新型PID控制及其应用(共六讲)

更新时间：2023-05-13 05:29:01 阅读量：实用文档文档下载

说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。

新型pid控制及其应用推荐度：
相关推荐

60 工业仪表与自动化装置　　　　　　　　　　　　1997年第4期

新型PID控制及其应用

第一讲　PID控制原理和自整定策略

陶永华

华东冶金学院　马鞍山:243002

编者按　随着控制仪表的发展,,发展。本刊以前曾发表不少这类的专题文章。产品发展概况,:第一讲,PID控制原理和自整定策略;I;,智能PID控制;第四讲,模糊PID控制;第五讲,;,新型控制器产品发展概述。

PID一,由于其算法简单、鲁棒性好、可靠性高等优点,被广泛应用于工业过程控制。当用计算机实现后,数字PID控制器更显示出参数调整灵活

、算法变化多样、简单方便的优点。随着生产的发展,对控制的要求也越来越高,随之发展出许多以计算机为基础的新型控制算法,如自适应PI模糊PI智能PID控制、D控制、D控制等

等。本讲座共分6讲,将着重介绍这些新型PID

控制原理、方法及其应用。我们期待着把PID控制提到一个新的水平。

1　PID控制原理

111　模拟PID控制器

模拟PID控制系统原理框图如图1-1所示,系统由模拟PID控制器和受控对象组成。

图1-1　模拟PID控制系统原理框图

PID控制器根据给定值r(t)与实际输出值

(1-1)　　　　e(t)=r(t)-c(t)

1997年第4期　　　　　　　　　　　　工业仪表与自动化装置 61

过线性组合构成控制量,对受控对象进行控制。其控制规律为:

t()()(t)dt+TD[e]=+utKpet0

由Z变换的性质:

-1

Z[e(k-1)]=ZE(Z)

(1-∑e(j)]=E(Z)

j=0

-1

)

(1-2)

或写成传递函数形式:

=KP(1++TDS)(1-3)G(s)=

E(S)TIS

式中,KP为比例系数,TI为积分时间常数,TD为微分时间常数。

简单说来,PID控制器各校正环节的作用是这样的:

●比例环节:即时成比例地反应控制系统的偏差信号e(t),偏差一旦产生,控制器立即产生控制作用以减小误差。

●积分环节:

主要用于消除静差,提高系统的无差度,数TI,TI越大,积分作用越弱,●微分环节:(),,,从而,减小调节时间。112　数字PID控制器

当计算机实现PID控制时,首先必须将上述PID控制规律的连续形式变成离散形式,然后才能编程实现。PID控制器控制算法的离散形式为:

式(1-5)的Z变换式为:

(1-Z-1)+U(Z)=KPE(Z)+KIE(Z)

-1

(1-6)KD[E(Z)-ZE(Z)]

由式(1-6)便可得到数字PID控制器的Z传递函数:

G(Z)=

(1-Z-1)+=KP+KI

E(Z)

-1

(1-7)KD(1-Z)1

或者

(Z)=

-12

-(1-8)

ID控制器如图1-2所示。

u(k)=KP{e(k)+

e(k-1)]}

∑e(j)+

j=0

[e(k)-T

图1-2　数字PID控制器框图

(1-4)

或

u(k)=KP e(k)+K

∑e(j)+

j=0

KD[e(k)

-e(k-1)](1-5)

式中　T——采样周期

k——采样序号,k=0,1,2,…

u(k)——第k次采样时刻的计算机输出

值

e(k)——第k次采样时刻输入的偏差值

——称为积分系数TI——称为微分系数KD=TKI=

由于计算机输出的u(k)直接去控制执行机构(如阀门),u(k)的值和执行机构的位置(如阀门开度)是一一对应的,所以我们通常称式(1-4)或式(1-5)为位置式控制算法。

当执行机构需要的是控制量的增量(例如去驱动步进电机)时,可由式(1-5)导出提供增量的PID控制算式。根据递推原理可得:

k-1

u(k-1)=KP e(k-1)+K

∑e(j)

j=0

+KD[e(k-1)-e(k-2)](1-9)

用式(1-5)减式(1-9)可得:

u(k)=KP[e(k)-e(k-1)]+KIe(k)+

KD[e(k)-2e(k-1)+e(k-2)]

62 工业仪表与自动化装置　　　　　　　　　　　　1997年第4期

=KP e(k)+KIe(k)+KD[ e(k)-(1—10) e(k-1)]

式中　 e(k)=e(k)-e(k-1)

式(1-10)

称为增量式PID控制算法。将上式整理,合并后得:

u(k)=A e(k)-B e(k-1)

+C e(k-2)式中　A=KP(1+

TIT)B=KP (1+T

C=KP

+TDS)TIS

有Ziegler-Nichols整定公式:

G(S)=KP(1+

KP=112TP K ΣTI=2ΣTD=015Σ

(2—2)

(1-11)

实际应用时,通常根据阶跃响应曲线(图2-1),人工测量出K、TP、Σ参数,然后按式(2-2)计算KP、TI、TD。用计算机进行辅助设计时,一是可以用模式识别的方法识别出这些特证参数;一是可用曲线拟合的方法将阶跃响应数据。

它们都是与采样周期,比例系数、积分时间常数、微分时间常数有关的系数。

增量式PID和位置式PID实质是一样的,但增量式比位置式有许多优越之处:

● u(k)只与k、k-1、k关,u,分项∑e(,。

(如步进电机),则每次只需输出增量 u(k),即执行机构的变化部分,误动作造成的影响小。

●手动—自动切换时冲击小,便于实现无扰动切换。

在具体应用数字PID控制器时,可采用一些改进算法、如积分分离PI不完D控制算法、全微分PI变D控制算法,带死区的PID控制、速积分PID算法等。

图2-1　阶跃响应曲线

21112　ISTE最优设定方法

庄敏霞与Atherton针对各种指标函数得出了最优PID参数整定的算法,考虑下面给出

的最优指标通式。

)=Jn(Η

2　自整定PID控制策略

PID控制器中3个参数的确定问题是实际

中的设计问题。下面介绍几种较成熟的自整定方法:

