pid自适应控制

《pid自适应控制》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、PID自适应控制PIDAdaptiveControl●夏红王慧李平XiaHongWangHuiLiPing1引言基于继电反馈的PID参数自动整定方法在PID控制中,一个关键的问题便是PID用继电特性的非线性环节代替Ziegler─Nichols参数整定。传统的方法是在获取对象数学模型法中的纯比例器,使系统出现极限环,从而获得的基础上,根据某一整定原则来确定PID参所需的临界值。设继电器特性幅值为d,继电器滞环宽度数。然而实际的工业过程往往难以用简单的一为h,且被控过程的广义对象传递函数为G阶或二阶系统来描述,且由于噪声、负载扰动等(S),用N代表

2、非线性元件的描述函数,则对无因素的干扰,还可以引起对象模型参数的变化滞环的继电器型有甚至模型结构的改变。这就要求在PID控制N=(4d/πa)<0(1)中,不仅PID参数的整定不依赖于对象数学模对于具有滞环的继电器非线性有型,而PID参数能在线调整,以满足实时控制N=2(4d/πa)<-arcsin(h/a)(2)的要求。本文提出将PID继电自整定与神经中,a为继电器型非线性环节输入的一次谐波网络相结合,共同完成PID自适应控制任务。振幅。2系统构成只要满足方程:如图1所示,PID控制器由一个二层线性G(jω)=-(1/N)(3)[1,2]则系统

3、输出将出现极限环。得到的临界增益网络构造,网络权的初值由PID继电自整定法[3]提供。实施控制时,先将开关T置于SKu为:处,进行PID参数整定,将所得的参数做适当Ku=(4d/πa)(4)的修正后作为网络权的初值,然后将开关T置临界振荡周期tu通过直接测量相邻两个输出过零的时间值确定。于V处,进入系统自适应控制。对继电器型自动整定过程中控制器数的计2.1PID继电自整定算有许多种方法,考虑到神经网络的自适应及学习功能,以及各种计算方法的复杂程度,本文选用较为简单的临界比例度法,即kc=0.6kuti=0.5tutd=0.125tu式中,kc为比

4、例增益,ti为积分时间,td为微分时间。2.2神经网络PID控制器根据PID控制器的近似离散算式,用一个两图1PID自适应控制系统夏红,现在浙江大学工业控制研究工作。地址:杭州市邮政编码:310027收稿日期:1995年9月30日(磁盘来稿)自动化与仪表第11卷1996第4期·41·PID自适应控制夏红王慧李平本文选用三种在实际工业过程中较具代表性的过程函数,进行仿真研究。并将本文所提出的PID自适应控制法,与应用较广的Ziegler———Nichols法、以及用(0,1)间的随机值作为神经网络PID控制器初值的控制法(以下简称0———1法),进

5、行设定值改变及负载扰图2神经网络PID控制器动控制响应的比较。层线性神经网络构造控制器,如图2所示。4.1一阶加纯滞后过程其输入层为:-τsG(S)=Kpe/(TS+1)(10)P1(t)=e(t)(5)取kp=1τ,=1,T=1tP2(t)=∑e(i)ts(6)由图3可知,ZN法的超调量较大;0———1i=oΔe(t)e(t)-e(t-1)法的回复时间较长,并且其负载响应在3种方P3(t)==(7)tsts法中是最差的;PID神经自适应法用继电自整式中,ts为采样时间。定PID参数作神经网络初值,不但降低了超调网络的输出为量,减弱了过程响应的振

6、荡程度,并使回复时间u(t)=W1P1(t)+W2P2(t)+W3P3(t)(8)减短,复载响应质量也有所改善。其中{W1}为权系数。可见此神经网络控制器具有PID控制器结构。神经网络PID控制器系数修正算式为:ΔWi(t)=lr[yr(t+1)-y(t+1)]5Y(T+1)Pi(t)=(9)5u(t)其中,0

7、S)=k-τspe/[(T1S网络权系数Wi的初值,本文采用由PID继+1)(T2S+1)](11)电自整定所获取的参数值来确定。权系数初值取kp=0.18676τ,=0.5,T1=2.5,T2=0.25的确定,不仅关系到网络能否达到全局最小点,从图4中可以看出,对二阶加纯滞后过程,同时对网络学习时间的长短有较大的影响。由PID神经自适应法与Z———N法相比,其降低继电自整定法整定而得的PID参数,在控制要了过程响应的超调量,减弱了振荡程度;与求不是很高的情况下,基本能满足要求。因此,0———1法相比,虽然响应的超调量有所增加,将继电自整定PID

8、参数做适当修正,作为{Wi}但回复时间减短,负载响应质量提高。同时,比的初值。较曲线3、4可知,随α减小,过程响应的超调量W1(0)=a