性的啤酒发酵过程,常规PID控制难以满足及时、准确地跟踪工艺曲线的要求。将复合模糊PID控制策略应用于啤酒发酵温度控制,主温度点的控制精度小于士0.3℃,取得了令人满意的效果。
摘要：间歇过程灵活多变,可满足小批量、多品种、快速、高质量生产的需要。但间歇过程具有复杂性和时变性、非线性等特性,过程难以建模和模型不准确,许多过程特性参数难以测量,具有多种操作约束条件,存在较多干扰,过程不可逆转和难以采取补救措施等特点。本文利用智能控制方案在鲁棒性、抗干扰能力方面的优势与经典的PID控制算法具有结构简单、可靠性高和实用性强的优点,将经典的PID控制算法和模糊控制算法相结合,采用复合模糊PID控制算法来解决间歇生产过程的控制难点问题。
关键词：间歇生产,先进控制,模糊控制,复合控制,PID控制
参考文献
[1]宋建成.间歇过程计算机集成控制系统[M].北京:化学工业出版社,1999.
[2]王保国,许锡恩.间歇过程设计与优化[M].北京:中国石化出版社,1998.
[3]孙小方,蔡亦军,潘海天.间歇化学反应器的先进控制技术[J].化工时刊,2002,(11):1-4.
[4]陈治纲,许超,邵惠鹤.间歇过程优化与先进控制综述[J].化工自动化及仪表,2003,30(3):1-6.
[5]温盛军,王东云.间歇过程智能控制的发展与展望[J].中原工学院学报,2005,16(6):29-34.
[6]孙优贤,邵惠鹤.工业过程控制技术一应用篇[M].北京:化学工业出版社,2006.
[7]邹志云.面向21世纪的化工过程控制技术[J].石油化工自动化,1999,(5):2-8.
PID过程控制 篇4
0 引言
用PID控制方法可以消除系统的时间迟延。有人证明在一定的条件下，PID控制器可以和Smith预估器等价，而且PID控制的一些优点还吸引着许多研究者，探讨将它与其它方法相结合来改善时滞过程的控制效果。此外，合理地调整PID参数也可以达到滞后补偿等作用。对二阶惯性加时滞的系统，有人提出了利用开关阶跃响应法来辨识被控过程的特征参数，再通过整定公式来得到PID参数，经过仿真实验，证明了这种PID参数整定的方法对时滞过程是适用的，并具有一定的鲁棒性。
1 大滞后系统的PID预估控制方法
常规PID调节器不能对大滞后对象进行有效控制，当时常规PID调节器已很难获得良好的控制性能，以至系统失去稳定性。预估控制方法能对大滞后系统进行有效控制。这种控制方法与滞后时间无关，方法简单，易于工程实现，使常规PID调节器在大滞后系统的控制中如同对无滞后系统的控制一样有效。同时可以证明该法使系统的稳定性与系统的滞后无关，经MATLAB仿真验证，该法具有良好的控制品质，且能适应对象参数和结构有一定变化的时滞系统（即有较好的鲁棒性）。PID预估控制方法框图如图2.4所示：
参考文献
[1] 仇慎谦编著，PID调节规律和过程控制，江苏科学技术出版社？ 1987.12；
[2] 吕群，于标：大滞后系统的一种 PID预估控制方法，武汉职业技术学院学报2007年第六卷第五期；
PID过程控制 篇5
1 研究的模型范围
工业多容系统各种各样,实际情况比较复杂,有相互竖直连通的,有水平放置通过压力连通的,有大容器也有小容器,有的容器出口还不只一个。然而作为理论研究,应把问题限制在一种特殊的情况下,以便排除各种非关键因素的干扰,从而获得更为清晰的理论。
如图1所示。三个容器在竖直方向相叠加,那么上一个出口流量不会受下一个容器液位的影响。实际上,真实的工业系统还有三个容器水平并排放置,那么高液位容器的出口流量就会受低液位容器液位的影响。
2 数学模型的建立与测定
2.1 系统模型的建立
由于三容系统液位数学模型具有高阶导数,比较复杂,使用直接的公式计算是困难的。这里通过对单容和双容准确模型的计算和分析,然后经验性的推理来解决工业中多容问题,包括三容。