211　经验公式法

21111　Ziegler-Nichols设定方法

这里e(t)为进入PID控制器的误差信号。根据设定点信号的最优自整定算法,对式(2-3)中给出的最优指标,着重考虑3种情况,即n=0,简记作ISE(integralsquarederror)准则;

n=1,简记作ISTE准则;n=2,简记为ISTE

Θ[te(Η,t)]dt

∞

(2-3)

准则。

若已知系统的数学模型如式(2-1)给出,则对典型PID结构可以建立经验公式:

KP=TI=

()KTP

a2+b2(Σ TP)

受控对象大多可近似用一阶惯性加纯延迟

环节来表示,传递函数为:

-Σs

(TPS+1)(2-1)GP(s)=Ke

对于典型PID控制器:

(2-4)

TD=a3TP(Σ TP)

1997年第4期　　　　　　　　　　　　工业仪表与自动化装置 63

对不同的Σ TP范围,可以得出(a,b)参数表如表2-1所示。由表中给出的PID参数设置可以通过MATLAB来简单地实现。

表2-1　设定点PID控制器参数表

Σ TP范围准则

a1b1a2b2a3b3

ISE11048

011—1ISTE11042

TSI2E01968

ISE11154

111—2ISTE11142

IST2E11061

形优化算法。优化性能指标常选IAE或ISE,一个全自动的PID参数优化CAD系统如图2—2所示。

-01897-01897-01904-0

1567-01579-0158311195

01987

01977

11047

01919

01892

-01368-01238-01253-01220-01172-011650148901888

0138501906

0131601892

0149001708

0138401839

0131501832

ID控制器参数优化CAD程序框图

21113　临界灵敏度法

期TC时PID控:

KP=0KCTI=015TCTD=01125TC

ββ3　～strom-Hagglund自整定PID控制结构

由前面的讨论可知,若测出了系统的一阶模型(式2—1)或得出了系统的振荡频率ΞC和

(2-5)

特征参数TC和KC,一般由系统整定试验确定。或者用频率特性分析算法据受控过程GP(S)直接算得KC和TC,即由增益裕量gm确定KC,由相位剪切频率ΞC确定TC:

TC=

增益KC,则可以容易地设计出PID控制器。以往要想求出系统的这些特征参数,需要使用离线的方法来进行,即首先通过试验测出系统的特征参数,然后再根据这些参数设计一个合适的PID控制器,最后再将此控制器应用到原系统的控制中。若系统的参数发生变化,则应该再重新开始这一过程。

ββ～strom2Hagglund提出了一种继电型

PID自整定控制结构,该方案的基本想法是在控制系统中设置两种模态;测试模态和调节模态,在测试模态下由一个继电非线性环节来测试系统的振荡频率和增益,而在调节模态下由系统的特证参数首先得出PID控制器,然后由此控制器对系统的动态性能进行调节。如果系统的参数发生变化时,则需要重新进入测试模态进行测试,测试完成之后再回到调节模态进行控制。

继电型PID自整定控制结构如图3—1所示。从图中可以看出,两个模态之间的切换是靠

ΞC

(2-6)

(gm 20)

KC=10

212　仿真试验法

当受控过程的模型已知时,PID参数可通过数字仿真试验来确定。常见的有两种方式:半自动的和全自动的。所谓半自动的方式,就是由人来设置并调整PID参数,由计算机来仿真系统动态特性和计算系统的性能指标。所谓全自动的方式就是调整PID参数的任务也由计算机来完成,一般用最优化算法来整定PID参

数。对于单参数的P控制器常用黄金分割算法。对于多参数的PI和PID控制器常用单纯

64 开关来实现的。

工业仪表与自动化装置　　　　　　　　　　　　1997年第4期

4　伪微分反馈控制策略

该控制策略如图4—1所示。

在算法中反馈环节为KD(S)=KdS+KP,并引入了积分环节KI

S来确保系统的闭环响应中不存在静态误差,系统外反馈回路的KH用来调节系统输出的幅值。为了保证进入对象

环节的信号m2(t)不至于过大,在受控对象前还加入了一个饱和限幅的非线性环节。这样的控制器有着比传统的PID控制器更明显的优越性。因为它的前向通路是由单一的积分环节驱动的。而微分环节是对较为平滑的输出信号作用的,所以并不存在象传统PID控制中微分突变的现象,有着较好的控制效果

。

3-15算机控制系统中。PID参数整定规则是基于有经验的操作者的直观判断和行之有效的整定公

式。这种控制器在启动开环阶跃测试时预置PID参数,利用相关的模式识别技术在连续闭环操作期间修改其参数值。其中大多是在负荷扰动或设定值变化后,按照过程误差响应的振荡周期T、超调和衰减率,整定其PID参数,如图5—1所示

。

整定

这种控制器参数自整定技术,完全摒弃了建模和基子模型的运算,而是通过对闭环性能的观测,直接进行整定参数的操作,现已成为一种重要的在线自整定策略。其商品化产品已从独立地嵌入单回路控制器中,发展到应用于计

图4-1　伪微分反馈控制策略

还有一类不是在每一扰动或设定值变化后进行整定,而是执行迭代技术(下转第46页)

面,其中包括原始参数画面、炉体总貌、棒状图、历史趋势图、各段加热曲线及炉压曲线图。通过这些画面,操作人员可掌握系统的全局状况,还可以检索某个参数的历史记录和变化趋势。操作人员可以通过操作员键盘迅速调出所需的任一画面。

