CN112782969B - 一种pid参数整定方法、装置、存储介质和设备 - Google Patents
一种pid参数整定方法、装置、存储介质和设备 Download PDFInfo
- Publication number
- CN112782969B CN112782969B CN202011566703.2A CN202011566703A CN112782969B CN 112782969 B CN112782969 B CN 112782969B CN 202011566703 A CN202011566703 A CN 202011566703A CN 112782969 B CN112782969 B CN 112782969B
- Authority
- CN
- China
- Prior art keywords
- value
- control system
- performance evaluation
- preset
- values
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 111
- 230000014509 gene expression Effects 0.000 claims abstract description 71
- 238000004088 simulation Methods 0.000 claims abstract description 67
- 238000004519 manufacturing process Methods 0.000 claims abstract description 65
- 230000004044 response Effects 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims description 28
- 230000010355 oscillation Effects 0.000 claims description 14
- 230000003321 amplification Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000005457 optimization Methods 0.000 description 7
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 4
- 238000009795 derivation Methods 0.000 description 4
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本申请公开了一种PID参数整定方法、装置、存储介质和设备，基于工业过程模型，计算控制***的总仿真时长。根据总仿真时长，确定滤波器系数的取值范围，滤波器系数为预设表达式所包含的计算参数，预设表达式用于指示PID参数。从取值范围内选取滤波器系数的取值，代入预设表达式中，计算得出PID参数的数值。基于PID参数的数值，对控制***进行仿真，得到动态响应数据。将动态响应数据代入预设的性能指标函数中，计算得到性能评估值。从滤波器系数的多个取值中，选取目标取值。将目标取值代入预设表达式中，计算得出PID参数的整定值。利用本申请所述方法对PID参数进行整定，能够提高PID控制器的控制性能，以满足控制***的快速性和稳定性的控制要求。
Description
技术领域
本申请涉及数据处理领域，尤其涉及一种PID参数整定方法、装置、存储介质和设备。
背景技术
PID控制是基于偏差的比例(Proportional)、积分(Integral)和微分(Derivative)的综合控制，是一种基于对“现在”和“过去”信息估计的简单但却有效的控制算法。由于其算法简单、鲁棒性能好、可靠性高等优点，PID控制策略被广泛应用于工业过程的控制***中。PID控制的基础是比例控制决定***响应速度；积分控制可消除稳态误差，但可能增加***超调量；微分控制可加快大惯性***响应速度以及减弱超调趋势。在PID控制器投入应用之前都需要进行PID参数(包括比例系数、积分系数和微分系数)整定(所谓的PID参数整定，实质就是为比例系数、积分系数和微分系数选取最优值)，得到PID参数的整定值，以获得PID控制器的控制精度与速度的折衷。
目前，现有技术通常利用遗传算法进行PID参数整定，然而，其整定效果(即PID参数的整定值)很难同时满足控制***(也可以是PID控制器)的快速性和稳定性的控制要求。
发明内容
本申请提供了一种PID参数整定方法、装置、存储介质和设备，目的在于提高PID控制器的控制性能，以满足控制***的快速性和稳定性的控制要求。
为了实现上述目的，本申请提供了以下技术方案：
一种PID参数整定方法，包括：
基于工业过程模型，计算控制***的总仿真时长；所述工业过程模型用于指示PID控制器的控制对象，所述控制***基于所述PID控制器和所述工业过程模型构建；
根据所述总仿真时长，确定滤波器系数的取值范围；所述滤波器系数为预设表达式所包含的计算参数；所述预设表达式用于指示PID参数；
从所述取值范围内选取所述滤波器系数的取值，代入所述预设表达式中，计算得出所述PID参数的数值；
基于所述PID参数的数值，对所述控制***进行仿真，得到动态响应数据；
将所述动态响应数据代入预设的性能指标函数中，计算得到性能评估值；所述性能评估值用于指示所述控制***的失控概率；
从所述滤波器系数的多个所述取值中，选取目标取值；其中，所述目标取值为满足预设条件的取值；所述预设条件为：基于所述取值对应计算得到的所述性能评估值，小于预设阈值；
将所述目标取值代入所述预设表达式中，计算得出所述PID参数的整定值。
可选的，所述基于工业过程模型，计算控制***的总仿真时长，包括：
对所述工业过程模型进行仿真，得到所述工业过程模型的阶跃响应的起始值和稳态值；
计算所述起始值和所述稳态值之间的时间差，得到稳态时长；
根据所述稳态时长，计算得出控制***的仿真总时长。
可选的，所述从所述取值范围内选取所述滤波器系数的取值，代入所述预设表达式中，计算得出所述PID参数的数值，包括：
依据预设的取值间隔，将滤波器系数的取值范围均分为n个区间；n为正整数；
统计各个所述区间的上限值和下限值，得到n个互不相同的数值；
将n个互不相同的所述数值，作为所述滤波器系数的n个取值；