下面按照类递推原理,建立单容、双容、三容系统的数学模型:
undefined
undefined
随着容器个数的增加,可以根据递推原理,推导出更加复杂的多容系统数学模型,但在这里不再做更多的推导。
2.2 系统模型的测定
不同系统水位阶跃响应曲线如图2～图4所示。
由于三容系统比较复杂,特别是当工业对象特性本身不是简单同样容器竖直叠加时,公式更加复杂,所以这里只给出一个简单的数学模型公式,目的在于通过单容、双容的模型测量,获得一个向多容积系统控制推导的经验方法。
3 多容系统的PID控制推导
单容实验时,利用数字模型调整PID值,分别在P=10,I=100 s,D=0 s时获得了比较好的结果。
双容实验时,利用数学模型调整PID值,分别在P=5,I=200 s,D=0 s时获得了比较好的结果。
对于这种二阶函数,系统稳定时间与其惯性时间有一定关系,而这个时间和PID的积分时间成一个等指数关系。随着容器的串联,导致时间成指数增加,肯定会比线性加倍的方式快,推出如下可能的经验公式:
undefined
式中:t为容器特性时间;K为与系统有关的比例系数。这样推出:两容串联,其PID积分时间TI=200 s,三容串联,其PID积分时间TI=400 s,四容串联,其TI=800 s。
undefined
式中:t为容器特性时间,K为与系统有关的比例系数。
这样推出:两容串联,其PID积分时间TI=270 s,三容串联,其PID积分时间TI=745 s,四容串联,其TI=2 030 s。
4 多容液位系统控制实验验证
4.1 实验验证及控制曲线
P=2.5,I=600 s,D=0 s,PID控制曲线如图5所示。
P=2.5,I=740 s,D=0 s,PID控制曲线如图6所示。
4.2 控制实验结果分析
从结果来看,推出的经验公式如下:
对于具有同样特性的多个容器,如果以竖直方向连通的方式串联,那么可以推导出如下控制方法。
如果单容时最好的PID控制参数为P=P0,I=I0,那么对于多容系统,可以有参考的PID控制参数:
undefined
式中:n=1为单容系统,特例。对于n=2,n=3,本文进行了探讨。由于条件有限,没有对n超过3的情况进行验证,希望在以后的工作中能对其进行进一步的验证,使之能被应用于更多容器串联的系统。
另外的情况是如果各个容器特性不一样,并且差异不是很大,则可以通过参数修正的方法进行修改。当然,也需要进行大量的验证。这里的结论只是希望能为加快参数选优的过程提供一个参考。
5 结 语
多容液位系统PID控制的研究首先对其建立数学模型,并对多容系统的PID控制进行推导,得出PID对应的最佳数值,最后在通过多容液位系统控制实验进行验证,分析结果可作为对加快参数选优过程的一个参考。
参考文献
[1]金以惠.过程控制[M].北京:清华大学出版社,1993.
[2]周德兴.A3000过程控制实验指导书[M].北京:华晟高科教学仪器有限公司,2005.
[3]周春晖.化工过程控制原理[M].北京:化学工业出版社,1980.
[4]吴勤勤.控制仪表及装置[M].2版.北京:化学工业出版社,2002.
[5]张万忠.可编程控制器入门与应用实例:西门子S7-200系列[M].2版.北京:中国电力出版社,2005.
[6]杨为民.过程控制系统及工程[M].西安:西安电子科技大学出版社,2008.
[7]Shinskey F G.过程控制系统应用、设计与整定[M].3版.萧德云,吕伯明,译.北京:清华大学出版社,2004.
[8]王树青,戴连壹,于玲,等.过程控制工程[M].2版.北京:化学工业出版社,2008.
[9]Stborg D E,Edgar T F,Mellichamp D A.过程的动态特性与控制[M].2版.王京春,王凌,金以慧,等译.北京:电子工业出版社,2006.