312　系统带有完善的故障诊断与保护功能

当系统检测或调节器本身出现故障时,系统能自动脱离串级进行强迫手动,指示灯闪烁,可通过上位机或编程器获得出错信息以便及时

处理

本系统投入运行近一年时间,运行可靠稳定,各项控制功能和指标完全满足工艺要求。

图2-5(上接第64页),修正当前的整定参数。

时,,图5-1　直接确定整定参数的模式识别试验曲线

6　结束语

本讲介绍了PID控制原理和自整定技术。虽然,大多数有实用价值的自整定技术是用于单回路控制器,只有少数用于分散型控制系统,但其发展趋势却是以参数自整定算法软件形

式,固化在计算机控制系统或PLC中,使其作为一种通用控制装置的内含部件。对于对象为时变系统或环境干扰变化较大时,可采用自适应、智能、模糊等方法实时对PID参数进行整定。有关这些内容,将在下面各讲分别进行介绍。

新型PID控制及其应用

第二讲　自适应PID控制

陶永华

华东冶金学院　马鞍山:243002

1　引言

l),使控制系统达到预定的控制品质。

自适应控制的研究是从50年代开始的,由于计算机的迅速发展及随机控制理论、系统辨识等学科的发展,大大促进了自适应控制的研究。自适应控制与PID控制器相结合,形成了所谓自适应PID控制或自校正PID控制技术(人们统称为自适应PID控制)。

自适应PID控制具有自适应控制与普通PID控制器两方面的优点:首先,它是自适应控制器,就是说,它有自动辨识被控过程参数、自动整定控制器参数、能够适应被控过程参数的变化等一系列优点;其次,它又具有常规PI、鲁棒D控制器结构简单性好、可靠性高、为现场工作人员和设计工程师们所熟悉的优点。自适应PID控制所具有的这两大优势,使得它成为过程控制的一种较理想的自动化装置,成为人们竞相研究的对象和自适应控制发展的一个方向。

自适应PID控制器可分为5大类,于被控过程参数辨识,PID控制器,其参数的设计依赖于被控过程模型参数的估计。另一类基于被控过程的某些特征参数,诸如临界振荡增益KC、临界振荡频率ΞC等。这种类型的自适应PID控制没有一个统一名称,我们姑且称为非参数自适应PID控制器。其参数的设计直接依赖于过程的特征参数

,自适,它们是:极点配置自适应PI相消原理自适应PID控制器、D控制器、基于经验规则的自适应PID控制器、基于二次型性能指标的自适应PID控制器和智能或专家自适应PID控制器。PID控制和一些具有应用前景的PID自适应控制系统。

2　极点配置自适应PID控制

极点配置自适应控制算法由Wellstead等

β人在1979年首先提出,继而由～strom和wit2

tenmark,Vogel和Edgar,Elliott等人改进和深化,成为自适应控制中的一个重要组成部分,

βWittenmark和～strom等人在此基础上提出

了极点配置自适应PID控制算法。

设受控过程的数学模型可用CARMA(ControlledAuto2RegressiveMovingAverage)受控自回归滑动平均模型描述:

　A(Z-1)y(t)=Z-dB(Z-1)u(t)+C(Z-1)Τ(t)

(2—1)

其中y(t)、u(t)、Τ(t)分别为被控对象的输出、输入和不可测的扰动噪声;Z-1为滞后一步算子,即Z-1y(t)=y(t-1);d为滞后步数;A

-1-1-1

(Z-1)、B(Z)、C(Z)均为Z的多项式:

-1-1-n

A(Z)=1+a1Z+…+anaZa

-1-1-B(Z)=b0+b1Z+…+bnbZ

(b0≠0)(2—2)

C(Z

-1

)=1+c1Z-1+…+cncZ-

1997年第5期　　　　　　　　　　　　工业仪表与自动化装置

-1

其中na、nb、nc分别为多项式A(Z)、B

-1

(Z-1)、C(Z)的阶数;一般d为已知,但系数ai(i=1,2,…,na)和bj(j=1,2,…,nb)为未知参

数,需要在线辨识。

典型的闭环计算机控制系统结构如图2—1所示

。

其中T(Z-1)称为期望特征多项式,由设计者根据实际工况和性能指标要求确定。

图2—1系统可直接写出自校正控制器输出u(t)的表达式:

-1-1

u(t)=-1yr(t)--1y(t)(2—5)F(Z)F(Z)

在数字系统中,通常采用带数字滤波器的PID控制器算法:

-1-2

-1-1

)u(Z)=-1-1((1-Z)(f(2—6)

0=P()IT

g1=-KP(1+

g2=KP

图2—1　典型的闭环计算机控制系统结构

)(2—7)

系统闭环方程为:

-d-1-1-1-1

(2—3)y(t)=-1-1-d-1-1

A(Z)F(Z)+ZB(Z)G(Z)

由式(2—3)可见,按增广型自校正闭环极点配置要求,闭环特征多项式应满足:

-1-1-d-1-1

A(Z)F(Z)+ZB(Z)G(Z)=C(Z-1)T(Z-1)(2—4)

KP、TI和TD分别为PID控制器的比例系

数、积分时间和微分时间,T为采样周期,

f1为滤波器参数。

为了将极点配置自校正控制器转换成增量型PID控制器,根据式(2—6),本文对方程(2—5)采用如下形式:

-1-1-1

(2—8)F(Z)=(1-Z)(1+f1Z)　　G(Z-1)=g0+g1Z-1+g2Z-2

(2—9)

图2—2　极点配置自校正PID控制器结构图

根据方程(2—5),稳态时应有y(t)=yr(t),系统才能达到伺服跟踪。则应有:

-1

H(Z)=g0+g1+g2

工业仪表与自动化装置　　　　　　　　　　　　1997年第5期

(2—10)