将所述滤波器系数的n个取值，分别代入所述预设表达式中，对应计算得出所述PID参数的n个数值。
可选的，所述基于所述PID参数的数值，对所述控制***进行仿真，得到动态响应数据，包括：
将所述PID参数的n个数值，分别代入到所述控制***中，并依据预设仿真条件，对所述控制***进行n次仿真，得到n组动态响应数据；其中，n为正整数，所述预设仿真条件为：对所述控制***的输出设定值作单位阶跃扰动，并在控制时间大于0.5倍所述仿真总时长的情况下，对所述控制***的输出增加1/3单位的增幅干扰。
可选的，所述从所述滤波器系数的多个所述取值中，选取目标取值，包括：
从所述取值范围中选取所述滤波器系数的n个取值，n为正整数；
统计基于n个所述取值对应计算得到的n个所述性能评估值；
从n个所述性能评估值中，选取数值最小的性能评估值，作为目标性能评估值；
在确定所述目标性能评估值小于所述预设阈值的情况下，将与所述目标性能评估值对应的滤波器系数的取值，作为目标取值。
可选的，还包括：
在确定所述目标性能评估值不小于所述预设阈值的情况下，重复执行步骤，得到新的所述目标性能评估值，直至新的所述目标性能评估值小于所述预设阈值，将与新的所述目标性能评估值对应的滤波器系数的取值，作为所述目标取值；
其中，所述步骤包括：
根据与所述目标性能评估值对应的滤波器系数的取值，调整所述滤波器系数的所述取值范围，使得所述取值范围缩小；
从调整后的所述取值范围中选取所述滤波器系数的n个取值；
统计基于n个所述取值对应计算得到的n个所述性能评估值；
从n个所述性能评估值中，选取数值最小的性能评估值，作为新的所述目标性能评估值。
可选的，所述性能指标函数包括性能指标的计算公式，所述性能指标为所述控制***的误差时间积分、所述控制***的输出的超调因子、所述控制***的输出的振荡因子、所述控制***的输出的过小因子、以及所述控制***的控制量的振荡因子的组合。
一种PID参数整定装置，包括：
第一计算单元，用于基于工业过程模型，计算控制***的总仿真时长；所述工业过程模型用于指示PID控制器的控制对象，所述控制***基于所述PID控制器和所述工业过程模型构建；
时长确定单元，用于根据所述总仿真时长，确定滤波器系数的取值范围；所述滤波器系数为预设表达式所包含的计算参数；所述预设表达式用于指示PID参数；
第二计算单元，用于从所述取值范围内选取所述滤波器系数的取值，代入所述预设表达式中，计算得出所述PID参数的数值；
仿真单元，用于基于所述PID参数的数值，对所述控制***进行仿真，得到动态响应数据；
第三计算单元，用于将所述动态响应数据代入预设的性能指标函数中，计算得到性能评估值；所述性能评估值用于指示所述控制***的失控概率；
选取单元，用于从所述滤波器系数的多个所述取值中，选取目标取值；其中，所述目标取值为满足预设条件的取值；所述预设条件为：基于所述取值对应计算得到的所述性能评估值，小于预设阈值；
第四计算单元，用于将所述目标取值代入所述预设表达式中，计算得出所述PID参数的整定值。
一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行所述的PID参数整定方法。
一种PID参数整定设备，包括：处理器、存储器和总线；所述处理器与所述存储器通过所述总线连接；
所述存储器用于存储程序，所述处理器用于运行程序，其中，所述程序运行时执行所述的PID参数整定方法。
本申请提供的技术方案，基于工业过程模型，计算控制***的总仿真时长。工业过程模型用于指示PID控制器的控制对象，控制***基于PID控制器和工业过程模型构建。根据总仿真时长，确定滤波器系数的取值范围。滤波器系数为预设表达式所包含的计算参数，预设表达式用于指示PID参数。从取值范围内选取滤波器系数的取值，代入预设表达式中，计算得出PID参数的数值。基于PID参数的数值，对控制***进行仿真，得到动态响应数据。将动态响应数据代入预设的性能指标函数中，计算得到性能评估值，性能评估值用于指示控制***的失控概率。从滤波器系数的多个取值中，选取目标取值。其中，目标取值为满足预设条件的取值。预设条件为：基于取值对应计算得到的性能评估值，小于预设阈值。将目标取值代入预设表达式中，计算得出PID参数的整定值。利用预设表达式指示PID参数，便只需对唯一的滤波器系数进行迭代优化即可，且基于仿真总时长预先确定滤波器系数的取值范围，相较于现有技术，计算量较少，整定速度较快。此外，采用性能指标以及性能指标函数计算性能评估值，并依据性能评估值对滤波器系数进行整定，保证最终计算得到PID参数的整定值，能够令控制***的失控概率小于预设阈值，从而提高控制***的稳定性。可见，利用本申请所述方法对PID参数进行整定，能够提高PID控制器的控制性能，以满足控制***的快速性和稳定性的控制要求。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a为本申请实施例提供的一种PID参数整定方法的示意图；
图1b为本申请实施例提供的一种控制***的结构示意图；
图1c为本申请实施例提供的一种工业过程模型的阶跃响应曲线的示意图；
图1d为本申请实施例提供的一种控制***的控制效果变化曲线的示意图；
图1e为本申请实施例提供的另一种控制***的控制效果曲线的示意图；
图2a为本申请实施例提供的一种预设表达式推导过程的示意图；
图2b为本申请实施例提供的另一种控制***的结构示意图；
图2c为本申请实施例提供的另一种控制***的结构示意图；
图3为本申请实施例提供的另一种PID参数整定方法的示意图；
图4为本申请实施例提供的一种PID参数整定装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1a所示，为本申请实施例提供的一种PID参数整定方法的示意图，包括如下步骤：
S101：基于PID控制器和工业过程模型(即PID控制器的控制对象的数学模型)，构建单回路PID负反馈控制***(下述简称控制***，实质可以理解为一个数学模型)。
其中，PID控制器的输出为u(t)、输入为e(t)，工业过程模型的输出(也可以理解为控制***的输出)为y(t)、输入为u(t)，u(t)代表PID控制器的控制量(也可以理解为控制***的控制量)，e(t)＝y(t)-r(t)，r(t)为控制***的输出设定值，t为控制时间，工业过程模型的表达式为G(s)，s为复数域内的复变量。具体的，控制***的结构示意图如图1b所示。