PID过程控制 篇6
一、模糊控制与普通PID控制结合
模糊控制和普通PID控制两者优点的结合, 可有效解决控制器整定不良和控制系统性能低下的问题, 保证大规模工业生产的需要。
(一) 模糊-PID复合控制。
模糊-PID复合控制由以下结构复合而成:Mamdani型模糊控制器和P、I、PI或PID控制信号的选用。因为系统都会出现或多或少的偏差, 所以我们采用的方法是:运用多个控制组合控制系统的各种功能, 通过不同功能之间的切换来解决单一控制的弊病。这需要进行逻辑电路的设计, 在设计逻辑电路的时候, 需要注意不同控制切换的串扰问题, 具体的设计图如图1。
(二) 模糊PID控制器。
模糊PID控制器通过知识库和模糊推理作用推出控制信号, 具有一系列的提示规则组成和普通PID控制器在结构上相同, 都是先输入最后输出, 控制器的结构在相同的控制器上是相同的, 他们也有着相同的非线性特征。PD型模糊控制器、PI型模糊控制器和模糊PID控制器都属于模糊PID控制器, 只是他们的输入输出方式不尽相同, 下面主要介绍PD型模糊控制器。
PD型模糊控制器输入程序为系统误差e和误差变化率δ, 输出为控制量u, 它的主要优点是迅速获得一定的动态响应, 缺点是在稳定状态的情况下会出现误差或者数据震荡, 通过积分的运用和比例积分的运用可以有效改变这样的局面。
(三) 神经网络与普通PID控制结合。
神经网络的参数自适应PID控制器参数自适应PID控制器指的是在神经网络系统中进行控制信号的各种调试, 反复切换测试, 直到找到最为合适的P, I, D之间的参数转换。模糊-神经建模方式可以鉴定给定增益、相位裕度和PID控制器参数存在的联系, 根据给定增益和相位裕度的模糊神经网络的变化进行PID控制器参数的调试, 运用的数学逻辑是函数映射能力, 它的适用范围主要是多变量控制系统。
神经网络自适应PID控制器分为两种, 本文主要介绍单神经元模型构造PID控制器。它的神经元输入程序为误差、误差累加和误差变化率, PID控制器的比例、积分、微分增益与权系数一一对照。随着控制对象和周围环境的变化, 我们要遵从控制系统的性能指标、学习算法, 对神经网络控制器的权系数进行相应的改变。神经网络自适应PID控制器属于单神经元自适应PID控制器, 它通过和预测控制的配合使用, 大大增强自身的适应性和抗干扰能力, 完成纯滞后系统的自适应控制。
二、智能PID控制器在热力工程过程控制的应用
(一) 过热汽温系统。
随着控制器运行状态的改变, 具有惯性和时滞的过热汽温系统的动态特性也要相应改变。研究表明, 这些控制器对过热汽温控制系统的性能和控制能力有很大帮助, 也提升控制系统的适应性。模糊控制与专家自整定串级PID控制两种方法的使用能够有效进行二级减温水的相关调控, 具体方法如下:当主汽温偏差大的情况, 我们可以快速给出相应的控制量进行模糊控制, 抑制部分干扰, 提高系统的响应速度;主汽温偏差小的情况, 专家就会自己整定相应PID, 检测偏差噪声范围来整定PID参数的大小, 提高控制器的控制精度、稳定性。研究表明:作为另外一种再热汽温的模糊控制方法, 其能更好地适应生产要求, 具有较强的控制精度, 这种方式被运用在DCS的软件组态上。
(二) 单元机组负荷控制系统。
由于非线性、时变性、不确定性是单元机组负荷控制系统最重要的特征, 它具有很多的变量, 因此无法建立很好的数学模型, 所以没有加入智能系统的PID控制器对其产生的效果很差。从神经元的学习特性、火电单元机组负荷控制系统控制对象的特征, 研发出两种控制系统:炉跟机和机跟炉的自适应神经元模型的负荷控制系统。实验研究表明, 学习参数能够迅速收敛至平衡值, 控制品质均为上乘。非模型控制的模糊逻辑算法和神经元控制两者合二为一, 进行单元机组负荷的相关控制, 能够达到很好的适应效果。
(三) 锅炉水位系统。
锅炉水位系统具有以下特征:生产过程中一定会存在延迟性、参数还会与之随时改变, “虚假水位”现象严重。建立数学模型、设置PID参数的普通三冲量控制系统对于这种情况的应对较差, 机组改变运行状况的时候达不到理想的效果。因此我们设计出PI+D智能PID控制器, 通过模糊规则调整锅炉水位参数的变化, 并且在带冲击负荷的75 t/h循环流化床锅炉的汽包水位控制中投入使用, 达到了设定的预期效果。
总的来说, 智能PID控制器目前只通过理论的探索和仿真实验进行相关的研究, 并没有大面积投入电厂热力工程过程控制系统的使用中。通过相关的理论发现, 智能PID控制器具备相关的控制技术和水平, 能够有效提高热力工程自动化水准和企业的生产效率, 未来一定会在热力工程过程控制系统发挥巨大的作用, 而且已经有很多的分散控制系统 (DCS) 厂商进行着智能控制系统模块的研发, 有不少已经投入使用, 智能PID控制器的投产已经达到成熟的状态。
三、结语