这样,可以方便地用PID调节参数g0、g1、g2来配置极点。因此,这种控制器的结构简单。实践证明,它的调节性能和跟踪性能均比较理想。极点配置自校正PID控制器的结构如图2—2所示。

如图3—1所示,PID继电自整定与神经网

络相结合,共同完成PID自适应控制任务。以神经网络构造PID控制器,解决了PID参数在线调整的问题,使PID控制器适用范围更广。以继电自整定PID参数确定网络权初值,使过程响应超调量降低,回复时间减短,控制质量提高。实施控制时,先将开关T置于S处,进行PID参数整定,将所得的参数做适当的修正后作为网络权的初值,V处,

自校正PID控制器的设计,归结为控制算法的设计,这包括辨识算法和参数修改算法两大内容。自校正PID控制器的特点是理论概念清楚、工程意义明显,它的参数校正原则是通过PID参数的选取,特性方程。

3ID　　在PI,一个关键的问题便是PID参数整定。传统的方法是在获取对象数学模型的基础上,根据某一整定原则来确定PID参数。然而在实际的工业过程控制中,许多被控过程机理较复杂,具有高度非线性、时变不确定性和纯迟后等特点。在噪声、负载扰动等因素的影响下,过程参数甚至模型结构均会发生变化。这就要求在PID控制中,不仅PID参数的整定不依赖于对象数学模型,并且PID参数能在线调整,以满足实时控制的要求。下面介绍4种PID自适应控制系统。311　PID继电自整定与神经网络PID控制器相结合的系统

图3—1　PID自适应控制系统原理图

312　模糊自适应PID控制系统

模糊自适应PID(简称FAPID)控制系统

如图3—2所示。图中FAC表示模糊自适应控制器,与常规PID控制器一起组成FAPID控制器。FAPID控制器的设计分为相对独立的两步进行,简单方便。FAC的输出即为PID控制器的输入。PI

D参数若采用工程整定法整定,

图3—2　FAPID控制系统结构图

可不需要过程模型。整定PID参数时,去掉

FAC的作用。当在每个采样时刻获得了系统响应后,就可以根据此时刻系统响应偏离给定的情况及变化趋势,依据我们已有的系统控制知识,运用模糊控制方法,适当加大控制力度或减小控制力度(或提前增加阻尼),以扼制响应朝偏离给定的方向变化,使输出尽快趋于给定。基于这种思路,来设计FAC。模型规则表物理意

义明确,实时计算工作量小,便于工作应用。313　单神经元自适应PID控制器　　用单神经元实现自适应PID控制的结构框图如图3—3所示

。

单神经元控制器中引入二次型性能指标,通过修改神经元控制器的权系数Ξi,使性能指标趋于最小,从而实现自适应PID的最优控制。314　专家自适应PID控制器　　具有专家系统的自适应PID控制器,其系统如图3—4所示。它由参考模型,可调系统和专家系统组成。从原理上看,它是一个模型参考自适应控制系统,其中参考模型由模型控制器PI

D控PID参

图3—3　单神经元自适应PID控制器结构图

r)输出y(K),X123。PID控制3

,,在原有控制器参数作可调系统输出y(t)的响应波形将偏离理想的动态特性。这时,利用专家系统以一定的规律调整控制器的PID参数,使y(t)的动态特性恢复到理想的状态。专家系统由知识库和推理机制两部分组成。该系统由于采用闭环输出波形的模式识别方法来辨别被控对象的动态特性,不必加持续的激励信号,因而对系统造成的干扰小。另外采用参考模型自适应原理,使得自整定过程是根据可调系统和参考模型输出波形特征值的差值来调整PID参数的,整定过程物理概念清楚并避免了被控对象动态特性计算错误而带来的偏差。

u(k)=u(k-1)+K

∑Ξ(k)X

i=1

(k)(2—11)

式中K为神经元比例系数,单神经元PID控制器权系数Ξi系按某一性能指标为最小来调整,以实现自适应PID控制。利用具有自学习和自适应能力的单神经元来构成单神经元自适应PID控制器,不但结构简单,且能适应环境变化,有较强的鲁棒性。在

图3—4　专家自适应PID控制器原理图

4　结束语

自适应PID控制是随着自适应控制的理

论发展和在过程控制中的实践而形成和发展的,从一开始就带有浓厚的应用色彩。在短短的

十几年中发展很快,从国际上所宣布的自适应控制器产品来看,也是以自适应PID型控制器

居多,而且已出现了各种商品化的软件包。对于一种通用、实用的自适应控制器来说,应当满足

(下转第61页下)

明,APFC(开关)电源变换器的AC输入电流IIN呈平滑的正弦曲线,与VIN之间的相位角中趋于0,由MC34261控制的APFC型AC DC电源变换器的功率因数可高达0199,电流总谐波含量可低于8%,电源变换效率Γ>0195,由表4—1所示的实测数据表明,由MC34261控制的APFC2AC DC(开关)电源变换器的优良品质是显然的。

图4—4　APFC2AC DC变换器入端电压电流波形

表4—1　由MC34261控制的APFC2AC输入端

PIN(W)VIN(V)851685118418841584128411

90120130140

PF0001997019970199601995

THD15513518616712

电流谐波失真(%)

2010112011201120113

117215312410415

5th3214216217218310

0167114115114115116

V0(230230230230230230

0)801580158015801580158015

Γ(%)

941094169416951395169517

比较实验结果表明:采用升压型APFC技术设计的AC DC(开关)电源变换器具有明显的优点,对于我们设计高功率因数、低谐波含量的工业负载具有积极意义。本文的目的是使每一个电子系统工程师意识到对他们所设计的每一个工业负载或设备,应把降低谐波、提高功率因数作为系统设计的一个重要指标之一。与其把电力系统污染后,再被动地进行治理和补偿,不如我们主动地把工业负载或设备的电子电源和电子装置设计成低谐波、高功率因数的非污染源,自觉维护电力系统的电气环境,提高我国工业设备的用电质量。(上接第53页)