所谓的PID控制器，是一种现有的线性控制器，其根据给定值与实际输出值构成偏差e(t)，并通过线性组合的方式将偏差e(t)的比例、积分和微分构成控制量u(t)，对受控对象(例如工业过程模型)进行控制，PID控制器的表达式如公式(1)所示。
在公式(1)中，KP代表比例系数，KI代表积分系数，KD代表微分系数。
所谓的工业过程模型，可以理解为：一阶滞后模型和二阶滞后模型τ为纯迟滞时间(可由技术人员根据实际情况进行设置)，a,b,c均为常数。
S102：对工业过程模型进行仿真，得到工业过程模型的阶跃响应的起始值和稳态值，并计算起始值和稳态值之间的时间差，得到稳态时长。
其中，对工业过程模型进行仿真，得到工业过程模型的阶跃响应的起始值和稳态值的具体实现过程，为本领域技术人员所熟悉的公知常识，这里不再赘述。
具体的，假设工业过程模型为对/>进行仿真，得到工业过程模型的阶跃响应曲线如图1c所示，计算起始值和稳态值之间的时间差，得到稳态时长Tss为70秒(即1.12min)。
S103：根据稳态时长，计算得出控制***的仿真总时长。
其中，所谓的仿真总时长，具体指示控制***的工作总时间。将稳态时长代入公式(2)，计算得出仿真总时长。
在公式(2)中，TPID代表仿真总时长。
需要说明的是，除了计算仿真总时长外，还需计算控制***的仿真间隔，以便于后续对控制***进行仿真。在本申请实施例中，仿真间隔为Ts、且Ts＝0.001TPID。
具体的，假设工业过程模型为且工业过程模型的阶跃响应曲线如图1c所示，计算得到稳态时长Tss为70秒，代入公式(2)，计算得到仿真总时长TPID为780秒，仿真间隔Ts为0.78秒。
S104：根据仿真总时长，计算得出滤波器系数的取值范围。
其中，滤波器系数为预设表达式所包含的计算参数，预设表达式用于指示PID参数。
需要说明的是，根据仿真总时长，计算得到滤波器系数λ的取值范围为：0.01≤λ≤λmax1，λmax1的取值范围如公式(3)所示。
具体的，假设仿真总时长TPID为780秒，则滤波器系数λ的取值范围为0.01≤λ≤30。
所谓的滤波器系数，即现有的内模法提出的一种参数。在内模法中，将整个控制***近似由等价控制器(用于代替PID控制器)和工业过程模型所组成，等价控制器由内模控制器、以及工业过程模型的估计模型所组成，内模控制器包含有低通滤波器，为此，便可以利用滤波器系数的函数(即上述提及的预设表达式)，代替PID控制器的PID参数进行整定。
所谓的内模法，即内模控制策略，是现有技术中一种基于过程数学模型进行控制器设计的新型控制策略。具有结构简单，设计直观，不需要精确的对象模型，在线调节参数少，调整容易等优点。特别是对于鲁棒性及抗干扰性的改善和对大时滞***的控制，效果尤为显著，而且也为非线性***的控制提供了一条有效的途径。由于具有良好的跟踪性能和抗干扰能力，并对模型失配有一定的鲁棒性，使其在工业过程控制中获得了越来越广泛的应用。
S105：从取值范围内选取滤波器系数的n个取值，分别代入预设表达式中，对应计算得出PID参数的n个数值。
其中，可以依据预设的取值间隔，将滤波器系数的取值范围均分为n个区间，统计各个区间的上限值和下限值，得到n个互不相同的数值，将n个互不相同的所述数值，作为滤波器系数的n个取值,将滤波器系数的n个取值，代入预设表达式中，对应计算得出PID参数的n个数值。
需要说明的是，由于PID参数包括比例系数、积分系数和微分系数，为此，将滤波器系数的n个取值分别代入预设表达式中，将会计算得出比例系数的n个数值、积分系数的n个数值、以及微分系数的n个数值。也就是说，PID参数的一个数值具体是指：比例系数的一个数值、积分系数的一个数值、以及微分系数的一个数值。
所谓的预设表达式，基于现有的内模法推导得出，其推导原理是：利用滤波器系数λ的函数来分别表达比例系数KP、积分系数KI、以及微分系数KD。
在工业过程模型为的情况下，预设表达式如公式(4)所示。
在公式(4)中，
p(0)＝b；
p′(0)＝a+bτ；
p″(0)＝2(aτ+0.5bτ2)；
q(0)＝λ+τ；
q′(0)＝τλ+0.5τ2；
q″(0)＝τ2λ。
在工业过程模型为的情况下，预设表达式如公式(5)所示。
在公式(5)中，
p(0)＝c；
p′(0)＝b+cτ；
p″(0)＝2(a+bτ+0.5cτ2)；
q(0)＝2λ+τ；
q′(0)＝λ2+2τλ+0.5τ2；
q″(0)＝2(τλ2+τ2λ)。
需要说明的是，预设表达式的推导过程，可以参见图2a示出的步骤、以及步骤的解释说明。
S106：将PID参数的n个数值分别代入到控制***中，并依据预设仿真条件，对控制***进行n次仿真，对应得到n组动态响应数据。
其中，预设仿真条件包括：对输出设定值r(t)作单位阶跃扰动，并在控制时间t大于0.5倍仿真总时长TPID的情况下，对控制***的输出y(t)增加1/3单位的增幅干扰d。在本申请实施例中，每组动态响应数据均包括控制***的控制量u、控制***的输出y、以及控制***的输出设定值r。
需要说明的是，需要将比例系数、积分系数和微分系数各自的数值代入控制***，才能对控制***进行一次仿真。
S107：将n组动态响应数据分别代入预设性能指标函数中，对应计算得出n个性能评估值。
其中，将每组动态响应数据作代入预设性能指标函数中，都会对应计算得到一个性能评估值，性能评估值用于指示控制***的失控概率。性能指标函数包括性能指标的计算公式，性能指标为控制***的误差时间积分、控制***的输出的超调因子、控制***的输出的振荡因子、控制***的输出的过小因子、以及控制***的控制量的振荡因子的组合。
在本申请实施例中，性能指标函数如公式(6)所示。
J＝ITAE·W1·W2·W3·W4 (6)
在公式(6)中，J代表性能评估值，ITAE代表控制***的误差时间积分，W1代表控制***的输出y的超调因子，W2代表控制***的输出y的振荡因子，W3代表控制***的输出y的过小因子，W4代表控制***的控制量u的振荡因子。
在公式(6)中，
kmodel代表工业过程模型的稳态增益。
S108：统计基于滤波器系数的n个取值对应计算得到的n个性能评估值，并从n个性能评估值中，选取数值最小的性能评估值，作为目标性能评估值。
S109：在确定目标性能评估值小于预设阈值的情况下，将与目标性能评估值对应的滤波器系数的取值，作为目标取值。
S110：在确定目标性能评估值不小于预设阈值的情况下，重复执行步骤，得到新的目标性能评估值，直至新的目标性能评估值小于预设阈值，将与新的目标性能评估值对应的滤波器系数的取值，作为目标取值。