智能PID控制器通过人为的操作, 可以实现自动控制和决策, 除具有普通PID控制器全部特征以外, 其还能自动控制自己的学习能力, 甚至拓展自我的能力, 从而处理很多突发的状况。这对于电厂热力工程过程控制系统PID控制器的普及具有积极的意义, 是目前需要研究的方向。
摘要：普通的PID控制器加上智能控制技术就组成智能PID控制器, 本文主要讲解模糊控制、神经网络、普通的PID控制器的基本原理, 以及它们是如何进行工作的。之后就智能PID控制器在电厂热力工程过程控制的应用前景进行理论与实际的研究, 验证智能PID控制器对于电厂热力工程过程控制具有重要作用。
关键词：PID控制器,智能控制,模糊控制,神经网络,电厂热力
参考文献
[1]刘毅男, 李述清, 张胜修, 周帅伟.航空发动机闭环增益成形PID控制器设计研究[J].电光与控制, 2011, 11
[2]郝超, 徐志成.GLBest-PSO算法在热力工程过程模型参数辨识中的应用[J].电工电能新技术, 2012, 2
PID过程控制 篇7
1 模糊PID控制器设计
模糊PID控制是通过计算系统误差e和误差变化ec, 进行模糊推理, 查询模糊矩阵, 对PID三参数进行在线修改, 从而使被控对象具有良好的动、静态性能, 控制器结构如图1所示。
此模糊控制器为2输入, 3输出系统, 定义误差e、误差变化ec和Kp, Ki, Kd的模糊子集均为{NB, NM, NS, ZO, PS, PM, PB}, 物理意义为:{负大, 负中, 负小, 零, 正小, 正中, 正大}。误差e的基本论域定为[-6, 6]、误差变化ec的基本论域为[-3, 3], 取量化因子Ke=0.5, Kec=1, Kp, Ki, Kd三个参数的比例因子分别为:Kup=1, Kui=0.001, Kud=1, 采用最大隶属度法。
根据模糊控制器在线修正Kp, Ki, Kd, 修正公式为:
其中K*p, K*i, K*d为PID初始参数值, , 为模糊控制器对PID的在线修正值。根据控制规律, 设计出三个参数在线整定的模糊规则。
2 神经元PID控制器设计
单神经元控制具有结构简单、易于计算、自组织、自学习等特点, 适合实时控制。为此在增量式PID控制器基础上设计了神经元自适应PID控制器。
增量式PID控制器算法:
Ki为积分系数, Kp为比例增益, Kd为微分系数, △2为差分的平方, △2=1-2z-1+z-2。控制器结构如图2所示。
图中:rin (k) 为设定值, yout (k) 为输出值, x1, x2, x3是经转换器转换成为神经元的输入量, w1, w2, w3为对应于x1, x2, x3输入的加权系数, 为神经元的比例系数:
则单神经元自适应PID的控制算法为:
权系数学习规则采用有监督Hebb学习规则, 它与神经元的输入、输出和输出偏差三者函数关系如下:
式中:ri (k) 为递进信号, ri (k) 随过程进行逐渐衰减, 权系数wi (k) 正比于递进信号ri (k) ;z (k) 为输出误差信号, c为智能控制比例因子, η为学习速率, η>0。对以上学习算法进行规范化处理如下:
使用Matlab编程语言进行神经元控制程序设计, 对其中比例系数K和学习速率ηI, ηP, ηD分别采用试探方法进行离线调整, 经过综合比较, 最终确定K=0.12和学习速率ηI=0.40, ηP=0.35, ηD。=0.40
3 仿真分析
本文采用一阶大滞后惯性环节作为仿真对象, 将传递函数写为传统形式
使用Matlab语言分别对传统PID控制、模糊PID控制和单神经元PID控制器编程仿真, 并调整被控对象参数, 对比以上方法的控制品质。
3.1选择传递函数为。图3至5为三种控制系统的阶跃响应变化曲线, 可以看出:基本PID控制系统响应存在振荡, 无超调;模糊自适应PID控制响应较慢, 无超调;神经元PID控制无超调, 响应快。
3.2增加系统增益、惯性和延迟时间, 被控对象调整参数为。
仿真结果显示:PID控制系统不稳定, 系统发散;模糊PID控制超调量较大, 神经元PID控制响应时间有所增加, 两种智能控制系统均能够稳定工作, 体现了其在被控对象参数发生变化时的自适应性、自调整特点。
4 结论
根据系统仿真结果显示:模糊PID控制和神经元PID控制方法在被控对象参数发生变化时具有较好的自适应能力和较强的鲁棒性, 控制系统能够稳定工作。
模糊PID控制系统响应较慢, 这与模糊规则设置、论域划分有关。当调整模糊控制规则后, 系统性能应将有所提高, 但如果规则设定过多, 则模糊推理时间增长, 不适宜复杂系统的实时控制。
神经元PID控制算法简单, 系统阶跃响应曲线在三种PID控制中最好。被控对象参数变化时, 具有良好的鲁棒性, 响应时间较快, 具有较好的工业应用前景。
参考文献
[1]吴晓莉, 林哲辉等.MATLAB辅助模糊系统设计, 西安电子科技大学出版社, 2002年.