参考文献

1　A1R1Prasadet1al,ANovelPassiveWave2

shapingMethodforSinglePhaseDiodeRectifiers,IEEEIECON,90PP1104121059

2　林渭勋,袁晓明,徐哲淳1电能质量及中小容

量低谐波高功率因数整流器1电气自动化,1995(3)1

3　MartinF1Schlechtet1al,ActivePowerFactorCorrectionforSwitchingPowerSupplies,IEEEtrans,onPowerElectronicsVol1PE22(NO4)PP127322811

4　AdvanceInformationPowerFactorCon2troller,MOTOROLASemiconductorTechnicalData,P1—141993

下列诸条件才能称之为一种较好的、有效的控

制装置。

具有良好的鲁棒性。具有较高的动、静态品质。具有在线自动整定、校正、优化控制器参数的能力。

与上面的要求相比,自适应PID控制还大有发展和改进的余地。近年来,人们已经注意将智能控制、模糊控制和神经网络技术引入自适应PID控制之中,成为目前国际上最热门的研究课题之一,也是自适应控制中一个很有前途的方向。

1997年第6期　　　　　　　　　　　　工业仪表与自动化装置 57

新型PID控制及其应用

第三讲　智能PID控制

1　引言

智能控制IC是一门新兴的理论和技术,它

是一门交叉学科。傅京孙与隆里迪斯(G.N.Saridis)认为,智能控制为三元结构,即IC可看作自动控制、运畴学和人工智能AI的结合物。这一方面指明AI与运筹学的定量优化计算方法(线性规划、网络规划、多目标优化技术等)正逐步与控制系统相结合,为智能技术的产生奠定基础,也为控制论发展开辟了新的方向。另一方面也指明IC的含义,即应用AI的理论与技术及运畴学的优化方法同控制理论方法与技术相结合,在未来的复杂环境下,仿效人的智能,实现对广义对象的有效控制。这里,所谓的“广义对象”包括通常意义的控制对象和外部环境,如智能机器人系统中的机器人手臂、被操作物体及所处环境统称为广义对象。智能控制的内容很广,包括基于知识推理的专家控制、基于规则的自学习控制、基于联结机制的神经网络控制、基于模糊逻辑的智能控制和仿人智能控制等等。近年来,智能控制与常规PID控制相结合,形成所谓智能PID控制,这种新型控制器已引起人们的普遍关注和极大兴趣,并已得到较为广泛的应用。它具有不依赖系统精确数学模型的特点,对系统的变化具有较好的鲁棒性。本讲着重介绍专家式智能PID控制,智能PID自学习控制和基于神经网络的PID控制,关于模糊PID控制将在第四讲详细论述。

2　专家式智能PID控制

随着微机技术和人工智能技术的发展,出现了多种形式的专家控制器。人们自然也想到用专家经验来建立PID参数,其中最典型的是1984年美国FOXBORO公司推出的EXACT

专家式自整定控制器,它将专家系统技术应用于PID控制器,代表着当今智能自整定仪表的发展方向。211　关于专家控制

专家控制的实质是基于受控对象和控制规律的各种知识,以智能的方式来利用这些知识,求得受控系统尽可能地优化和实用化,它反映出智能控制的许多重要特征和功能。

人工智能领域中发展起来的专家系统是一种基于知识的,智能的计算机程序系统。专家系统有两个要素。

(1)知识库——存储有某个专门领域中经过事先总结的按某种格式表示的专家水平的知识条目;

(2)推理机制——按照类似专家水平的问题求解方法,调用知识库中的条目进行推理,判断和决策。

所谓专家控制,就是对一个“控制专家”的思路、经验、策略的模拟、延伸和扩展。专家控制技术对于复杂的受控对象或过程尤为必要,因而对于各种实际的工业控制具有广泛的应用前景。

58 工业仪表与自动化装置　　　　　　　　　　　　1997年第6期

212　专家式智能PID控制器的典型结构21211　基于模式识别的专家式PID自整定控

制器

图2—1所示基于模式识别的具有专家式

PID自整定控制器的自动控制系统的一般结构原理图

。

2ID自整定控制器自控系统框图

,除广义被控对象外,其余部分为专家式P

I该自整定控制D自整定控制器。器的工作过程是,在闭环系统受到扰动时,对系统误差e的时间特性进行模式识别,分别识别出该过程响应曲线的多个特征参数ei,i=1、2、

…m(如超调量、阻尼比、衰减振荡周期、上升时间等)。将所测出的特征参数值与事先设定好的特征参数值进行比较,其偏离量送入专家系统,专家系统在线推断出为消除各特征量的偏离控制器各参数所应有的校正量 Tj,送入到常规PID控制器,以修正PID控制器的各个参数。

所完成的功能是根据控制系统闭环运行过程中系统误差时间特征来判定是否需要校正控制器的一组参数,如需要校正,则确定该组参数的校正量的多少。所以,设定专家式自整定控制器的核心是在系统闭环运行时,如何合理地选定描述系统暂态误差特性的各个特征参数,以及如何获取关于特征参数的偏离量与应有的PID控制器一组参数的校正量 31、 32、 3j之间

的关系。

基于模式识别的专家式PID自整定控制器,不必精确地辨别被控对象的数学模型,也不必对被控过程施加任何激励信号,就可以对由它构成的控制系统运PID参数进行自整定。

行稳定、有效、可靠。利用在控制系统建立过程中可能获得的受控对象的验前信息,可加快自整定过程的收敛速度,减轻自整定控制器中专家系统工作的负担。对常规数字式PID控制器进行改造,即可实现控制器的自整定。21212　专家系统智能自整定PID控制器