其中，步骤包括：根据与目标性能评估值对应的滤波器系数的取值，调整滤波器系数的取值范围，使得取值范围缩小；从调整后的取值范围中选取滤波器系数的n个取值；统计基于n个取值对应计算得到的n个性能评估值；从n个性能评估值中，选取数值最小的性能评估值，作为新的目标性能评估值。
调整后的滤波器系数λ的取值范围为：λmin2≤λ≤λmax2，λmin2的取值范围如公式(7)所示，λmax2的取值范围如公式(8)所示。
λmin2＝max(0.01，λOPT-λmax1/10) (7)
λmax2＝λOPT+λmax1/10 (8)
在公式(7)和(8)中，λOPT代表目标取值。
需要说明的是，由公式(7)和(8)可知，调整后的滤波器系数的取值范围，相较于调整前的滤波器系数的取值范围，是明显缩小的，从而实现滤波器系数的迭代优化。
在本申请实施例汇总，S110实质上是在利用性能指标函数，对滤波器系数进行迭代优化，即实现对滤波器系数的整定。相较于现有技术，对KP、KI和KD这三个参数进行迭代优化，本实施例只需对滤波器系数进行迭代优化，因此，其所消耗的计算资源明显较少，整定速度明显较较快，从而能够满足控制***的快速性控制要求。此外，滤波器系数的取值范围预先基于仿真总时长确定，并在迭代优化过程中，不断缩小取值范围，并且滤波器系数的取值是基于预设的取值间隔所确定的，使得滤波器系数的取值更加快速和准确，从而进一步提高滤波器系数的整定效率。
具体的，重复4次执行步骤，得到滤波器系数的44个取值，满足预设条件的目标取值为λOPT＝2.89，预设条件为：基于目标取值λOPT＝2.89对应计算得到的性能评估值小于预设阈值。另外，针对控制***的4次仿真过程，控制***的控制效果变化曲线如图1d所示。
需要说明的是，上述具体实现过程仅仅用于举例说明。
S111：将目标取值代入预设表达式，计算得出PID参数的整定值。
其中，在对滤波器系数进行迭代优化的过程中，将能够反映控制***的失控的因素(包括控制***的误差时间积分、控制***的输出的超调因子、控制***的输出的振荡因子、控制***的输出的过小因子、以及控制***的控制量的振荡因子)，纳入到性能指标函数中，为计算控制***的失控概率提供了有效的性能指标，依据性能指标，对PID参数进行整定(即对滤波器系数进行整定)，能够满足控制***的快速性和稳定性的控制要求。
具体的，将目标取值λOPT＝2.89代入预设表达式中，计算得出PID参数的整定值KP＝0.801，KI＝0.0634，KD＝2.115。另外，参见图1e，将基于本实施例得到的PID参数的整定值代入控制***，得到控制***的控制效果曲线(即图1e中所示的“J”线)，将现有技术整定得到的PID参数的整定值代入控制***，得到控制***的控制效果曲线(即图1e中所示的“ITAE”线和“ISE”线)。明显的，现有技术得到的控制效果曲线的波动幅度，远远高于本实施例得到的控制效果曲线的波动幅度，即可证明本实施例对PID参数的整定效果，优于现有技术的整定效果。
综上所述，利用预设表达式指示PID参数，便只需对唯一的滤波器系数进行迭代优化即可，且基于仿真总时长预先确定滤波器系数的取值范围，相较于现有技术，计算量较少，整定速度较快。此外，采用性能指标以及性能指标函数计算性能评估值，并依据性能评估值对滤波器系数进行整定，保证最终计算得到PID参数的整定值，能够令控制***的失控概率小于预设阈值，从而提高控制***的稳定性。可见，利用本实施例所述方法对PID参数进行整定，能够提高PID控制器的控制性能，以满足控制***的快速性和稳定性的控制要求。
如图2a所示，以工业过程模型为为例，为本申请实施例提供的一种预设表达式的推导过程的示意图，包括如下步骤：
S201：对工业过程模型的滞环节e-τs进行全极点近似。
其中，滞环节e-τs的全极点近似过程，如公式(9)所示。
S202：对工业过程模型进行分解，得到第一模型和第二模型。
其中，对工业过程模型进行分解的过程，如公式(10)和(11)所示。
在公式(10)和(11)中，G+(s)代表第一模型，G-(s)代表第二模型。
S203：基于内模控制器、第一模型和第二模型，构建控制***。
其中，基于内模控制器、第一模型和第二模型，所构建的控制***的结构，可以参见图2b所示，在图2b中，“内部模型G”代表第一模型，“内部模型”代表第二模型。
在本申请实施例中，内模控制器的表达式如公式(12)所示。
在公式(12)中，C为内模控制器，函数f(s)可以理解为低通滤波器，函数f(s)的表达式如公式(13)所示。
需要说明的是，为了使内模控制器有理且可实现，公式(13)中的阶数n应取最大值，即n＝1。为此，函数f(s)的表达式可以如公式(14)所示。
f(s)＝1/(λs+1) (14)
S204：将内模控制器和第二模型，组成为等价控制器。
其中，等价控制器的表达式如公式(15)所示。
在公式(15)中，K代表等价控制器的控制参数(即所谓的PID参数)。
需要说明的是，将内模控制器和第二模型组成为等价控制器之后，控制***的结构会发生相应的变化，具体的，变化后的结构，可以参见图2c所示。
S205：对公式(15)中的s进行麦克劳林展开，得到比例系数KP、积分系数KI、以及微分系数KD各自的表达式。
其中，对公式(15)中的s进行麦克劳林展开的具体过程，如公式(16)所示。
在公式(16)中，KP＝Q′(0)，KI＝Q-1(0)，KD＝Q″(0)/2。
为了方便计算，将公式(16)变换为公式(17)。
在公式(17)中，
p(s)＝0.5τ2s3+(aτ+0.5bτ2)s2+(a+bτ)s+b；
q(s)＝0.5τ2λs2+(τλ+0.5τ2)s+(λ+τ)。
对进行求导，得到：
综上所述，利用本实施例所述的流程，可以有效推导得到预设表达式。
需要说明的是，上述图1a、以及图2a所示的实施例，均为本申请所述PID参数整定方法的一种可选的实现方式。为此，上述实施例提及的流程，可以概括为图3所示的方法。
如图3所示，为本申请实施例提供的另一种PID参数整定方法的示意图，包括如下步骤：
S301：基于工业过程模型，计算控制***的总仿真时长。
其中，工业过程模型用于指示PID控制器的控制对象，控制***基于PID控制器和工业过程模型构建。
S302：根据总仿真时长，确定滤波器系数的取值范围。
其中，滤波器系数为预设表达式所包含的计算参数。预设表达式用于指示PID参数。
S303：从取值范围内选取滤波器系数的取值，代入预设表达式中，计算得出PID参数的数值。
S304：基于PID参数的数值，对控制***进行仿真，得到动态响应数据。