[2]Wu Xiaojin.Zhang Zhao Zhu.Genetic algorithm combined with immune mechanism and its application in skill fuzzy control.In:Journal of Systems Engineering and Electronics.2005.16 (3) .600-605.
[3]飞思科技产品开发中心, MATLAB6.5辅助神经网络分析与设计[M], 电子工业出版社, 2004.
[4]章卫国, 杨向忠.模糊控制理论与应用, 西北工业大学出版社, 2001年.
智能PID控制综述 篇8
PID控制方法作为经典控制算法中的典型代表, 是一种传统的控制方式。从1922年美国N.Minorsky提出PID控制方法, 1942年美国Taylor仪器公司的J.g.ziegler和N.B.Nichols提出PID参数的最佳调整法至今, 其在工业控制中的应用已十分广泛[1]。PID控制具有结构简单、参数物理意义明确和鲁棒性强等特点。PID控制器对系统给定值r (t) 同系统输出值y (t) 的偏差e (t) 分别进行比例、积分、微分运算, 并由此得到其输出值u (t) , 计算公式为:
式中KP为比例系数;KI为积分系数;KD为微分系数。KP、KI、KD可对系统的稳定性、稳态精度、响应速度和超调量等性能产生影响, 它们的作用分别为[2]:
(1) 比例系数KP可以加快系统的响应速度, 提高系统的调节精度。系统的响应速度和调节精度同KP呈正相关, 但KP过大则会产生超调, 使系统不稳定, KP过小则会使响应速度变慢, 使系统静、动态特性变坏。
(2) 积分作用系数KI可以消除系统的稳态误差。KI越大, 系统静差就会越快消除。但KI过大会在响应过程产生较大超调, 产生积分饱和现象。KI过小则会使系统稳态误差不易消除, 影响调节精度。
(3) 微分作用系数KD可以改善系统的动态性能。但KD过大会使系统的调节时间延长, 抗干扰性能降低。
由于现代工业生产过程日益复杂, 被控对象往往具有不同程度的非线性、模型不确定性和参数时变性, 常规的PID控制对过程的精确控制则显得力不从心。作为传统控制发展的高级阶段, 智能控制在近年得到了长足的发展。将智能控制和常规的PID控制方法相结合, 利用智能控制对PID控制的参数进行整定, 形成了许多智能PID控制器。智能PID控制器不但具有传统PID控制直观、实现简单和鲁棒性好等特点, 而且智能控制具有对复杂系统进行有效的全局控制的能力和自学习、自组织和自适应能力。下面介绍几种智能PID控制方法。
1 专家PID控制
专家控制是模拟人类专家的控制知识与经验而形成的控制方法, 已成为近年来最活跃和广泛应用的智能控制领域之一。专家系统由知识库、推理机、解释机制和知识获取机构组成, 它具有领域专家级的专业知识, 能进行符号处理和启发式推理, 具有知识获取能力, 有一定的灵活性、透明性和交互性[3]。在进行专家PID设计时, 要根据控制专家的经验, 从特性识别获得的系统状态特征和性能特征出发, 由专家系统归纳出PID参数的控制规律, 并把该规律存入知识库, 对知识库进行完善。系统工作时, 被控对象的状态被输入专家控制器, 由推理机根据知识库进行启发式推理, 决定此时系统所需的PID控制器控制参数。