与此同时,控制器根据系统识别误差e以及所整定的参数进行运算,输出控制信号u到广义控制对象进行控制,直到被控过程的响应曲线的特征参数满足用户期望的要求。

由图2—1可见,在具有专家式PID自整定控制器的控制系统中,除了有一个按系统误差由常规PIe控制的、D控制器和广义被控对象组成的常规的闭环内回路外,还有一个多输入、单输出的闭环外回路。在这个外回路中,常规PID控制器和原来的广义对象构成被控对象,

智能控制器应具有自整定、自综合和监控三种运行状态。自整定是控制器根据对象特性变化自动整定PID参数,使控制系统具有稳定鲁棒性;自综合是用来保证控制系统的性能鲁棒性;监控状态是用来确保控制系统安全可靠运行。

专家系统智能自整定PID控制器原理框图如图2—2所示。

模式识别器是该外回路的一个单输入,多输出测量装置。具有多输入、多输出的专家系统就是外回路的控制器。

基于模式识别的专家式PID自整定控制器的设计主要解决两方面的问题,即响应曲线特征参数的选取和专家知识的获取。专家系统

1997年第6期　　　　　　　　　　　　工业仪表与自动化装置 59

图22PI21313I图2—3　专家PID控制器框图

专家PID控制器原理框图如图2—3所示。它是在PID算法的基础上,增加误差E与误差变化 %、查Fuzzy矩阵表、查知识集、知识判

断、知识调整几个软件模块组成。

这种专家PID控制器能根据专家知识和经验实时调整PID参数,具有良好的控制特性和鲁棒性。此外,该控制器结构简单、执行时间短,因此可望在工业控制领域中得到广泛应用。

自学习控制系统的关键部分是自学习控制器,它包括下述5个环节:

(1)选例器:采集受控对象的数据及多种信息,如系统的状态变量、动态特征、输出及干扰等。

(2)知识库:存储或记忆系统通过学习所获

取的知识,这些知识包括基本概念、定义、控制规则及系统动态数据,中间结果等。

(3)学习器:进行在线学习、采集信息、修改和更新知识、完善知识库。

(4)推理机:利用知识库知识进行推理、作出控制决策、对执行器输出控制信号。(5)监督器:根据系统的输入信息、反馈信息,对控制决策的效果进行评价和检验,整定评价准则,监督学习过程并指导选例器的工作。

3　智能PID自学习控制

311　关于自学习控制

,自动获取知识,并能将所学得的知识用来不断改善对于一个具有未知特征过程的控制性能,则称这种系统为自学习控制系统。

60 工业仪表与自动化装置　　　　　　　　　　　　1997年第6期

上述自学习控制器是由微机软件实现的,实际上它是一组具有拟人自学习功能的智能控制程序,其中包括一些基本的控制算法。

基于产生式规则表示知识的自学习控制系统,称为基于规则的自学习控制系统。其自学习控制器由综合数据库,控制规则集、学习单元和控制策略四个环节构成。

其中综合数据库用于存储数据或事实,接受输入、输出和反馈信息。而控制规则集主要存储控制对象或过程方面的规则、知识,是由<前提结论><行动>配,312　智能PI自学习控制系统的结构

参数的自学习机构,从而使系统在运行过程中

能自动地对各PID的参数进行自学习和自整定。同时,若系统中出现扰动源或受控对象参数发生变化,系统的PID参数也能自动地修改和适应。

4　基于神经网络的PID,,,所有定量和定性分析都等势分布储存于神经网络内的各种神经元中,能够学习和适应严重不确定系统的动态特性,故有很强的鲁棒性和容错性。这些特点显示了神经网络在解决高度非线性和严重不确定性系统方面的潜力。411　关于神经网络

神经网络是由大量简单的基本神经元相互连接而构成的自适应非线性动态系统。每个神经元的结构和功能都比较简单,而大量神经元组合所产生的系统行为却相当复杂。

图

4—1显示了一种简化的神经元结构。它是一个多输入、单输出的非线性元件,其输入输出关系可描述为

(4—1)Ii=WjiXj-Ηi

(4—2)yi=f(Ii)

其中,Xj(j=1,2,…n)为输入信号,Ηi为阈值,Wij为连接权值,f(Ii)称为传递函数。

图3—1　智能PID自学习控制系统的结构

智能PID自学习控制系统的结构如图3—1所示。

智能PID控制器采用规则PID控制的形式,即在系统运行的不同阶段或情况下采用不同的PI性能评价部分设置的目的,是D参数。能够了解到智能控制器的控制性能及其好坏,以便及时修正PI设置逆对象D控制器的参数。模型的目的是将系统性能评价的结果折合到应对受控对象的控制量值u的修正量 u上去。PID参数自学习部分设置的目的是为了在得到

图4—1　神经元结构模型图

了 u后,能够合理有效地自动修正智能PID控制器中的各组PID的KP、KT、KD三个参数。

该系统的特点是在智能PID控制即规则PID控制的基础上,重视和强调对该控制器的

有时为方便起见,常把-Ηi也看成是对应

恒等于1的输入量X0的权值,这时(4—1)中的和式记为

控制性能的评价,将这个评价结果反馈给PID

1997年第6期　　　　　　　　　　　　工业仪表与自动化装置

Ii=2WjiX

j=0

(4—3)

其中:Woi=-Ηi,X0=1

传递函数f(X)可为线性函数,但通常为像阶跃函数或S状曲线那样的非线性函数。

神经网络是由大量的神经元广泛互连而成的网络。目前虽然已有数十种的神经网络模型,但已有的神经网络可分成3大类,即前向网络、反馈网络和自组织网络。

412　基于神经网络的PID控制器典型结构41211　神经元PID若取　X1=e(K),X2=e(K)-e(K-1),

X3=e(K)-2e(K-1)+e(K-2)

则式(4—4)变为:

u(K)=W1e(K)+W2[e(K)-e(K-1)]+W3[e(K)-2e(K-1)+e(K-2)]

(4—6)

(4—6)和式(,6)中系数(2,)而式(4—5)中的参数KP、正是由于WT、KD是预先确定好且不变的。

PI4—2(Ii),n3,则神经元:

u(K)=W1X1+W2X2+W3X3

(4—4)

能够进行自适应调整,故可大大提高控制器的鲁棒性能。与常规PID控制器相比较,无需进行系统建模,对具有不确定性因素的系统,其控制品质明显优于常规PI神经元的学D控制器。

习功能是通过改变权系数Wi来实现的,学习算法即是如何调整Wi规则,它是神经元控制的核心,反映了学习方式与学习功能

。

由第一讲可知,PID控制器的增量算式为: u(K)=KP[e(K)-e(K-1)]+Kie(K)+KD[e(K)-2e(K-1)+e(K-2)]

(4—5)

图4—2　神经元PID控制系统框图

41212　基于神经网络的PID

控制器

地调整神经网络中各种神经元之间权系数,以

适应受控对象的变化。因此,这种控制方式具有很强的适应性。另外,它不需要关于非线性系统的全部知识,只要知道部分知识即可建立BP算法。

5　结束语

图4—3　基于神经网络的PID控制系统框图

基于神经网络的PID控制器的结构如图4—3所示。在这种控制方式中,神经网络用作在线估计器,控制信号由常规控制器发出。首先,神经网络按照BP学习算法进行离线学习,然后接入控制系统,一方面实时地给出最佳的PID控制器参数,另一方面还要继续学习,不断

近年来,国内外对智能PID控制的应用研

究十分活跃并出现热潮,研究神经网络在自动控制系统中的应用已成为新的热点。由于不需要确切知道系统的精确数学模型,具有很强的鲁棒性,所以智能PID控制具有广泛的应用前景。与应用研究相比,很多理论问题,诸如智能控制系统的稳定性和鲁棒性的研究还有待进一步的深入。

1998年第1期　　　　　　　　　　　　工业仪表与自动化装置 57

新型PID控制及其应用

第四讲　模糊PID控制

陶永华

华东冶金学院　马鞍山:243002

1　引　言

在工业控制过程中经常会碰到大滞后、时

变的、非线性的复杂系统,其中有的参数未知或缓慢变化;有的带有延时和随机干扰;有的无法获得较精确的数学模型或模型非常粗糙。对上述这些系统,如果使用常规的PID控制器,则较难整定PID参数,果。Fuzzy-PID,可以达到理想的控制效果,它对各种被控对象,不同的控制指标均能实现PID最佳调整。模糊控制器是一种近年来发展起来的新型控制器,其优点是不要求掌握受控对象的数学模型,而根据人工控制规则组织控制决策表,然后由该表决定控制量的大小。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,适应性强的优点,又具有PID控制精度高的特点。本讲着重介绍模糊PID控制原理和典型结构,并列举工程应用实例。1.1　PID参数Fuzzy自整定控制原理　　常规PID控制算法为:

u(k)=KpE(k)+KI2E(k)+KDEC(k)(1—1)其中E(k)、2E(k)=E(k)+E(k-1)和EC(k)=E(k)-E(k-1)(k=0,1,2,……)分别为其输入变量偏差、偏差和与偏差变化,KP、KI及

积分(I)及微分(D)KD分别为表征其比例(P)、作用的参数。

Fuzzy自整定PID参数控制器是一种在常

建立参数KP、KI与KD同偏差绝对值 E 和偏

差变化绝对值 EC 间的二元连续函数关系:

KP=f1( E , EC )

(1—2)　　　KI=f2( E , EC

KD=f3( E , EC KP、IDP参数Fuzzy自

1—1所示。1.2　PID参数Fuzzy整定模型　　一般情况下,在不同 E 、 EC 下被控过程对参数KP、KI与KD的自整定要求可归结为:

1.2.1　当 E 较大时,为使系统具有良好

的快速跟踪性能,应取较大的KP与较小的KD,同时为避免系统响应出现较大的超调,应对积分作用加以限制,通常取KI=0;

1.2.2　当 E 处于中等大小时,为使系统响应具有较小的超调,KP应取得小些;在这种情况下,KD的取值对系统响应的影响较大,KI的取值要适当;

1.2.3　当 E 较小时,为使系统具有较好的稳态性能,KP与KI均应取得大些,同时为避免系统在设定值附近出现振荡,KD值的选择是相当重要的。

对于Fuzzy自整定PID参数控制器,在具体作法上,根据语言变量偏差EEC,应用FuzzyKP、KI与KD的Fuzzy整定模型,如表1—1、表1—2和表1—3所示。

规PID控制器的基础上,应用Fuzzy集合理论

58 工业仪表与自动化装置　　　　　　　　　　　　1998年第1期

图1—1　PID参数Fuzzy自整定控制原理

表1—1　KP整定Fuzzy规则集模型

PEC

PBPMPSONSNMNB

OPMPBPBPBPB

PMPBPBPBPB

NOPMPMPMPM

NMNSOPSPMPM

NMNMNMOPSPS

BNBNBNBNMOO

NNBNBNBNMOO

DPBPMPSONSNMNB

PSNBNBNSNBNBPS

PSNBNBNSNBNBO

ONMNMNSNMNMO

ONSNSNSNSNSO

ONMNMNSNMNMO

PSNBNBNMNBNBPS

表—3　KD整定B

表1—2　KI整定Fuzzy规则集模型

IEC

PBPMPSONSNMNB

PBPBONSOPBPB

PBPSONSOPSPB

PBPSNSNBNSPSPB

2　模糊PID控制器

2.1　模糊控制器

模糊控制器(FC—FuzzyController)也称为模糊逻辑控制器(FLC—FuzzyLogicCon2troller),由于其所采用的模糊控制规则是由模

糊理论中模糊条件语句来描述的,因此,模糊控制器是一种语言型控制器,故也称为模糊语言控制器(FLC—FuzzyLanguageController)。

模糊控制器的组成框图如图2—1所示。它包括有:输入量模糊化接口、数据库、规则库、推理机和输出解模糊接口5个部分。

2.1.1　模糊化接口

模糊控制器的输入必须通过模糊化才能用

1998年第1期　　　　　　　　　　　　工业仪表与自动化装置 59

于模糊控制输出的求解,因此它实际上是模糊控制器的输入接口。它的主要作用是将真实的

确定量输入转换成一个模糊矢量

。

图2—1　模糊控制器的组成框图

2.1.2　知识库

由数据库和规则库两部分组成。①数据库

),若论域为连续域,则为隶属度函数。在规则推理的模糊关系方程求解过程中,向推理机提供数据。

②规则库

模糊控制器的规则是基于专家知识或手动操作熟练人员长期积累的经验,它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的关系词连接而成,如if-then、also、

“翻译”,才能将模or、and等。关系词必须经过糊规则数值化。例:

假设有控制规则ifAandBthenC,其中,

A是论域U上的一个模糊子集,B是论域V上的一个模糊子集。根据人工试验,我们可离线组织其控制决策表R,R是笛卡尔乘积集U×V上的一个模糊子集。则某一时刻,该控制的控制量由下式得出:

C=(A×B) R

规则库是用来存放全部模糊控制规则的,在推理时为“推理机”提供控制规则。

2.1.3　推理与解模糊接口

。在模糊控制Zadeh近似推理,它包含有正向推理和逆向推理两类。正向推理常被用于模糊控制中,而逆向推理一般用于知识工程学领域的专家系统中。

推理结果的获得,表示模糊控制的规则推理功能已经完成。但是,至此所获得的结果仍是一个模糊矢量,不能直接用来作为控制量,还必须作一次转换,求得清晰的控制量输出,即为解模糊。通常把输出端具有转换作用的功能部分称为解模糊接口。

综上所述,模糊控制器实际上就是一个微机系统。它的绝大部分功能都是由计算机程序来完成的,随着专用模糊芯片的研究和开发,也可以由硬件逐步取代各组成单元的软件功能。2.2　模糊PID控制器

在一般的模糊控制系统中,考虑到模糊控制器实现的简易性和快速性,通常采用二维模。误差E和误差变化EC为输入语句变量,因此它具有类似于常规PD控制器的作用。由线性控制理论可知,采用该类模糊控制器的系统有可能获得良好的动态特性,但无法消除静态误差。为了改善模糊控制器的稳态性能,通常在模

推理是模糊控制器中,根据输入模糊量,由

60 工业仪表与自动化装置　　　　　　　　　　　　1998年第1期

糊控制器中引入模糊积分。下面介绍两种模糊PID控制器:

2.2.1　混合型模糊PID控制器

图2—2所示模糊控制器结构是由W.L.Bialkowski于1983年提出的,它是由一个常规积分控制器和一个二维模糊控制器相并联而成的。常规PI控制器输出为ui和二维模糊控制器输出控制量uf相叠加,

作为混合型模糊PID控制器的总输出,即u=ui+uf,可使系统成为无差模糊控制系统。

2.2.2　误差e模糊积分的PID模糊控制

PID模糊控制器,如图2—3所示。它是一种对

误差e的模糊值进行积分的PID模糊控制器。

器

1988年由M.Basseville提出的又一种

图2—2　混合型模糊PID控制器

图2—3　误差e模糊积分的PID模糊控制器

3　模糊自整定PID控制器的典型结构

根据被控对象的性能要求,可采用不同的模糊自整定PID控制器,下面介绍4种典型结构。

3.1　运用在线辨识策略的自整定PID模糊控制器

控制器的结构图如图3—1所示。针对电加热炉的性能要求以及作为分布式控制系统中下位机的特点,选用在线辨识策略。为消除动态未建模特性带来的影响,在专家知识的基础上,建立起模糊推理机制,以提高控制器的鲁棒性。模糊推理部分通过对控制响应的波形进行在线监视,求出作为控制性能的指标,即上升时间,超调量和稳态误差等。根据专家经验,将这些性能指标作为If部分模糊变量,而Then部分模糊

变量为KP、KI、KD3个参数的修正值。3.2　在线实时模糊自整定PID控制器

这是另一种运用在线辨识策略的自整定PID模糊控制器所采用的控制方案,其原理如图3—2所示。图中的辨识机构是为解决PID控制参数的初值而设立的。在控制的初始阶段,采用bang-bang控制作为引导控制,辨识机构根据在该阶段得到的信息对控制对象进行辨识。在该阶段结束时,利用辨识出的模型参数整定出PID控制参数的初值,并动作控制开关,投入模糊自整定PID控制。　　模糊自整定PID是在PID算法基础上,通

α过计算当前系统误差e和误差变化率e,利用模

糊规则进行模糊推理,查询模糊矩阵表进行参数调整。

1998年第1期　　　　　　　　　　　　工业仪表与自动化装置 61

图3—1　PID-Fuzzy

控制器结构图

图3—2　Fuzzy自整定PID控制原理图

3.3　Fuzzy-PID自动调节控制器

该控制器如图3—3所示,由标准PID控

制器和Fuzzy自动调节机构组成。

Fuzzy自动调节机构能够把被控对象在t时刻的瞬时值e

(t)和e(t)变成单参数因子Α(t),以便校正公式计算时使用。该调节机构是由Fuzzy

匹配器和参数化设计公式组成,其中Fuzzy匹配器是核