S305：将动态响应数据代入预设的性能指标函数中，计算得到性能评估值。
其中，性能评估值用于指示控制***的失控概率。
S306：从滤波器系数的多个取值中，选取目标取值。
其中，目标取值为满足预设条件的取值，预设条件为：基于取值对应计算得到的性能评估值，小于预设阈值。
S307：将目标取值代入预设表达式中，计算得出PID参数的整定值。
综上所述，利用预设表达式指示PID参数，便只需对唯一的滤波器系数进行迭代优化即可，且基于仿真总时长预先确定滤波器系数的取值范围，相较于现有技术，计算量较少，整定速度较快。此外，采用性能指标以及性能指标函数计算性能评估值，并依据性能评估值对滤波器系数进行整定，保证最终计算得到PID参数的整定值，能够令控制***的失控概率小于预设阈值，从而提高控制***的稳定性。可见，利用本实施例所述方法对PID参数进行整定，能够提高PID控制器的控制性能，以满足控制***的快速性和稳定性的控制要求。
与上述实施例提及的PID参数整定方法相对应，本申请还提供了一种PID参数整定装置。
如图4所示，为本申请实施例提供的一种PID参数整定装置的结构示意图，包括：
第一计算单元100，用于基于工业过程模型，计算控制***的总仿真时长。工业过程模型用于指示PID控制器的控制对象，控制***基于PID控制器和工业过程模型构建。
其中，第一计算单元100具体用于：对工业过程模型进行仿真，得到工业过程模型的阶跃响应的起始值和稳态值；计算起始值和稳态值之间的时间差，得到稳态时长；根据稳态时长，计算得出控制***的仿真总时长。
时长确定单元200，用于根据总仿真时长，确定滤波器系数的取值范围，滤波器系数为预设表达式所包含的计算参数，预设表达式用于指示PID参数。
第二计算单元300，用于从取值范围内选取滤波器系数的取值，代入预设表达式中，计算得出PID参数的数值。
其中，第二计算单元300具体用于：依据预设的取值间隔，将滤波器系数的取值范围均分为n个区间，n为正整数；统计各个区间的上限值和下限值，得到n个互不相同的数值；将n个互不相同的数值，作为滤波器系数的n个取值；将滤波器系数的n个取值，分别代入预设表达式中，对应计算得出PID参数的n个数值。
仿真单元400，用于基于PID参数的数值，对控制***进行仿真，得到动态响应数据。
其中，仿真单元400具体用于：将PID参数的n个数值，分别代入到控制***中，并依据预设仿真条件，对控制***进行仿真，得到n组动态响应数据；其中，n为正整数，预设仿真条件为：对控制***的输出设定值作单位阶跃扰动，并在控制时间大于0.5倍仿真总时长的情况下，对控制***的输出增加1/3单位的增幅干扰。
第三计算单元500，用于将动态响应数据代入预设的性能指标函数中，计算得到性能评估值。性能评估值用于指示控制***的失控概率。
其中，性能指标函数包括性能指标的计算公式，性能指标为控制***的误差时间积分、控制***的输出的超调因子、控制***的输出的振荡因子、控制***的输出的过小因子、以及控制***的控制量的振荡因子的组合。
选取单元600，用于从滤波器系数的多个取值中，选取目标取值。其中，目标取值为满足预设条件的取值。预设条件为：基于取值对应计算得到的性能评估值，小于预设阈值。
其中，选取单元600具体用于：从取值范围中选取滤波器系数的n个取值，n为正整数；统计基于n个取值对应计算得到的n个性能评估值；从n个性能评估值中，选取数值最小的性能评估值，作为目标性能评估值；在确定目标性能评估值小于预设阈值的情况下，将与目标性能评估值对应的滤波器系数的取值，作为目标取值。
选取单元600还用于：在确定目标性能评估值不小于预设阈值的情况下，重复执行步骤，得到新的目标性能评估值，直至新的目标性能评估值小于预设阈值，将与新的目标性能评估值对应的滤波器系数的取值，作为目标取值。其中，步骤包括：根据与目标性能评估值对应的滤波器系数的取值，调整滤波器系数的取值范围，使得取值范围缩小；从调整后的取值范围中选取滤波器系数的n个取值；统计基于n个取值对应计算得到的n个性能评估值；从n个性能评估值中，选取数值最小的性能评估值，作为新的目标性能评估值。
第四计算单元700，用于将目标取值代入预设表达式中，计算得出PID参数的整定值。
综上所述，利用预设表达式指示PID参数，便只需对唯一的滤波器系数进行迭代优化即可，且基于仿真总时长预先确定滤波器系数的取值范围，相较于现有技术，计算量较少，整定速度较快。此外，采用性能指标以及性能指标函数计算性能评估值，并依据性能评估值对滤波器系数进行整定，保证最终计算得到PID参数的整定值，能够令控制***的失控概率小于预设阈值，从而提高控制***的稳定性。可见，利用本实施例所述方法对PID参数进行整定，能够提高PID控制器的控制性能，以满足控制***的快速性和稳定性的控制要求。
本申请还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，程序执行上述本申请提供的PID参数整定方法。
本申请还提供了一种PID参数整定设备，包括：处理器、存储器和总线。处理器与存储器通过总线连接，存储器用于存储程序，处理器用于运行程序，其中，程序运行时执行上述本申请提供的PID参数整定方法，包括如下步骤：
基于工业过程模型，计算控制***的总仿真时长；所述工业过程模型用于指示PID控制器的控制对象，所述控制***基于所述PID控制器和所述工业过程模型构建；
根据所述总仿真时长，确定滤波器系数的取值范围；所述滤波器系数为预设表达式所包含的计算参数；所述预设表达式用于指示PID参数；
从所述取值范围内选取所述滤波器系数的取值，代入所述预设表达式中，计算得出所述PID参数的数值；
基于所述PID参数的数值，对所述控制***进行仿真，得到动态响应数据；
将所述动态响应数据代入预设的性能指标函数中，计算得到性能评估值；所述性能评估值用于指示所述控制***的失控概率；
从所述滤波器系数的多个所述取值中，选取目标取值；其中，所述目标取值为满足预设条件的取值；所述预设条件为：基于所述取值对应计算得到的所述性能评估值，小于预设阈值；
将所述目标取值代入所述预设表达式中，计算得出所述PID参数的整定值。
可选的，所述基于工业过程模型，计算控制***的总仿真时长，包括：
对所述工业过程模型进行仿真，得到所述工业过程模型的阶跃响应的起始值和稳态值；
计算所述起始值和所述稳态值之间的时间差，得到稳态时长；
根据所述稳态时长，计算得出控制***的仿真总时长。