2 模糊PID控制
模糊控制是以模糊语言变量、模糊集合论以及模糊逻辑推理为数学基础的一种新型计算机控制算法, 它不依赖控制对象的数学模型, 具有智能性和学习性的优点[4]。在进行模糊PID设计时, 要总结工程设计人员和专家的实际操作经验和知识, 针对KP、KI、KD建立合适的模糊规则表, 而后确定模糊控制器的输入量 (一般为控制量偏差和偏差变化率) 和输出量 (即PID控制器的比例、积分、微分系数) 的论域和隶属度函数。系统工作时首先对输入的清晰量进行模糊化处理, 而后通过查询内部的模糊控制规则表进行模糊推理, 得到KP、KI、KD的模糊控制量, 经过清晰化处理后可得到此时系统所需的PID控制参数。
3 神经网络PID控制
神经网络是从微观结构和功能上对人脑的抽象、简化, 旨在模仿人脑结构及其功能。作为现代信息处理技术中的一种, 神经网络能够对难以精确描述的、复杂的非线性系统进行建模, 它对信息进行分布式存储, 并行地处理及推理, 具有自组织、自学习的特点。神经网络与PID控制相结合的控制方法可以分为三类[2]:基于单神经元的自适应PID控制, 基于多层前向网络的PID控制和基于多层网络的PID控制。在进行神经网络PID设计时, 利用学习算法对神经网络进行离线学习, 同时在系统的工作过程中还要不断进行神经网络的自学习和加权系数的自调整, 以达到更优的控制效果。系统工作时, 将被控对象的状态输入神经网络, 神经网络输出对应于某种最优控制下的PID控制器参数。
4 遗传算法PID控制
遗传算法是一种全局优化自适应概率搜索方法, 它从自然界适者生存、优胜劣汰的遗传机制演化而来。遗传算法仅需要较少的先验知识, 对问题的依赖性小, 适用性广, 具有并行性和全局收敛性。遗传算法包括四个基本步骤:初始化、复制、交叉和变异[5]。在进行遗传算法PID设计时, 首先要对控制系统所需的KP、KI、KD进行二进制编码, 并将其拼接成一条染色体。利用此方法随机产生一组个体, 进行种群的初始化。可设定一定数量的通过实验验证能够使系统稳定运行的个体作为初始种群, 以加速寻优过程, 提高系统的收敛速度。其次要选取合适的适应度函数, 一般来说, 适应度函数可由目标函数转换而成。设计适应度函数要满足单值、连续、非负和最大化, 具有合理性和一致性, 计算量小, 通用性强等特点。系统工作时, 在初始化后控制器不断地进行染色体的适用度评价、复制、交叉、变异, 直到适应度收敛于最优解, 获得最优编码。最后通过对最优编码进行译码操作得到PID控制器所需的控制参数。
5 结语
随着智能控制技术的不断发展, 智能PID技术将不断的完善, 智能控制与PID控制有机结合, 是智能控制技术发展的一个非常有潜力的方向。
参考文献
[1]张国忠.智能控制系统及应用[M].北京:中国电力出版社, 2007.
[2]师黎, 陈铁军, 李晓媛等.智能控制理论及应用[M].北京:清华大学出版社, 2009.
[3]闫永跃, 李庆周, 于树新等.智能PID综述[J].2006, (12) :9-13.
[4]李文, 欧青立, 沈宏远等.智能控制及其应用综述[J].重庆邮电大学学报 (自然科学版) , 2006, (6) :376-381.
PID过程控制 篇9
摘要：随着先进控制技术的发展，模糊控制理论和模糊控制技术成为最广泛最有前景的应用分支之一。模糊控制器是一种专家型控制系统，它的优点是不需要知道被控对象的精确数学模型，而是只利用专家己有的知识和经验，更重要的是当系统为非线性系统时，模糊控制器还可以产生非线性控制作用。但经过深入研究，发现常规模糊控制存在着其控制品质粗糙和精度不高等弊病，因此，可将模糊控制和PID控制两者结合起来，扬长避短，既具有模糊控制灵活、适应性，又具有PID控制精度高的特点。
关键词：PID控制；模糊控制器；模糊—PID控制器
1PID控制器
PID（比例-积分-微分）控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。传统的PID控制器以其结构简单、工作稳定、适应性好、精度高等优点成为过程控制中应用最广泛最基本的一种控制器。
1.1PID的组成
控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。它由于用途广泛、使用灵活，已有系列化产品，使用中只需设定三个参数（Kp，Ki和Kd）即可。在很多情况下，并不一定需要全部三个单元，可以取其中的一到两个单元，但比例控制单元是必不可少的。
1.2PID的特点
虽然很多工业过程是非线性或时变的，但通过对其简化可以变成基本线性和动态特性不随时间变化的系统，这样PID就可控制了。另外，PID参数Kp，Ki和Kd可以根据过程的动态特性及时整定，如果过程的动态特性变化，例如可能由负载的变化引起系统动态特性变化，PID参数就可以重新整定。
2模糊控制器
模糊控制器是一种专家型控制系统，它的优点是不需要知道被控对象的精确数学模型，而是只利用专家己有的知识和经验，更重要的是当系统为非线性系统时，模糊控制器还可以产生非线性控制作用。它运用语言知识模型进行控制算法的设计，可用来对不能精确建模或难以建模系统进行控制，使生产过程平稳、高效、安全地运行。
模糊控制器是模糊控制系统的核心部分，也是和其它控制系统区别最大的环节，它由模糊化、知识库、模糊推理、解模糊化四个基本部分组成。
模糊控制器通常由计算机（或单片机）实现，计算机通过传感器经过采样和A/D转换获得被控量的精确值，然后将定量与设定值比较得到偏差信号，一般选偏差信号与偏差变化率作为模糊控制器的输入量，由模糊控制器的输入接口将该精确量转化为相应的模糊量，偏差的模糊量可用相应的模糊语言子集E来表示，偏差变化率的模糊量可用相应的模糊语言子集来表示。根据推理合成规则进行模糊决策，得到模糊控制量，将模糊控制量转化为精确量，由模糊控制器的输出接口作去模糊化处理，得到精确的数字控制量后再经过D/A转换变为精确的模拟量送给执行机构，对被控对象进行控制。
3模糊控制和PID控制结合
从模糊控制技术应用于控制领域开始，就有许多模糊和PID相结合的控制器相继出现。模糊控制与经典控制理论有机地结合起来，可构造一类新型的控制系统，即模糊-PID复合控制系统。因此在模糊—PID复合控制系统中模糊控制并不是代替常规PID控制，而是对常规PID控制的拓展。常规PID控制器与模糊控制器的结合有两种结构形式：串联结构和并联结构。
3.1串联结构模糊—PID控制器
当系统的偏差信号大于某一设定值时，在控制过程中，开关接通，模糊控制器发挥控制作用，PID控制器的输入信号，即，对PID控制器产生较强的控制信号，系统的动态响应较快；而当偏差信号小于某一设定值时，模糊控制器通过开关断开，模糊控制器不发挥控制作用，这时，只有偏差信号进入PID控制器，由于此时系统的输出和给定值己经很接近，所以能很快地趋于给定值，消除稳态误差。这种结构的模糊控制器产生阶梯状的非线性控制信号作用于PID控制器，依靠调节PID输入信号的突然变化来提高动态响应速度，往往易造成PID控制作用的误调节。
3.2并联结构模糊—PID控制器
并联结构如图所示。它是将模糊控制器和PID控制器并联起来对系统进行控制，即有模糊和PID两种模态，其中模糊控制器采用常规模糊控制器，输入变量为偏差和偏差变化率，输出为，模糊控制规则采用形式，推理合成采用算法，去模糊化则采用系数加权平均法。这种模糊控制器本质上是PD型控制器，由于缺乏积分环节，系统有稳态误差，为此在偏差大于或等于某一设定值时，控制器切换为模糊控制器；当偏差小于某一设定值时，控制器切换至常规PID控制器，从而使得这种双模控制器具有响应快，稳态精度高的特点，应用性好。
由上述可知，在智能控制系统运行过程中，当进行生产和加工时，由于偏差和它的变化率均较大，因此起主要作用的是模糊控制器；只有当对产品进行精加工时，由于工件的偏差和它的变化率均很小，常规PID控制器起主要作用。模糊—PID控制器在生产和加工阶段保留了模糊控制器的快速性和稳定性的优点，同时在精加工阶段保留了常规PID控制器具有高精度的特性。由此，实现了从一种控制方式到另一种控制方式的平稳过渡，避免了一般控制器按某一设定值进行切换的弱点。又由于模糊—PID控制器算法简单、高效控制效果较好，各种动态性能指标参数能进行自行调整，可使智能控制系统达到更理想的控制效果。
参考文献：
［1］黄友锐，曲立国主编.PID控制器参数整定与实现［M］.北京：科学出版社，2003.