可选的，所述从所述取值范围内选取所述滤波器系数的取值，代入所述预设表达式中，计算得出所述PID参数的数值，包括：
依据预设的取值间隔，将滤波器系数的取值范围均分为n个区间；n为正整数；
统计各个所述区间的上限值和下限值，得到n个互不相同的数值；
将n个互不相同的所述数值，作为所述滤波器系数的n个取值；
将所述滤波器系数的n个取值，分别代入所述预设表达式中，对应计算得出所述PID参数的n个数值。
可选的，所述基于所述PID参数的数值，对所述控制***进行仿真，得到动态响应数据，包括：
将所述PID参数的n个数值，分别代入到所述控制***中，并依据预设仿真条件，对所述控制***进行仿真，得到n组动态响应数据；其中，n为正整数，所述预设仿真条件为：对所述控制***的输出设定值作单位阶跃扰动，并在控制时间大于0.5倍所述仿真总时长的情况下，对所述控制***的输出增加1/3单位的增幅干扰。
可选的，所述从所述滤波器系数的多个所述取值中，选取目标取值，包括：
从所述取值范围中选取所述滤波器系数的n个取值，n为正整数；
统计基于n个所述取值对应计算得到的n个所述性能评估值；
从n个所述性能评估值中，选取数值最小的性能评估值，作为目标性能评估值；
在确定所述目标性能评估值小于所述预设阈值的情况下，将与所述目标性能评估值对应的滤波器系数的取值，作为目标取值。
可选的，还包括：
在确定所述目标性能评估值不小于所述预设阈值的情况下，重复执行步骤，得到新的所述目标性能评估值，直至新的所述目标性能评估值小于所述预设阈值，将与新的所述目标性能评估值对应的滤波器系数的取值，作为所述目标取值；
其中，所述步骤包括：
根据与所述目标性能评估值对应的滤波器系数的取值，调整所述滤波器系数的所述取值范围，使得所述取值范围缩小；
从调整后的所述取值范围中选取所述滤波器系数的n个取值；
统计基于n个所述取值对应计算得到的n个所述性能评估值；
从n个所述性能评估值中，选取数值最小的性能评估值，作为新的所述目标性能评估值。
可选的，所述性能指标函数包括性能指标的计算公式，所述性能指标为所述控制***的误差时间积分、所述控制***的输出的超调因子、所述控制***的输出的振荡因子、所述控制***的输出的过小因子、以及所述控制***的控制量的振荡因子的组合。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种PID参数整定方法，其特征在于，包括：
基于工业过程模型，计算控制***的仿真总时长；所述工业过程模型用于指示PID控制器的控制对象，所述控制***基于所述PID控制器和所述工业过程模型构建；
根据所述仿真总时长，确定滤波器系数的取值范围；所述滤波器系数为预设表达式所包含的计算参数；所述预设表达式用于指示PID参数；
从所述取值范围内选取所述滤波器系数的取值，代入所述预设表达式中，计算得出所述PID参数的数值；
基于所述PID参数的数值，对所述控制***进行仿真，得到动态响应数据；
将所述动态响应数据代入预设的性能指标函数中，计算得到性能评估值；所述性能评估值用于指示所述控制***的失控概率；
从所述滤波器系数的多个所述取值中，选取目标取值；其中，所述目标取值为满足预设条件的取值；所述预设条件为：基于所述取值对应计算得到的所述性能评估值，小于预设阈值；
将所述目标取值代入所述预设表达式中，计算得出所述PID参数的整定值；
其中，所述预设表达式为：
当工业过程模型为/>的情况下，/>；/>；/>；/>；/>；；/>为纯迟滞时间；/>为复数域内的复变量；/>均为常数；
工业过程模型为的情况下，/>；/>；/>；；/>；/>；/>为纯迟滞时间；/>为复数域内的复变量；/>均为常数。
2.根据权利要求1所述的方法，其特征在于，所述基于工业过程模型，计算控制***的仿真总时长，包括：
对所述工业过程模型进行仿真，得到所述工业过程模型的阶跃响应的起始值和稳态值；
计算所述起始值和所述稳态值之间的时间差，得到稳态时长；
根据所述稳态时长，计算得出控制***的仿真总时长。
3.根据权利要求1所述的方法，其特征在于，所述从所述取值范围内选取所述滤波器系数的取值，代入所述预设表达式中，计算得出所述PID参数的数值，包括：
依据预设的取值间隔，将滤波器系数的取值范围均分为n个区间；n为正整数；
统计各个所述区间的上限值和下限值，得到n个互不相同的数值；
将n个互不相同的所述数值，作为所述滤波器系数的n个取值；
将所述滤波器系数的n个取值，分别代入所述预设表达式中，对应计算得出所述PID参数的n个数值。
4.根据权利要求1所述的方法，其特征在于，所述基于所述PID参数的数值，对所述控制***进行仿真，得到动态响应数据，包括：
将所述PID参数的n个数值，分别代入到所述控制***中，并依据预设仿真条件，对所述控制***进行n次仿真，得到n组动态响应数据；其中，n为正整数，所述预设仿真条件为：对所述控制***的输出设定值作单位阶跃扰动，并在控制时间大于0.5倍所述仿真总时长的情况下，对所述控制***的输出增加1/3单位的增幅干扰。
5.根据权利要求1所述的方法，其特征在于，所述从所述滤波器系数的多个所述取值中，选取目标取值，包括：
从所述取值范围中选取所述滤波器系数的n个取值，n为正整数；
统计基于n个所述取值对应计算得到的n个所述性能评估值；
从n个所述性能评估值中，选取数值最小的性能评估值，作为目标性能评估值；
在确定所述目标性能评估值小于所述预设阈值的情况下，将与所述目标性能评估值对应的滤波器系数的取值，作为目标取值。
6.根据权利要求5所述的方法，其特征在于，还包括：
在确定所述目标性能评估值不小于所述预设阈值的情况下，重复执行步骤，得到新的所述目标性能评估值，直至新的所述目标性能评估值小于所述预设阈值，将与新的所述目标性能评估值对应的滤波器系数的取值，作为所述目标取值；
其中，所述步骤包括：
根据与所述目标性能评估值对应的滤波器系数的取值，调整所述滤波器系数的所述取值范围，使得所述取值范围缩小；
从调整后的所述取值范围中选取所述滤波器系数的n个取值；
统计基于n个所述取值对应计算得到的n个所述性能评估值；
从n个所述性能评估值中，选取数值最小的性能评估值，作为新的所述目标性能评估值。
7.根据权利要求1所述的方法，其特征在于，所述性能指标函数包括性能指标的计算公式，所述性能指标为所述控制***的误差时间积分、所述控制***的输出的超调因子、所述控制***的输出的振荡因子、所述控制***的输出的过小因子、以及所述控制***的控制量的振荡因子的组合。
8.一种PID参数整定装置，其特征在于，包括：
第一计算单元，用于基于工业过程模型，计算控制***的仿真总时长；所述工业过程模型用于指示PID控制器的控制对象，所述控制***基于所述PID控制器和所述工业过程模型构建；
时长确定单元，用于根据所述仿真总时长，确定滤波器系数的取值范围；所述滤波器系数为预设表达式所包含的计算参数；所述预设表达式用于指示PID参数；
第二计算单元，用于从所述取值范围内选取所述滤波器系数的取值，代入所述预设表达式中，计算得出所述PID参数的数值；
仿真单元，用于基于所述PID参数的数值，对所述控制***进行仿真，得到动态响应数据；
第三计算单元，用于将所述动态响应数据代入预设的性能指标函数中，计算得到性能评估值；所述性能评估值用于指示所述控制***的失控概率；
选取单元，用于从所述滤波器系数的多个所述取值中，选取目标取值；其中，所述目标取值为满足预设条件的取值；所述预设条件为：基于所述取值对应计算得到的所述性能评估值，小于预设阈值；
第四计算单元，用于将所述目标取值代入所述预设表达式中，计算得出所述PID参数的整定值；
其中，所述预设表达式为：
当工业过程模型为/>的情况下，/>；/>；/>；/>；/>；/>；/>为纯迟滞时间；/>为复数域内的复变量；/>均为常数；
工业过程模型为的情况下，/>；/>；/>；；/>；/>；/>为纯迟滞时间；/>为复数域内的复变量；/>均为常数。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1-7任一所述的PID参数整定方法。
10.一种PID参数整定设备，其特征在于，包括：处理器、存储器和总线；所述处理器与所述存储器通过所述总线连接；
所述存储器用于存储程序，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1-7任一所述的PID参数整定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011566703.2A CN112782969B (zh) | 2020-12-25 | 2020-12-25 | 一种pid参数整定方法、装置、存储介质和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011566703.2A CN112782969B (zh) | 2020-12-25 | 2020-12-25 | 一种pid参数整定方法、装置、存储介质和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112782969A CN112782969A (zh) | 2021-05-11 |
| CN112782969B true CN112782969B (zh) | 2024-02-09 |
Family
ID=75752583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011566703.2A Active CN112782969B (zh) | 2020-12-25 | 2020-12-25 | 一种pid参数整定方法、装置、存储介质和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112782969B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113962090B (zh) * | 2021-10-23 | 2024-05-24 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种大型变压器有载分接开关用真空灭弧室选型方法 |
| CN115598967B (zh) * | 2022-11-01 | 2023-12-08 | 南栖仙策(南京)高新技术有限公司 | 参数整定模型训练、参数确定方法、装置、设备及介质 |
| CN117193140B (zh) * | 2023-10-19 | 2024-07-16 | 中广核工程有限公司 | 控制参数的确定方法、装置、计算机设备和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0817813D0 (en) * | 2007-09-28 | 2008-11-05 | Fisher Rosemount Systems Inc | Method and apparatus for intelligent control and monitoring in a proces control system |
| CN103294029A (zh) * | 2013-05-15 | 2013-09-11 | 华南理工大学 | 一种针对工业过程的高效数据驱动内模多项式控制器 |
| CN103645636A (zh) * | 2013-11-25 | 2014-03-19 | 南京航空航天大学 | 一种pid控制器参数优化方法 |
| CN104834211A (zh) * | 2015-04-29 | 2015-08-12 | 贵州电力试验研究院 | 火电厂控制***内模pid控制器整定方法 |
| CN106647781A (zh) * | 2016-10-26 | 2017-05-10 | 广西师范大学 | 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法 |
| CN109917640A (zh) * | 2019-03-21 | 2019-06-21 | 厦门理工学院 | 一种喷雾干燥塔进风温度内模pid控制方法、装置和设备 |
| CN110850709A (zh) * | 2019-10-21 | 2020-02-28 | 浙江中控技术股份有限公司 | 用于pid参数的渐进式整定方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4223894B2 (ja) * | 2003-08-21 | 2009-02-12 | 株式会社山武 | Ｐｉｄパラメータ調整装置 |
-
2020