［2］刘曙光，魏俊民，竺志超编著.模糊控制技术［M］.北京：中国纺织出版社，2001：30-60.
［3］汤兵勇，路林吉编著.模糊控制理论与应用技术［M］.北京：清华大学出版社，2002：71-90.
模糊PID控制原理及其仿真 篇10
关键词：模糊控制,控制器,规则
操作人员根据对象的当前状态和以往的控制经验，用手动控制的方法给出适当的控制量，对被控对象进行控制。用计算机模拟操作人员手动控制的经验，对被控对象进行控制。
1 模糊控制的基本思想
首先根据操作人员手动控制的经验，总结出一套完整的控制规则，再根据系统当前的运行状态，经过模糊推理、模糊判决等运算，求出控制量，实现对被控对象的控制。
模糊控制的发展经历了基本模糊控制、自组织模糊控制、智能模糊控制三个阶段。基本模糊控制阶段针对特定对象设计，控制效果好。控制过程中规则不变，不具有通用性，设计工作量大。自组织模糊控制阶段某些规则和参数可修改，可对一类对象进行控制。智能模糊控制阶段具有人工智能的特点，能对原始规则进行修正、完善和扩展，通用性强。
2 模糊PID控制器
在本研究设计中确定模糊控制系统结构图如图1所示。
常规PID控制器对于具有强非线性或不确定性的系统, 控制效果并不理想。为了提高控制精度和灵敏度，采用模糊方法根据偏差和偏差的变化率, 对常规PID控制器进行修正，通过模糊推理来调整PID参数, 构成模糊PID控制，增量式PID数学模型为：
烟叶烘烤过程中，温度控制主要体现为恒温控制和均匀升温控制。自适应模糊控制由模糊推理和常规PID控制两部分组成，模糊推理环节实质上是模糊控制器，模糊控制器的输入为偏差e和偏差变化率ec，输出为ΔKp，ΔKi和ΔKd。确定PID的三个参数和偏差e与偏差变化率ec之间的模糊关系也就是PID参数模糊自整定的过程。在运行过程中根据e与ec的变化，依据模糊控制原理对三个参数进行在线修改，从而使被控对象具有良好的动态、静态性能。
模糊参数调节器的输入量炕房温度或湿度的偏差e和偏差变化率ec，输出量PID参数的修整量ΔKp，ΔKi和ΔKd的语言变量、基本论域、模糊子集、模糊论域和量化因子，将各变量的隶属度函数选择为均匀三角函数, 做出各变量隶属度函数如图2。
根根据据输输入入输输出变量的隶属度函数求得各语言变量的赋值，在根据语言变量的赋值，经模糊推理理理得得得到到到控控控制制制集集集，，，各控制参数的数值是通过对此模糊控制集的解模糊化而得到的。
3 模糊控制规则
PID参数整定必须考虑不同时刻3个参数的作用和相互间的关系, 根据专家经验得出在不同的―e―和―ec―状态时, 三个参数的自整定要求：
(1) 当偏差―e―较大时, 取较大的Kp以提高响应速度, 取较小的Kd以避免由于偏差―e―的瞬间变大可能出现的微分过饱从而使控制作用超出许可范围, 取Ki=0防止系统响应出现较大超调, 产生积分饱和。
(2) 当―e―和―ec―中等大小时，取较小的Kp以使系统响应有较小的超调，Ki取适当的值，Kd对系统影响比较大, 取值要适中以保证系统的响应速度。
(3) 当―e―较小时即接近设定值时, 加大Kp和Ki的取值, 以使系统有较好的稳态性能。为使系统有较好的抗干扰性能, 当―ec―较小时, Kd取较大的值;当―ec―较大时，Kd取较小的值。
(4) 当―ec―较大时，Kp取较小的值, Ki取较大的值。
4 模糊推理与解模糊化
不确定性推理方法之一是模糊逻辑, 本设计的推理方法是采用Mamdani方法即极大极小值法推理。
规则:如果Ai且Bi, 那么，Ci的模糊关系为[μAi∧μBi]∧μCi
否则的意义是“or”, 在推理计算中以并集形式表示。