- 2020-12-25 CN CN202011566703.2A patent/CN112782969B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0817813D0 (en) * | 2007-09-28 | 2008-11-05 | Fisher Rosemount Systems Inc | Method and apparatus for intelligent control and monitoring in a proces control system |
| CN103294029A (zh) * | 2013-05-15 | 2013-09-11 | 华南理工大学 | 一种针对工业过程的高效数据驱动内模多项式控制器 |
| CN103645636A (zh) * | 2013-11-25 | 2014-03-19 | 南京航空航天大学 | 一种pid控制器参数优化方法 |
| CN104834211A (zh) * | 2015-04-29 | 2015-08-12 | 贵州电力试验研究院 | 火电厂控制***内模pid控制器整定方法 |
| CN106647781A (zh) * | 2016-10-26 | 2017-05-10 | 广西师范大学 | 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法 |
| CN109917640A (zh) * | 2019-03-21 | 2019-06-21 | 厦门理工学院 | 一种喷雾干燥塔进风温度内模pid控制方法、装置和设备 |
| CN110850709A (zh) * | 2019-10-21 | 2020-02-28 | 浙江中控技术股份有限公司 | 用于pid参数的渐进式整定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于SICPSO算法的PIλDμ控制器参数整定;余向阳等;控制工程;第27卷(第3期);全文 * |
| 基于虚拟参考反馈校正法的内模控制方法;唐小军等;华南理工大学学报(自然科学版);第44卷(第5期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112782969A (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112782969B (zh) | 一种pid参数整定方法、装置、存储介质和设备 | |
| CN103558755B (zh) | 分数阶积分pid控制器整定和自整定方法 | |
| US7653445B2 (en) | Apparatus and method for model-based control | |
| CN103296940B (zh) | 一种自适应pi控制方法与*** | |
| Asprion et al. | Optimal control of diesel engines: Numerical methods, applications, and experimental validation | |
| Pan et al. | On parameter convergence in least squares identification and adaptive control | |
| CN102968055A (zh) | 基于遗传算法的模糊pid控制器及其控制方法 | |
| CN111812967A (zh) | 基于稳定裕度和动态响应指标的pid控制参数整定方法 | |
| CN112667613B (zh) | 基于多延时特性多变量校正的烟气NOx预测方法及*** | |
| CN113741187A (zh) | 一种模糊自适应pid控制器的控制***及方法 | |
| Brydges et al. | The Continuous‐Time Lace Expansion | |
| CN106059412B (zh) | 基于信度规则库推理的他励直流电动机转速控制方法 | |
| Schulze Darup et al. | How scaling of the disturbance set affects robust positively invariant sets for linear systems | |
| CN113320529A (zh) | 基于自车标定和模糊控制的自适应巡航控制方法和*** | |
| Hu et al. | A novel linear matrix inequality‐based robust event‐triggered model predictive control for a class of discrete‐time linear systems | |
| CN116131288A (zh) | 一种考虑风光波动的综合能源***频率控制方法及*** | |
| CN115833147A (zh) | 基于强化学习的无功电压优化方法、装置、设备及介质 | |
| CN115017449A (zh) | 一种适用二阶***不同阻尼比的频率偏差计算方法及*** | |
| Aguila-Camacho et al. | Error-Based Switched Fractional Order Model Reference Adaptive Control for MIMO Linear Time Invariant Systems | |
| CN112068423B (zh) | 有限值幂次吸引重复控制器设计方法 | |
| CN111835250B (zh) | 一种伺服电机驱动***1/2幂次有限值吸引重复控制方法 | |
| Chen et al. | An improvement of computational verb pid controllers | |
| Gonzalez Villarreal et al. | An efficient condensing algorithm for fast closed loop dual‐mode nonlinear model predictive control | |
| Zheng et al. | The research of course control based on variable universe fuzzy PID | |
| CN111273625B (zh) | 一种动态矩阵控制的前馈计算方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |