PID温度控制参数

2024-07-09

PID温度控制参数(精选十篇)

PID温度控制参数 篇1

PID控制及其改进型是在工业过程控制中最常见的控制器,大多数反馈回路用该方法或其较小的变形来控制。PID控制器结构简单,易于实现且综合了系统过去I,现在P和未来D三方面的信息,它具有算法简单,鲁棒性好和可靠性高,易于操作等优点,被广泛应用于电力,冶金,轻工和机械等工业控制过程控制中。

PID控制器包括:比例环节,积分环节和微分环节。在经典控制理论中,PI控制相当于一个滞后的校正环节;PD控制相当于一个超前校正环节。

在实际应用中,许多被控过程机理复杂,具有高度非线性,时变不确定性和纯滞后等特点,特别是在噪声、负载扰动等因素的影响下,过程参数甚至模型结构均会随时间和工作环境的变化而变化。

2 PID控制器参数自动整定

一个闭环控制系统构成之后,控制器参数整定的优劣将是决定该闭环控制系统运行品质的主要因素,因此,实现控制器参数的自动整定,具有重要的意义。自Ziegler和Nichols提出PID控制器参数经验公式法起,有很多方法己经被用于PID控制器的参数整定。这些方法按照发展阶段可分为常规PID控制器参数整定方法及智能PID控制器参数整定方法;按照被控对象个数可分为单变量PID控制器参数整定方法及多变量PID控制器参数整定方法;按照控制量的组合形式可分为线性PID控制器参数整定方法和非线性PID控制器参数整定方法。

下面所说的几种整定方法在实际中应用比较广泛。

2.1 临界比例度法

临界比例度法基本原理是在纯比例作用下得到临界的振荡过程,然后确定临界比例度和临界周期的数值。在闭环的情况下,将PID控制器的积分和微分作用先去掉,仅留下比例作用,然后在系统中加入一个扰动,如果系统响应是衰减的,则需要增大控制器的比例增益Kp,如果系统响应的振荡幅度不断增大,则需要减小Kp。最终使闭环系统做临界等幅周期振荡,此时的比例增益Kp被称为临界增益Ku;此时系统的振荡周期为临界振荡周期Tu。临界比例度法就是利用Ku和Tu由经验公式求出P,PI和PID这三种控制器的参数整定值。当被控对象无误差时,临界比例度法上升过程短,超调量较大,调节过程较快,它的鲁棒性较差,当过程的时滞变化较大时,控制系统甚至会发散。

2.2 继电自整定法

尽管临界比例度法简单,并且在性能要求不是很高的情况下现能够适用于大多数工业对象,但由于存在费时以及临界稳定等问题,所以在实际中很少直接被采用。而继电自整定方法由于预设参数少,并且在闭环条件下完成,所以对扰动不灵敏,因此在工程实际中得到广泛应用。基于继电反馈的PID控制器参数整定法保留了临界比例度法简单的特点,能够使系统出现极限环,获取所需要的临界信息。并且,该法避免了临界比例度法整定时间长、临界稳定等问题,目前已成为工程中最常用的PID控制器参数整定方法之一。继电自整定PID控制器的基本原理是在继电器环节和被控对象构成反馈系统后,利用继电反馈引起的极限周期振荡来获取系统的临界信息:临界增益Ku和临界周期Tu,利用临界比例度法来求得PID控制器参数整定值。利用继电反馈方法不仅可以对过程对象进行辨识,从而得到更好的控制器参数,而且在被控对象参数强烈改变的情况下,可以实现自动切换,重新整定,表现出极强的自适应性,这也是常规PID控制器不可能具有的。

2.3 鲁棒PID整定法

鲁棒PID整定法是从分析控制系统的性能指标入手,从抗干扰性能和鲁棒性综合考虑控制器的设计。这种方法特别适用于被控对象在一定范围内频繁变化的情况。寻找一组最佳的PID参数,使得控制系统闭环性能对被控对象的变化不敏感,使得最差的某一个性能指标达到最佳。鲁棒PID参数整定法的上升速度较慢,但超调量小,调节过程比较平稳。当存在过程模型误差时,鲁棒PID参数整定法的鲁棒性是最好的。

控制系统的鲁棒性是体现系统性能的一个重要指标。它体现了模型与实际过程有差别的情况下控制品质的变化情况。在经典控制理论中,稳定裕度可反映系统鲁棒性,当稳定裕度大时,控制系统品质对参数的变化不敏感,即有较好的鲁棒性。事实上,鲁棒控制的目的就是要设计出所有希望的操作条件下都具有良好性能的控制器,这一点符合过程控制的需要。与其说鲁棒控制是一种控制策略,倒不如说它是一种控制系统的设计思想,它可以用于各种类型控制器的设计与整定。

2.4 ISTE最优法

ISTE最优法上升速度较慢,但超调量小,调节过程较平稳,鲁棒性较好。基于ISTE性能指标得到的PID控制器参数整定值往往能带来更优的闭环响应。特别是随着被控对象纯滞后时间τ与时间常数T的比值τ/T的增加,更能显示出这种指标的优越性。其中,用时间加权积分性能指标整定的PID控制器参数,能使系统阶跃响应具有小的超调量和快的响应速度。

3 结语

PID参数整定是一项重要的工作,要对整个控制对象进行全面的分析,确保每一个环节都处于良好的工作状态。现场情况具备后,利用上面提到的各种方法对控制器进行参数整定。

参考文献

[1]郑泳凌,马龙华,钱积新.鲁棒PID控制器参数整定方法[J].化工自动化及仪表,2001.

[2]马明达,朱新坚.基于继电反馈的辨识的研究[J].化工自动化及仪表,2005.

[3]符永法.几种新型PID调节器参数的自整定方法[J].化工自动化及仪表,1996.

[4]王伟,张晶涛,柴天佑.PID参数整定方法及应用.自动化学报,2000.

PID温度控制参数 篇2

【摘 要】文中采用串级控制作为海洋平台热介质锅炉的控制方案,采用粒子群算法对PID控制器的比例带δ、积分时间Ti进行最优化,从而实现热介质锅炉温度的自动控制。通过粒子群算法进行串级控制系统PID参数优化,提高了控制系统的控制精度、可靠性、稳定性,具有工业应用价值。

【关键词】热介质锅炉;粒子群算法;PID;串级控制系统

【Abstract】This paper uses the cascade control as the control scheme of the offshore platform heat medium boiler. The particle swarm algorithm has been used to optimized proportional band δ and integration time Ti, achieve medium heat boiler automatic temperature control. Through PID cascade control system parameters optimized by PSO, the control accuracy , reliability and effectiveness of the said method have been proven,has industrial applications

【Key words】Heating medium boiler;Particle swarm;Proportion integration differentiation;Cascade control system

0.引言

海上平臺以及FPSO(Floating Production Storage & Offloading Unit,浮式生产储存卸货装置)是油气处理、储存的生产设施,原油中油气水分离的处理过程需要一定的热源。一般在海上都配备几台热介质锅炉,通过燃烧燃料来加热热介质油,作为生产流程和储油舱等的加热源。海洋平台热介质锅炉的主要工作原理是:热介质油经循环泵加压进入锅炉盘管后被加热,然后输送至换热器,通过换热器与原油进行热能传递,换热后,冷的热介质油回流至热油膨胀罐,如此反复循环,提供稳定的热源。由于海洋平台的能源供给成本比较高,且海上作业环境危险性较大,因此寻求和开发节约海洋平台热介质锅炉能源的方法和途径成为研究热点。现如今大部分热介质锅炉采用PID控制方法,但是PID控制参数是通过现场工程整定获得,控制精度不高,容易造成资源的浪费[1]。

粒子群(PSO)算法是一种基于群体智能的全局优化算法,其模拟社会的群体行为,在多维空间中构造粒子群进行寻优,且每个粒子通过迭代过程中的群体和自身最优值修正自身前进方向和速度。本文将粒子群算法用于海洋平台热介质锅炉的PID参数辨识,具有重要的实际应用价值。

1.串级控制系统设计

串级控制系统设置两套温度检测变送器和两个调节器,前一个调节器的输出值作为后一个调节器的设定值,后一个调节器的输出量送往调节阀。此串级控制系统中,以燃料流量作为操纵变量,炉膛温度作为中间被控变量。当炉膛温度发生变化时,调节器可及时动作,提高响应速度。控制系统框图如图1所示:

在串级控制系统中引入副回路,可以及早发现并克服引入副回路的干扰,提高控制系统的稳定性。

2.粒子群算法描述

3.粒子群算法流程

粒子群算法的流程如下[2]:

(1)初始化粒子的位置和速度。

(2)计算每个粒子的适应值。

(3)对于每个粒子,将其适应值与个体极值pbesti进行比较,若优于pbesti,将粒子此时的位置作为当前的最好位置。

(4)对于每个粒子,将其适应值与全局极值gbest进行比较,若优于gbest,将粒子此时的位置作为当前的群体最好位置。

(5)对粒子的位置和速度进行更新。

(6)如果没有满足结束条件,通常为达到一个预设的最大代数或足够好的适应值,则返回步骤2)。

4.参数优化

通过仿真曲线可知,系统初期存在震荡环节,且震荡两次之后达到稳定,调节时间相对会比较长。然而在PID参数优化过程中,可通过调整参数的范围,使系统存在一次震荡即可达到稳定,但是在此种情况下PID控制器的输出存在较大的超调量,不符合海洋平台操作规范,同时也会造成系统的不稳定。综合海洋平台安全生产,采取延长系统调节时间的策略,已保证系统安全稳定运行。

5.结果

本文设计海洋平台热介质锅炉串级控制系统,且采用粒子群算法进行PID参数优化,通过仿真曲线可以看出,本文的设计方案及参数优化达到了较好的控制效果,有效保障海上作业人员和设备的运行安全;然而,在保证系统安全的情况下,系统的调节时间相对比较长,应进一步研究在保证系统安全稳定的情况下,减少系统的调节时间。 [科]

【参考文献】

[1]董海杰海上油田热介质锅炉常见故障浅析[J]设备管理与维修,2011,12:32-33.

[2]杨维.粒子群优化算法综述[J].中国工程科学,2004,6(5):87-94.

[3]韩璞,吕玲,张倩,董泽.基于经验整定公式的热工系统控制器参数智能优化[J]华北电力大学学报,2010,37(5):73-77.

PID控制器的控制规律及参数整定 篇3

关键词:PID控制器,控制规律,参数整定

长期以来, 国内外对温度控制进行了广泛而深入的研究, 产生了各种温度控制器, 其中PID控制器以其结构简单、性能成熟、智能调控及自适应控制等得到了广泛的应用。本文对PID控制器的工作原理以及调控方法进行了介绍。

1 控制原理

在当前的温度控制领域, PID的应用占了80%以上的比例, 根据其控制输出量的特性可将其分为模拟PID控制和数字PID控制。

1.1 模拟PID控制

PID调节器也被称为比例积分调节器, 同时具有比例、积分、微分三种调节的作用, 其表达为:

。其中:U (t) 为控制器的输出量;e (t) 为控制器的输入量;Kp为控制器的比例关系数;Ti为控制器的积分时间;Td为控制器的微分时间;Ud为控制量的基准, 即:e (t) =0时的输出量。

温度PID调节器有比例放大系数Kp、积分时间常数Ti、微分时间常数Td三可以设定的参数, 对于闭环控制系统来说, 合理设置即可取得较好的控制效果。对于比例放大系数来说:比例放大系数的改变会改变系统的响应速度:比例系数的增大可减少系统的稳态误差和动态偏差, 但调解过程会出现振荡;比例系数的减小可以较少过程的振荡, 当又回增加稳态误差。对于积分时间常数来说增大积分速度, 可以减小动态偏差, 却增大振荡;减小积分速度, 虽然减少了振荡, 但却会增大系统的动态误差。微分调节器的输出和偏差变化的速度成正比关系。

1.2 数字PID控制

计算机的控制采取的是一种采样控制, 在处理时只能根据采样得到的数据进行逼近, 因此对数字PID的算法进行了大量的研究。

(1) 不完全微分PID算法。

虽然微分作用可以减小系统的超调和缩短调节的时间, 提高系统的稳定性能, 但面对高频的扰动容易引起控制过程的振荡。因此, 为了尽可能的克服这个问题, 同时又避免微分作用的失效, 便在PID控制输出端串联了一个惯性环节, 构成了不完全微分PID控制器。此时, 其表达式为:

u (k) =αu (k-) 1+1 (-α) u' (k) (不完全微分PID位置型控制算法) ;

∆u (k) =α∆u (k-) 1+1 (-α) ∆u' (k) (不完全微分PID增量型控制算法)

从中可以看出不完全微分控制算法中微分输出可以持续较长的时间, 可以带来比较柔和的微分控制, 带来较好的控制效果。

(2) 积分分离PID算法。

在PID算法中, 假设当误差小到进入某误差带B以后才会把积分增量累加到积分项IK中, 继而加到输出的U中, 否则的话则把积分增量舍弃, 既实现了系统的无静差, 又使系统具有足够的稳定性。从中可以看出, 当系统误差e符合-B≤e≤B时, 对积分项的增量进行累加, 若在宽度为2B的误差带之外, 则积分项的增量不累加。因此, 整个系统的偏差小, 积分累加和也小, 即使出现了饱和也可以很容易的退出。其表达式可以写成:

(3) 带死区的PID控制算法。

为了避免执行机构动作的过于频繁, 引起过度的磨损, 经常会采用带死区的PID控制系统, 也就是由带死区的非线性环节和PID算法构成非线性数字PID控制器。在控制过程中, B取值过小, 会造成控制动作过于频繁, 无法实现稳定被调量的目的, 如果太大则会造成系统滞后大, 偏差大;如果B=0, 则变成一般的PID控制, 因此, B的取值一定要有实验进行确定。

2 PID控制器参数的确定

2.1 经验确定法

经验确定法是指工程技术人员根据自己长期总结的经验, 通过不断系统的运行, 不断的进行调整, 直到获得满意的控制质量为止。该方法主要是通过调整比例度δ的大小实现的。这种方法适合各种控制系统, 尤其是对象干扰频繁, 过渡曲线不规则的控制系统。

2.2 临界比例度法

临界比例度法是指, 在系统闭环的情况下, 采用比例控制的方法来获得临界振荡数据, 也就是临界比例度和临界振荡周期, 再通过经验公式求取满足4∶1衰减振荡的控制参数。该方法在使用时, 控制系统的工作必须控制在线性区域, 否则可能得到持续振荡曲线是一个极限环, 则这样的数据不能作为整定参数计算的依据。

2.3 衰减曲线法

这种方法与前面的临界比例度法极为相似, 在闭环系统中, 先将积分时间设置为最大值, 微分时间设置为最小值, 比例时间设置为较大值, 把设置的变化作为干扰进行输入, 再改变比例度δ, 观察输出相应曲线, 知道系统出现4∶1的衰减振荡。值得注意的是, 对于扰动频繁、过程进行较快的控制系统, 往往难以准确的确定系统的衰减程度, 职能根据摆动的次数来进行判断。

PID控制器是温度控制系统的核心, 参数对控制的品质有着决定性的作用, 因此, 应该及时的给予归纳总结, 找出一种罪适合自己实际工作情况的控制方法。

参考文献

[1]金奇, 邓志杰.PID控制原理及参数整定方法[J].重庆工学院学报 (自然科学) , 2008, 22 (5) :91-94.

水箱液位PID控制系统研究 篇4

關键词:双容水箱;液位控制;PID控制器

引言

PID 控制规律原理简单并且易于实现,对没有时间延迟的单回路控制系统极为有效。鉴于控制过程多样、过程控制方案种类丰富,过程控制系统有多种分类方法。按所控制的参数来分,有温度控制系统、压力控制系统、流量控制系统等;按控制系统所处理的信号方式来分,有模拟控制系统与数字控制系统:按照控制器类型分,有常规仪表控制系统与计算机控制系统,而计算机控制系统还可分为DDC、DCS和现场总线控制系统(FCS):按控制系统的结构和完成的功能来分,有串级控制系统、均匀控制系统、自适应控制系统等;按其控制动作规律来分,有比例控制、比例积分控制,比例、积分、微分控制系统等;按控制系统组成回路的情况来分,有单回路与多回路控制系统、开环与闭环控制系统;按被控参数的数量可分为单变量和多变量控制系统等。

1.双溶水箱特性

若用比例积分(PI)调节器去控制,不仅可实现无余差,而且只要调节器的参数δ和Ti选择得合理,也能使系统具有良好的动态性能。

比例积分微分(PID)调节器是在PI调节器的基础上再引入微分D的控制作用,从而使系统既无余差存在,又使其动态性能得到进一步改善。

3.结语

相对于 PID控制系统的研究,现在有许多先进的控制,例如:模糊控制、智能控制和自动学习控制等。所以,双溶液位PID控制是一个对以后学习和研究更先进控制打下基础。

参考文献:

[1]杨旭,周悦,于广平.水箱液位控制系统的设计与研究[J].制造业自动化,2011(16).

[2]唐玉玲.过程控制课程教学改革及实践[J].科技信息,2011(19).

[3]黄琳琳.水箱液位控制系统的研究与建模[J].硅谷,2010(13).

[4]张伟伟,余岳峰,罗永浩,张俊宜.基于阶跃响应曲线拟合的链条锅炉快速建模方法[J]. 工业锅炉,2007(02).

[5]赵飞.无模型自适应控制原理在液位控制中的应用[J].中国科技信息,2006(24).

PID温度控制参数 篇5

糠醛精制装置[1]是以糠醛为溶剂对润滑油馏分进行精制的装置,糠醛是一种选择性较强而溶解能力适宜的溶剂,即糠醛对润滑油馏分中各种烃类有显著不同的溶解度。由于它对润滑油馏分中的非理想组分(多环短侧链的芳烃和环烷烃)的溶解能力较强,而对润滑油馏分中的理想组分(少环长侧链的芳烃和环烷烃)的溶解能力较差,且其比重大于润滑油馏分。根据这些性质,利用在抽提塔中逆流接触、沉降、分层方式,就可以使润滑油理想组分与非理想组分分离,然后利用蒸发和气提的方法将糠醛和精油(废油)分开,使糠醛能够循环使用,达到精制的目的。

2 提取液溶剂回收工艺流程

如图1所示,提取液自抽提塔底流出,经换热器进

入抽出液一效蒸发塔闪蒸,塔底提取液抽出经换热器进入二效蒸发塔闪蒸,塔底液相抽出分四路打入加热炉加热后进入三效蒸发塔闪蒸,闪蒸后气相糠醛进入干燥塔,塔底抽出液进入末效蒸发塔、气提塔除去提取液中少量溶剂。

从装置的整体控制来看,二效蒸发塔底液位对于稳定装置操作十分重要。塔底液位平稳了,就可以保证蒸发塔的物料平衡,从而使整个蒸发塔操作比较平稳。另一方面,由于二效蒸发塔底液相又是加热炉的进料,它的稳定与否对于减压炉,乃至三效蒸发塔的操作是否平稳都很关键[2]。对于加热炉来说,首先要保证炉出口温度稳定,利于三效蒸发塔的操作;其次还要维持加热炉四路出口温度的平衡,根据生产方案的不同,出口温度控制在217℃上下,温度过低不利于溶剂的回收,而温度一旦高于220℃会造成糠醛结焦。文献[3]提出了一种解决方法,但是此方法要对D C S组态进行较大改动,需离线下装,不适合在正常生产中进行优化。因此我们需要找到一种控制方法,既能保证蒸发塔底液位的平稳,又能减小加热炉出口温度的波动,同时要保证正常生产的进行。

3 串级回路的投用

原控制方案采用的是二效蒸发塔底液位与加热炉的四路进料流量的串级控制,但由于控制效果不理想,此串级回路一直没有投用。为了保证正常生产,不可能对DCS组态进行较大的修改。实际上,对原有的控制回路加上一些优化措施以后,串级回路是完全可以投用的,而且能达到很好的控制效果。

3.1 副回路支路设定值不同的解决

由于加热炉火嘴效率及安装位置等原因,要想做到四个支路温度的均衡,每个支路流量不可能相同。在本串级回路中,操作工以前采用手动来调节加热炉四路进料,工作量很大、控制精度不高,而且由于没有同时兼顾二效蒸发塔底液位的控制,造成液位上下波动很大。因此,为了保证串级回路的投用,必须解决四个支路流量值不同的问题。可以使用D C S中P I D调节器的输入补偿[4]来实现。输入补偿就是在PID运算的输入信号中加入一个额外提供的I/O补偿值(VN),如下图:

加入输入补偿以后,PID控制器的实际输入值为在测量值的基础上加上了一个补偿值

因此,由(2)可以得出,输入补偿也可以看作是设定值的补偿。实际的设定值为PID控制器的设定值减去输入补偿值。

PID控制器在没有外部给定的输入补偿(VN)时,V N为零,C B及C K可以在控制器的调节画面中由用户自定义。这里令CK=0,通过改变CB的值就可以方便的设定串级各副回路设定值之间的偏差。根据实际测试的数据,加上操作人员的经验,输入补偿为以下值时是较为理想的。

3.2 主回路PID参数的优化

由于此前未投用串级控制,所以需要重新整定P I D参数。对于串级回路,液位波动滞后较大,而且串级控制本身滞后就比较大,并且工艺生产不允许做太多的测试,造成了主回路PID参数整定比较困难。针对工业中存在的这一难题,北京化工大学自动化研究所自主开发出了DCS中PID控制器参数优化软件DCSPIDOPT。本软件通过读取DCS中控制回路的实时数据,辨识出对象模型,然后使用经典的Z-N整定法或者预测-P I D、内模-PID的先进控制算法计算P I D参数的值,以本串级主回路的PID参数整定为例,步骤如下:

1)通过DCS系统提供的OPC接口读取二效蒸发塔底液位控制回路数据,包括设定值(SV),测量值(PV)和控制器的输出值(M V)。

2)在工艺允许的范围内,给该控制回路加一个闭环的阶跃信号(更改控制器的设定值),待响应全部完成以后,将此前读取的数据保存,进行下一步的处理。

3)用二阶加纯滞后模型来描述控制对象,对于纯滞后项使用一阶或二阶Pade近似,使用上一步处理过的数据,应用NLJ随机数搜索算法[5]求取对象模型。

4)分别采用Z-N法,预测-PID,内模-PID进行参数整定,根据辨识出来的模型进行仿真、比较后得出最优的参数。

经过实际测试、比较,得出P=130,I=150,D=420是最优的。

投入以上PID参数运行生产后,二效蒸发塔液位得到有效的控制,但是当液位出现较大的干扰时,会造成副回路流量的大幅波动,从而影响加热炉的出口温度。针对这种情况,可以将二效蒸发塔底液位的控制精度要求适当放宽一些,允许在一定范围内的缓慢变化,把定值控制改为均匀控制。让塔底液位在允许范围内波动,同时加热炉进料量作平稳缓慢的变化。这种变化对生产过程来讲虽然是一种干扰,但由于这种干扰幅值不大,变化缓慢,在工艺上是能接受的。可以直接通过优化PID参数的来达到均匀控制的目的。

首先增大P值,将PID控制的比例作用适当减弱,不要求使液位快速跟踪设定值,而要保证其平稳变化。

其次,适当加大I值,减弱积分作用。因为积分的作用是消除被控对象的余差,最后,去掉微分作用。微分可以起到抑制被控对象变化的作用,在串级回路中会造成副回路的波动,因而不符合均匀控制的要求,故不能加微分作用。

经过一系列的测试,最终得到下列PID值:P=210,I=360,D=0。可以保证支路流量在±1t/h波动,如图3;液位在±10%之内缓慢变化,如图4;支路出口温度差值控制在±1℃以内,如图5。

4 结束语

本文提出了利用输入补偿来解决“一串多”的串级回路中,各支路设定值不同的难题;又通过优化PID参数值来达到了均匀控制的目的。这种方法不需要进行设备投资,DCS组态也几乎不用修改。目前在燕山石化炼油厂二糠醛投用状况良好,运行平稳,操作人员的工作量大大降低。本优化方案简单易行,控制效果良好,具有推广价值。

参考文献

[1]林世雄.石油炼制工程[M].第3版.北京:石油工业出版社,2000.569-579.

[2]王金春,高衿畅,周春晖.高级控制策略在原油加热炉进料控制中的应用研究[J].浙江大学学报,1995,29(2):163-171.

[3]桂丙武,汪兴轩,吴刚等.基于DCS常减压装置加热炉进料支管平衡控制的实现[J].自动化与仪表,2001,16(5),24-27.

[4]CS3000 Document[M].12th Edition.Tokyo:YOKOGAWA,2005.320-329.

PID温度控制参数 篇6

关键词:量子粒子群,PID参数,遗传算法,自适应控制

比例、积分、微分控制器简称PID控制器[1]。PID控制器是在工业过程中最常见的一种控制方法,PID控制的优点是原理简单,使用方便,鲁棒性强,其控制品质对过程变化的灵敏度较低,具有无余差功能,适用性较广,可用于各种工业控制。但保守的PID控制器参数整定采用手动调整,其控制状态并不在最优控制状态,牺牲了系统的控制精度,及响应速度,难以取得最优或接近最优的 PID 参数。

在PID参数整定时,较广泛采用的一些优化算法,如遗传算法[2],遗传算法在运行过程中,它不对所求解问题的实际决策变量直接进行操作,而是对表示的可行解的个体编码施加选择、交叉、变异等遗传运算不断搜索适应度较高的个体,并在群体中逐渐增加其数量,最终寻求出问题的最优解或近似最优解。但遗传算法对新空间的探索能力有限,当问题复杂时涉及到大量个体的计算时间较长,对于维数较高的问题,还是很难处理和优化的。对于非线性约束问题难于处理,另外因为算法属于随机类算法,需要多次运算,结果的可靠性差,不能稳定地得到解。虽然遗传算法可以以较快的速度达到最优值附近,但后期的优化效率不高,使其局部搜索能力较弱。

现提出了一种基于量子粒子群算法(QPSO)优化PID控制算法,基本PSO 算法[4,5]收敛速度快、运算简单, 但同时也存在一些缺陷,如进化后期收敛速度明显变慢;算法收敛到一定精度时, 无法继续优化;易陷入局部极值点, 搜索精度不高等问题。QPSO算法是在经典粒子群(PSO)算法的基础上改进形成的,并且进化方程中不需要速度向量,进化方程的形式更简单,参数更少且更容易控制。

1QPSO量子粒子群优化算法

量子粒子群 (QPSO)算法首先设定某一优化函数作为适应度函数,通过适应度来评价每个粒子的优劣程度。同时随机产生一群粒子pi,pi=(pi1,pi2,…,pid)作为初始解,通过不断迭代以更新位置,在迭代过程中粒子通过跟踪局部最好的平均值为mbest实现更新,mbest计算方法为:

mbest=1Μi=1Μpi=(1Μi=1Μpi1,,1Μi=1Μpid)(1)

式(1)中M为粒子个数,第i个粒子p点的第d维坐标为

p=φpid+(1-φ)pgd(2)

粒子迭代方程为:

xid=pid±α|mbestd-xid|ln(1/u)(3)

式(3)中ppidpgd之间的随机点,α为收缩扩张系数,一般取为

α=(1.0-0.5)(Τmax)/Τmax+0.5(4)

式(4)中Tmax是最大迭代次数。

由于粒子满足聚集态的性质完全不同,使粒子在整个可行解空间进行搜索寻求最优解,其参数个数少,进化方程的形式更加简单,更容易控制。

QPSO算法作为一种高效的并行算法,非常适合于实时性要求较高的非线性复杂化问题。由于量子具有更多的状态同时满足叠加原理,利用特有的记忆性质可以动态跟踪当前的搜索状态。因此对量子粒子群算法来说, 其实是在整个解空间中进行全局搜索,这与传统的粒子群算法必须在一个有限的搜索范围内进行搜索求取最优点相比,其求得的最佳位置会具有更好的适应值,即会得出更优的结果。

QPSO优化算法:

1)设定种群规模M,维数D,最大迭代次数Tmax。

2)迭代次数t=0,对种群每个粒子的位置向量初始化。

3)求初始种群局部最优位置Pp;

4)求初始种群全局最优位置Pg;

5)for T=1to Tmax

计算mbest的值,计算α的值;

6)直到终止条件满足或等于最大迭代次数。

3QPSO整定PID算法

对如图1所示的PID 控制系统原理图,其传递函数为:

Gc(s)=kp(1+1Τis+Τds)(5)

ki=kpΤi,kd=kpTd,PID 控制器参数的整定,就是寻找一组最优或接近最优的比例kp、积分ki和微分kd参数组合,来改善系统的动态响应和减少或消除静态误差,使系统获得更优的控制品质。

为了避免在某些控制过程中计算机出现故障,从而引起执行机构大幅度变化,采用增量式PID控制算法,如公式所示:

Δu(k)=kp[e(k)-e(k-1)]+kie(k)+

kd[e(k)-2e(k-1)+e(k-2)] (6)

u(k)=u(k-1)+Δu(k)(7)e(k)=rin(k)-yout(k)(8)

利用量子粒子群优化算法在未知参数kpkikd所有可能取值组合的可行解集合中找出最优解,用平方误差矩积分( ITSE )函数作为量子粒子群优化的适应度判据,使定义的适应度函数值最小,这就是量子粒子群优化算法用于PID 参数整定的思想。

算法如下:

1)设定种群规模M,维数D=3,最大迭代次数Tmax。

2)种群每个粒子的位置向量初始化,位置向量分别为kpkikd

3)计算每一个粒子在初始位置的适应度,适应度函数为:

f(xi)=k=0kΤei(k)(8)

4)利用QPSO算法计算p,根据rin(k)和yout(k)计算每一个粒子在每一维空间的适应度值。

5)根据PID算法,计算控制器输出,更新位置xid,计算适应度函数、u(k)、yout(k)。

6)到最大迭代进化数为止,输出结果Pg作为PID 控制器的最优参数。

4实验结果

交流电机伺服系统具有结构简单且维护起来较容易的特点,在现代生活中起着越来越重要的作用。利用矢量控制的方法将其数学模型变成直流电动机的数学模型[3],然后采用直流电动机的数学模型进行控制,假设伺服电动机的数学模型为:

G(s)=350s2+45s+5(9)

如图3所示无PID控制器闭环系统阶跃响应曲线图。

现分别采用QPSO及GA算法对PID控制器参数进行优化,两种算法的种群数都取50个,最大迭代次数100次,PID参数kp取值范围[0,45],ki取值范围[0,5]和kd取值范围[0,5]。

遗传算法(GA)中其他参数设置如下:pc交叉概率为0.9,pm变异概率0.1,参数在算法运行过程中保持不变,仿真时PID初始参数kp为2.813,ki为1.719,kd为1.151。针对分别采用量子粒子群优化算法及遗传算法分别对PID参数进行整定,迭代收敛趋势如图4所示。

由图4和图5可以看出单纯的PID算法不能取得良好的跟踪效果,图5中采用式(8)作为适应度函数,经过对伺服电动机模型进行PID算法优化,量子粒子群优化算法对系统状态变化的抑制能力增强,上升速度较快,系统调节惰性较小。但遗传算法优化过程系统过度过程时间变长,上升速率过小,可导致系统不稳定。由此看出QPSO算法的收敛速度及搜索能力优于GA 算法,QPSO-PID 控制器优于GA-PID[1,6] 控制器。

表1是QPSO-PID算法与GA-PID算法的最优解的比较, 进一步说明QPSO-PID的算法能够快速有效地找到更好的解。GA-PID算法收敛较好, 且迭代次数较少, 但所求得的最优解不如QPSO-PID算法; 而使用PSO-PID算法在较少的迭代次数下便可以收敛到一个更好的解, 迭代次数越多, 所求得的最优解越稳定。

5结论

针对复杂非线性系统采用PID控制,采用量子粒子群优化算法减少原粒子群优化算法中速度分量,使算法更加简单,同时减少了系统稳定误差如表2所示,同时使系统具有良好的动态品质,量子粒子群优化的PID 控制器系统响应时间由无优化算法的50 s缩短到采用量子粒子群优化算法的0.18 s,而遗传算法为0.3 s,它比遗传算法进行参数优化的效果更好, 而且所寻得的解更优秀。实验表明, 该算法收敛速度较快, 稳定性良好, 可靠性较高并且寻优能力较强。是解决PID参数优化问题的一种新方法。

参考文献

[1] Krohling R A,Rey J P.Design of optimal disturbance rejection PIDcontrollers using genetic algorithm.IEEE Trans Evol Comput(S1089-778X),2001;5(1):78—82

[2]王凌.智能优化算法及其应用.北京:清华大学出版社,2001

[3]朱发明,阮健,李胜,等.电液数字伺服双缸同步控制系统.机床与液压,2008;36(10):49—51

[4] Gaing Z L.A article swarm optimization approach for optimum designof PID controller in AVR system.IEEE Trans on Energy Conversion(S0885-89 69),2004;19(2):384—391

[5] Kennedy J,Eberhart R.Particle swarm optimization//Proc.IEEEInt Conf Neural Networks,1995:1942—1948

PID温度控制参数 篇7

PID控制器广泛应用于工业控制领域, PID控制器在实际应用过程中, 如何设定PID控制器的控制参数, 是PID实际应用过程中面临的一大难题, 目前针对PID控制器参数整定的研究方法有很多, 既有基于实践经验的参数设定方法, 也有基于逻辑推理和一些人工智能, 如神经网络理论等展开的相关研究、基于遗传算法, 通过模拟进化论的思想在通过不断地一代接一代的遗传采取优胜劣汰的优化原则, 最终对这类解空间不确定的问题, 寻找到最似最优解应用于遗传算法[1,2,3,4]。

对PID参数整定的相关研究主要有:牛芗洁, 王玉洁, 唐剑等人为了解决PID控制器参数优化的问题, 提高PID参数优化精度, 提出一种遗传算法的PID参数优化策略。优化过程中通过对PID控制器参数建模, 将PID参数作为遗传算法中的个体, 采用控制误差绝对值时间积分函数作为优化目标, 实现了对PID的三个控制参数的动态调整[5]。曹建秋, 徐凯针对变风量空调系统的不确定性和参数整定的需求, 提出了一种基于遗传算法的PID参数优化方法, 在优化过程中采用模糊控制和变论域模糊的新方法, 分别用于提高PID参数动态调整的性能和对阶跃信号的稳态调整性能, 有效提高了PID参数优化的精度和稳定性[6]。郭旭红, 芮延年, 李军涛等人提出基于模糊子系统和遗传算法子系统的PID参数调整系统, 并利用Matlab软件对基于遗传算法模糊智能空调系统进行了仿真, 设计过程中以舒适度为目标函数, 通过遗传算法实现了PID参数的最优化调整[7]。

然而, 在直接应用于遗传算法对PID参数整定过程中, 经过实践检验存在两大问题, 其一是计算复杂度较高, 为了寻找到最优解, 往往需要尽可能的让种群具备的多样性, 扩大种群的个体数目, 种群的规模越大, 进行一轮遗传算法复杂度越高, 而且, 为了找到遗传最优解, 遗传算法的代数一般设的比较大, 以得到更多可能接近最优解的个体。另一方面遗传算法本身就有一些难以解释的现象, 以生物学的进化论为例, 生物的进化并不是沿着一个线性均匀的规律进行种群的演化[8,9]。而且, 近年大量研究表明, 物种的进化实际是在种群产生的初期进化初期进化最快, 中后期比较慢, 而且在进化过程中不同的基因发生遗传和变异的几率不一样, 对物种表征最重要的一些基因, 这些基因在遗传过程中, 在遗传过程中发生的变异的概率极低。而一些对物种表征不明显的基因, 则更容易发生变异, 种种这些规律, 用传统的遗传算法是不能够模拟的, 因此, 用模拟遗传算法解决各种现实问题求解的过程中, 也必须对遗传算法进行一定的改定, 使得遗传算法能够更好地模拟真实的遗传过程, 加快在一个庞大的解空间中, 寻找到近似最优解的速度, 而且应该尽可能的避免近似最优解陷入局部最优解的局限[10,11]。为此, 文章设计使用遗传算法的PID参数整定并反而催参数针对过程中的特点对遗传算法的改进和优化。

2 基于遗传算法的PID参数整定

使用遗传算法对PID参数进行整定的原理图, 如图1所示, 从图1可以看出, 在对PID参数进行整定时, 首先, 需要对PID控制器以及PID控制器的控制对象, 进行建模, 建立PID控制器输入和输出之间的模型关系。然后, 根据对PID控制器设定的输入量, 也即进行PID控制时的控制预期量, 输入量输入PID控制器之后, 对目标系统进行实际的控制, 根据实际的控制结果进行采样, 得到通过PID控制器对目标系统的实际控制效果。采样值与预期设定的初始输入量之间进行对比, 之间的差值就是PID控制器的控制误差[12]。一个理想的PID控制器应该尽可能建立控制误差, 而且, 理想的PID控制器还应该具备很强的对节约信号的响应能力, 即当PID控制器在实际控制过程中, 如果目标系统受到外部的一些干扰信号, 或者造成信号的影响, 对目标系统的实际控制结果应该和预期的设定值基本一致。目标系统在可控的范围内, 无论受到哪一种类型的干扰, 系统都能够保证稳定的运行。PID控制器为了实现这一效果, 需要动态的对PID控制器的控制参数进行调整[13]。对PID控制参数的调整则是本文的研究重点。如图1所示, 运用遗传算法对PID控制器的输入量和实际控制过程中产生的误差进行分析, 经过遗传算法进行若干代的遗传计算, 求解到PID控制器当前最优的参数设置, 并实现对PID控制器的参数设定, 从而实现整个PID控制器稳定的运行。

根据对PID控制器的工作原理分析, PID控制器的内部有三个控制器所组成, 分别是比例控制器、积分控制器和微分控制器, 因此, 结合在一起, 可以形成灵活多样的控制效果, 由此, 也可得到PID控制器的模型可以用式1表示。

PID控制的模型:

目标函数:

式2中g表示遗传算法已经经历过的遗传代数, k为记录从开始遗传到当前位置的代数, Ok (xi) 表示在第k代遗传时, 作用在被控对象的实际输出值, Ik (xi) 表示在第k代遗传时, 作用在被控对象的输入预期值。

适应度函数:

式3中h (g) 为在第k代遗传时的历史累计偏差调节因子, 该因子是随着遗传代数的变化动态调整, 调整为式4:

式中G总的遗传代数, g表示遗传算法已经经历过的遗传代数, h (g-1) 代表上一代的遗传算法使用的累计偏差调节因子。该式表明了历史累计偏差在遗传早期起较重要的作用, 在遗传后期的作用权重逐步降低。

利用遗传算法对PID控制器参数整定的过程如下。

(1) 初始种群的确定。初始种群的确定是遗传算法开展运算的前提和基础, 为了使得遗传算法能够更快的求解得到近似最优解, 初始种群应该尽可能取接近于最优解的可能情况。当然, 在实际的工程应用过程中, 由用户直接去设定接近最优解的情况并不是太容易, 但是一般可以根据工程经验设定目标系统的可能最优解。另一方面, 初始种群的个体、数目直接影响着遗传算法的计算性能。如果初始种群的数目过少, 则遗传算法可能在短时间内陷入局部最优解的情况。如果初始种群的个数过于庞大, 则遗传算法的计算复杂度过高。计算过程中需要耗费大量的时间。文章在设计基于遗传算法的P参数整定过程中, 初始种群根据工程经验对三个参数分别选取了三个可能的近似最优解。然后, 在这三个参数的基础上, 进行±5%、±10%和±15%的变形。通过这种变形之后, 每个参数就形成了七个可能的取值, 对三个参数所有七种可能取值进行排列组合, 共形成343种可能的排列, 这343种排列, 即形成遗传算法的初始种群。

(2) 个体评价。建立初始种群之后, 根据式3所示的适应度行数, 对初始种群中的每个个体计算其适应度的值。其适应度值作为个体评价的依据。适应度值越高, 则认为该个体在整个种群中更占优势, 属于更优秀的品种。适应度值较低的个体, 则被淘汰的可能性越高。

(3) 选择函数。遗传算法计算的关键过程是, 遗传是从当前一代的个体遗传到下一代, 而在遗传过程中, 究竟哪些个体应该被选择作为遗传的父节点, 则依靠选择函数来确定。选择函数遗传公式如式5所示, 从式5可以看出, 在确定选择函数时, 实际上是根据每个个体的适应度值确定其被选取的概率, 适应度值越高, 则被选取的概率也越高, 这也验证了刚才所描述的, 适应度值表明的是该个体在整个群体中属于较优良的品种, 更应该被选取出来作为父节点遗传至下一代。

式中n表示当前遗传过程中存在的总个体数目。

(4) 交叉算子。交叉算子在遗传过程中对种群中任意二个个体之间的部分编码值进行交叉, 以形成新的个体。交叉算子是衡量遗传算法中进行个体编码交叉变化的程度。文章设计的PID遗传算法所选取的对交叉算子采用固定的数值进行设定。进行遗传计算时, 任意被选中的二个个体中间选取1~4个比特进行交叉互换。

(5) 变异算子。变异算子是遗传算法进行计算时对单个个体内的编码值进行变异的程度。文章所设计的遗传算法实现过程中, 变异算法同样采用的固定参数的变异。每个个体的编码进行变异是选取1~4个比特进行变异。

(6) 结束条件。遗传算法在运行过程中将根据预先设定的选取函数和交叉变异算子不断地进行一代接一代的遗传, 在遗传过程中, 可能会得到接近最优解的近似解。此时, 为了避免遗传计算无止境的遗传下去, 需要设定结束条件。文章设定的接受条件有两个, 分别满足:在执行过程中分别满足式6或式7即可结束遗传算法的计算。其中式6表达的是在遗传计算过程中, 如果有连续三代的遗传得到的个体, 任何产生的一个新一代的个体都不如其原来父节点个体的适应度值。这种现象表明在遗传过程中种群个体并不是朝更优秀的品种发展, 而是朝着更差的品种发展。出现这种情况则表明, 很可能是出于父节点这一代的种群个体都已经比较优秀了, 再进行变异或者遗传操作都可能会导致种群个体的品质下降。

或者连续的3代遗传过程中不再增加,

其中

式7所表示的含义是, 根据用户预先设定的一个常数C, 如果产生的种群个体中适应度值大于C的数目连续三代都不再增加, 则此时遗传算法可以结束。

3 遗传算法的算子优化

传统的PID遗传算法在实现过程中, 可能存在计算复杂度较高求解近似最优解耗时过长的问题, 为此文章对所设计遗传算法进行了优化, 优化的方法具体有三个, 分别如下:

(1) 交叉算子优化。本文设计的遗传算法中, 交叉算子是设定是固定1~4比特进行交叉, 这种固定比特的交叉在遗传过程中缺乏灵活性。有的时候会出现, 个体比特交叉数目过多, 通过遗传之后产生过多的新个体, 不利于遗传算法的收敛, 而有的时候当个体的差异变得非常小的时候, 又呈现出交叉的程度不够, 通过遗传产生的新个体很可能是以前是出现过的个体, 此时, 很容易使得求解过程陷入局部最优解的困境, 为此, 本文设计的交叉算子采用自适应的方式进行动态调整, 交叉算子的计算公式如式8所示, 公式8描述的是在遗传算法计算过程中每次遗传过程其所选取的交叉算子和上一代所选取的交叉算子的关系, 其总体设计思路是交叉算子必须动态的根据种群个体的变化情况和以及当前个体适应度值来动态设定, 如果种群个体在遗传过程中, 增长的速度过快, 即当代种群个体数量大大超过种群上一代个体数量时, 则此时对当前这代的遗传算子应该适当选小一些, 如果, 对种群适应度值较高的个体适应较高的个体具备更优良的品质, 这种品质应该尽可能多的遗传到下一代、因此此时所选举的交叉算子应该适当取小一些。

(2) 变异算子优化。变异算子在遗传过程中为新的个体发挥十分重要的作用, 为了能够使得遗传计算过程时, 能够更为灵活的产生的新的个体, 对变异算子也才才用了自适应的方式进行设定, 设定的原则与交叉算子的设定原则基本一样, 因此设定变异算子如式9所示, 与式8有较强的相似性。

(3) 最优结果的保存。在遗传过程中会不断的产生新的个体, 其中某些处于中间代数的种群个体中可能存在最接近最优解的个体, 对这些个体, 如果不加以保护, 通过后续的遗传、交叉和变异等操作可能会使得这些个体又逐渐远离最优解, 最终用户无法得到最优解的过程, 因此在计算过程中, 对于每一代遗传过程, 选取适应度值最高的个体直接保留至下一代, 同时为了限制种群数目无限制的扩张, 在遗传过程中将每一代都将适应度值最低的个体直接进行淘汰, 通过这种方式既可以控制种群个体的规模, 同时保证遗传过程中所产生的每一代的最优解能够得到保留。

(4) 交叉算子

式中nk表示在第k代遗传过程中群体中总的个体数, nk-1表示在第k-1代遗传过程中群体中总的个体数, PJk-1表示在第k-1代遗传过程中交叉算子的数值, α和β分别为交叉算子内的控制因子。

(5) 变异算子

式中PBk-1表示在第k-1代遗传过程中变异算子的数值, γ和λ分别为交叉算子内的控制因子, 其余各参数同前。

4 仿真与测试

文章设计的遗传算法的实际工作性能, 分别用传统的遗传算法实现了PID参数的诊定以及应用改进之后PID遗传算法的诊定, 测试的结果如图2所示, 从图中可以看出, 应用改进之后遗传算法对阶跃信号的稳定性更强, 在同样的系统输入和干扰的情况下, 改进之后的遗传算法对系统中出现的阶跃信号越更强的承受能力和系统的稳定性也更好

同时, 文章设计的改进之后的遗传算法在计算过程中能动态调整种群的数目, 因此, 可以避免遗传算法过早地陷入局部最优解的情况, 同时也能加快最优解的搜索速度, 对PID控制器参数诊定最优解的求解, 对给定精度几乎相当的最优解参数分别用传统的遗传算法和改进之后的遗传算法进行参数诊定, 经过测试发现, 经过改进之后遗传算法消耗的时间比传统的遗传算法缩短了14%, 由此可见, 改进之后的遗传算法, 在得到同样精度的最优解的情况下, 对最优解的搜索速度提高比较明显。

5 总结

PID温度控制参数 篇8

新型直流输电系统采用自耦补偿与谐波屏蔽新型换流变压器及其所具有的感应滤波方式, 从谐波抑制与无功补偿方面改善传统直流输电系统所存在的缺陷与不足[1,2,3]。由于新型换流变压器二次侧采用延长三角形接线, 并于公共三角形绕组角接处引出抽头接辅助滤波兼功补装置, 这在一定程度上改变了已有的直流输电系统的结构, 相应地, 新系统中的控制策略亦会随结构的变动而有所改变。并且, 新型直流输电系统与传统直流输电系统的换流器均具有很强的非线性, 系统的运行工况随时会发生改变, 常规的直流输电换流控制方式一般采用PI或PID控制器, 在系统受到较大扰动导致系统的运行工况偏离设计运行工作点较远时, 按这种方法设计的控制器将难以获得较好的控制效果。

变参数PID控制器 (VAPID) 是在已有的固定PID控制器的基础上发展出来的一种改进的PID控制器, 该控制器能根据控制偏差的大小通过非线性函数在线改变PID 3个控制参数的大小, 以获得满意的控制性能[4,5]。本文针对一实际的新型直流输电模拟系统, 通过与传统直流输电系统模型进行比较, 分析了因结构的变动而引起的控制策略的不同, 在此基础上, 将VAPID引入到新型直流输电模拟系统的控制器设计中, 分别设计了基于VAPID的定直流电流、定直流电压的非线性控制器, 并通过与采用传统的固定PID控制器的直流输电系统进行仿真比较, 以验证采用VAPID控制器的直流输电系统所具有的良好的控制性能。

1新型直流输电系统的数学模型

图1给出了整流侧采用新型换流变压器的新型直流输电系统模型。由图可知, 新型换流变压器及相应的感应滤波方式的引入, 在一定程度上改变了传统直流输电系统的结构, 整流站新型换流变压器二次侧角接绕组抽头处接双调谐滤波器DT5/7与DT11/13, 一次侧出线端口并接抑制高次谐波的二阶高通滤波器HP2及投切电容器, 逆变侧采用传统换流变压器, 其网侧并接双调谐滤波器DT11/13、高通滤波器HP2及投切电容器。

在新型直流输电系统交流侧装备完整的滤波器及无功补偿装置的情形下, 图1示新型直流输电系统模型可用图2示等值电路的形式表示。图中, LdrLdi分别表示整流侧和逆变侧的平波电抗器的电感;LdRd分别表示为1/2的直流线路电感和电阻;Cdc表示直流输电线路总的对地电容;IdrIdi分别表示整流侧和逆变侧的直流电流;Uc表示电容上的电压。

根据直流输电的原理, 应用电路理论可以得到直流输电线路的动态方程式[6,7]:

{Ι˙dr=1Ldr+Ld[-RdΙdr+32πUar (t) cosα-3πXrΙdr-UC]Ι˙di=1Ldi+Ld[-RdΙdi+32πUai (t) cosβ-3πXiΙdi-UC]U˙C=-1Cdc (Ιdr+Ιdi) (1)

式中:Uar (t) 、Uai (t) 分别表示整流站与逆变站交流侧电压;αβ分别表示整流器的触发滞后角与逆变器的触发超前角。

在整流侧采用定直流电流控制, 逆变侧采用定直流电压控制时, 应尽量满足如下关系式:

{Ιdr-Ιdr0=0Udr-Udr0=0 (2)

式中:Idr0表示整流器直流侧参考直流电流;Udr0表示逆变器直流侧参考直流电压。

2变参数PID控制器设计

2.1固定参数PID控制器

PID控制器中的一个关键问题是PID参数的整定, 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参数。直流输电系统中基本的控制量是整流器控制的直流电流和逆变器维持的直流电压。所依据的PID控制器可用下式加以描述[4]:

u=Κp (e+1Τiedt+Τddedt) (3)

式中:u为输出, 在整流侧表示触发滞后角, 在逆变侧表示触发超前角;e为偏差, 在整流侧表示直流电流的偏差, 在逆变侧表示逆变器直流侧电压的偏差;KP为比例增益;KI=KPTi为积分增益;KD=KPTd为微分增益。

比例增益用于控制所设计控制器的输入输出比例关系, 属于有差调节的范畴, 一有偏差立即会产生控制作用, 当偏差为0时控制作用也为0, 为了尽量减小偏差同时也为了加快响应速度, 缩短调节时间, 就需要增大KP, 但是KP又受到系统稳定性的限制, 不能任意增大;积分增益KI是为了消除静差而引入的, 然而, KI的引入影响响应的快速性与稳定性, 尤其在大偏差阶段的积分往往使得系统响应出现过大的超调, 暂态过程变长;微分增益KD的引入是为了加快对偏差变化的反应速度, 能有效地减少超调, 缩小最大动态偏差, 但同时又使系统容易受到高频干扰的影响。因此, 只有合理地整定这3个参数, 才能获得较为满意的控制性能。图3给出了根据式 (1) 及上述整定原则, 在Matlab/Simulink中建立的新型直流输电系统整流侧定直流电流固定参数PID控制器仿真模型, 逆变侧所设计的定直流电压固定参数PID控制器仿真模型结构与之类似, 只是输入量由直流电流偏差变为直流电压偏差, 输出量由触发滞后角变为触发超前角。

3.2变参数PID控制器 (VAPID)

变参数PID控制器 (VAPID) 通过引入非线性函数, 根据偏差的大小在线调节PID参数来提高控制性能, 具有结构简单, 整定方便, 计算量小等优点[8], VAPID将KP, KI, KD取为偏差e的函数, 根据偏差e的大小, 实时改变这三个系数以提高控制性能。

根据上一小节分析, 比例增益KP在偏差e的绝对值较小时取较小值, 相反时取较大值, 这样有利于加快响应速度, 同时保证有很好的稳定性;积分增益KI在偏差e的绝对值较小时取较大值, 在偏差e的绝对值较大时取较小值, 这样既有利于保证稳态无静差, 又不会引起积分饱和而使超调增大, 调节时间延长;微分增益KD在偏差e的绝对值较小时取较大值, 在偏差e的绝对值较大时取较小值, 这样有利于加快对小偏差的反应速度, 提高控制器对干扰的灵敏度, 出现干扰时及时调节。由此得到的增益函数为:

{ΚΡ=ΚΡΟ (1+ΚΡ´ (1-exp (100e2) ) ) ΚΙ=ΚΙΟ (Κ´+ΚΙ˝exp (-100e2) ) ΚD=ΚDΟ (1+ΚD´exp (-25e2) ) (4)

式中:KPOKIOKDO取常规PID控制的参数[7], KPO=95, KIO=1 000, KDO=0, 系数KP=0.2, KI=1, KI=1.5。根据文献[5]及上述整定的控制器参数, 可得到图4所示在Matlab/Simulink中建立的新型直流输电系统整流侧定直流电流VAPID控制器仿真模型, 逆变侧所设计的定直流电压固定参数PID控制器仿真模型结构与之类似, 只是输入量由直流电流偏差变为直流电压偏差, 输出量由触发滞后角变为触发超前角。

从传统换流变压器阀侧绕组经变压器电磁作用而感应至网侧绕组的谐波电流受到网侧并联无源滤波装置的抑制作用, 在理想情况下, 满足如下基尔霍夫电流定律 (输入谐波电流为正, 输出谐波电流为负) :

{Ι˙hg1a1+Ι˙hg2a2-Ι˙hag0=0Ι˙hg1b1+Ι˙hg2b2-Ι˙hbg0=0Ι˙hg1c1+Ι˙hg2c2-Ι˙hcg0=0 (7)

上述所建立的方程组可用于分析与计算直流输电换流站采用传统换流变压器及交流无源滤波系统时的谐波电流的分布特性。值得说明的是, 为简化计算, 本文只是讨论了无源滤波装置对谐波电流的完全抑制作用, 而事实上, 受系统阻抗的影响, 在进行传统无源滤波装置的设计时, 是不能将滤波器达到全调谐状态的, 即会有一小部分谐波穿越滤波装置而窜入交流母线, 这也是传统无源滤波方式的缺陷所在。

由此可知, 直流输电换流站采用传统换流变压器及交流无源滤波系统时所体现出来的谐波分布特性是, 换流阀组在运行过程中产生的谐波在通过换流变压器时, 由于变压器电磁变换的作用完全馈入网侧绕组, 换流变压器在运行过程中必须承担所有谐波电流与谐波磁动势的作用而造成的危害。

4系统仿真及其结果分析

本文采用Matlab中的电力系统动态仿真工具Power System Blocks (PSB) 对新型直流输电系统进行模拟仿真。通过在Simulink环境下构建图1所示的新型直流输电系统仿真模型, 对其基本的整流侧定直流电流、逆变侧定直流电压的控制特性开展仿真研究工作, 仿真所用到的控制器包括本文所设计的常规的固定参数PID控制器及变参数PID控制器, 由两种控制器的对比仿真来验证VAPID控制器所具有的良好的控制性能。

图5、6分别给出了新型直流输电系统采用固定参数PID控制器及变参数PID控制器的直流侧电压与电流的响应曲线, 对比可知, 采用VAPID控制器的新型直流输电系统的动态响应效果明显优于采用固定参数PID控制器的系统, 且由暂态进入稳态的时间更短。

图7、8分别给出了以误差平方积分准则ISE作为性能指标的评价曲线, 用于比较所设计的控制器的控制性能, 其性能比较结果见表1, 可见, VAPID控制器的控制性能较之常规的固定参数PID控制器有显著的提高。

4结语

本文提出了一种采用新型换流变压器及感应滤波方式的新型直流输电系统, 对于新系统采用整流侧定直流电流、逆变侧定直流电压的控制方式, 分别设计了常规的固定参数PID控制器及变参数PID控制器, 并对分别采用两种控制方式的新型直流输电模拟系统进行对比仿真实验, 结果表明, 变参数PID控制器较之传统的固定参数PID控制器, 具有更为优良的控制效果, 当工作条件发生大幅度变化时, 固定参数PID控制器难以调整, 达到稳态的时间过长, 而变参数PID控制能做到较稳定的控制, 且鲁棒性较好。

参考文献

[1]罗隆福, 刘福生.自耦补偿和谐波屏蔽换流变压器及其应用前景[J].大众用电, 2005, 21 (7) :26-28.

[2]罗隆福, 李季, 许加柱, 等.基于新型换流变压器的谐波治理研究[J].高压电器, 2006, 42 (2) :96-98.

[3]李勇, 罗隆福, 许加柱, 等.采用新型换流变压器的直流输电稳态模型[J].电力系统自动化, 2006, 30 (21) :28-32.

[4]钟庆昌, 谢剑英, 李辉.变参数PID控制[J].信息与控制, 1999, 28 (4) :273-277.

[5]朱建公, 张俊俊.变参数PID控制器设计[J].西北大学学报 (自然科学版) , 2003, 33 (4) :397-400.

[6]袁旭蜂, 文劲宇, 周志成, 等.协同控制及其在高压直流输电系统上的应用[J].电力系统自动化, 2006, 30 (7) :16-20.

[7]常乃超, 胡林献.基于详细模型的HVDC系统非线性输出跟踪控制器[J].电力系统自动化, 2001, 25 (24) :30-32.

PID温度控制参数 篇9

关键词 光伏电池;MPPT;PID控制

中图分类号:TM914.4 文献标识码:B 文章编号:1671-489X(2012)09-0098-03

Study of MPPT based on Fuzzy Parameters Self-Tuning Digital PID Control//Wu Mao

Abstract Output characteristic of the solar cell and the principle of Maximum Power Point Tracker are introduced. Based on the feature of the solar cell energy, digital PID controller is proposed to realize its MPPT (Maximum Power Point Tracking). Photovoltaic energy generation system can track the maximum power of PV cell rapidly by using digital PID. Simulation and experimental results show that the system has the robustness and the advantages of rapid response.

Key words photovoltaic cell; MPPT; PID control

Author’s address Foshan University, Foshan, Guangdong, China 528000

近二三十年来,太阳能光伏(Photovoltaic,PV)发电技术得到持续发展,光伏发电已经成为利用太阳能主要方式之一。太阳能作为可再生的绿色能源,具有“取之不尽、用之不竭”、清洁、环保等优点,在未来的供电系统中将占有重要的地位。开展太阳能光伏发电技术的研究,对于缓解能源和环境问题,开拓广阔的光伏发电市场,具有重大的理论和现实意义。研究发现,太阳能发电效率较低成为当前影响其发展的因素之一。如何提高太阳能转换效率,降低系统造价,这是近些年的热点。最大功率跟踪(MPPT)技术就是针对提高太阳能电池发电效率进行研究的。本文采用数字PID控制方法,实现太阳能最大功率跟踪,结果表明此方法能够实现较好的控制性能。

1 光伏电池的特性及MPPT原理

1.1 光伏电池的数学模型

光伏电池利用半导体材料的光伏效应制成,光伏电池组件的特性随太阳辐照度和电池温度而变化,即。根据电子学理论,光伏电池对应的函数为。

其中:,,

,(式中为在参考日照下,电流变化温度系数,Amps/℃;为在参考温度下,电压变化温度系数,V/℃;为光伏电池的串联电阻,为短路电流,为开路电压,、为最大功率点对应的电压和电流)。

光伏电池是一种非线性直流源,在不同光照强度和不同电池结温下光伏阵列输出特性曲线是不同的。当外界自然条件改变时,光伏阵列输出特性将随之改变,其输出功率及最大功率点亦相应改变。太阳能电池特性曲线如图1所示。对于光伏电池输出功率有。将两端对U求导,并将I作为U的函数,可得。

从图1可知,当>0时,U小于最大功率点电压;当时,U大于最大功率点电压;当,U即为最大功率点电压。即有:

1.2 Buck电路实现MPPT的原理

数字控制器主要实现光伏电池对蓄电池的充电,由于受到蓄电池过充电压的限制,本系统采用具有降压调节功能的Buck型变换器,它具有效率高、体积小的优点,如图2所示。

在光伏系统中,为了寻求阻尼的最佳匹配,通常是通过控制PWM的占空比来实现光伏电池输出功率的最大化。

2 MPPT数字PID控制器设计

数字PID控制器的控制算式为:

为了便于计算机编写程序,将上式变为:

式中是数字PID控制器的输入;为第k个采样时刻的偏差值;是第k个采样时刻数字PID控制器的输出;T为采样周期;为积分系数,;为微分系数,。

数字PID控制算法的增量式为:

图3为光伏系统的输出功率P和PWM占空比D关系的示意图,当dP/dD=0时,输出功率达到最大[1]。根据图3,取占空比D为数字PID控制器的控制量,为偏差信号,根据图2和图3寻找最大功率点的过程得到和的关系。

1),若,此时在最大功率点左侧,占空比应继续增大,即;若,此时在最大功率点右侧,占空比应减小,即。

2),若,此时在最大功率点左侧,占空比应继续减小,即;若,此时在最大功率点右侧,占空比应增大,即。

根据上述分析可知,时,输出功率和占空比同方向改变;时,输出功率和占空比反方向改变。根据的情况可以设计增量式数字PID控制器为:

当时,

当时,

3 仿真结果分析

系统运用MATLAB中的SIMULINK模块进行仿真,太阳能电池模型参数设置:开路电压V,短路电流A,输出最大功率时对应电压和电流分别为V,Imp=3.5 A,太阳能电池串联内阻 Ω;在参考日照下,电流变化温度系数(Amps/℃);在参考温度下,电压变化系数(V/℃),参考温度℃。取图2中的 μF,mH。光伏电池表面温度25 ℃,模拟日照强度在第2s时从800 W/m2突然降到600 W/m2、第4s时从600 W/m2突然增到1 000 W/m2的光伏电池输出功率仿真结果,图4为传统的数字PID控制MPPT仿真波形。

从图中可以看出,日照强度从800 W/m2降到600 W/m2时,图4大约经过200 ms左右可再次找到最大功率点;当日照强度从600 W/m2增到1 000 W/m2时,图4大约经过200 ms左右再次找到最大功率点

4 实验结果

实验采用直流电源和一个串联电阻来代替太阳能电池,图5是实验系统框图,它主要由光伏模块、Buck电路、控制器构成。

单片机对电压和电流信号采样,计算出功率及功率的变化量,送给模糊控制器和PID控制器,计算出占空比变化量,控制Buck电路开关的通断,来找到系统的最大功率点。

采用图5实验装置,分别利用增量电导算法和PID控制算法实测佛山7月份一天中的光伏电池输出功率。实验中采用多晶硅太阳能电池板,开路电压V,短路电流A,输出最大功率时对应电压和电流分别为V、A,输出最大功率W。

从图6中可以看出,在一天光照变化的过程中,两种控制器都可以较好地跟踪光伏电池的最大功率输出点。但是,采用PID控制算法的控制器,在跟踪过程中比增量电导算法可以使光伏电池损失功率更小,从而得到更大的输出功率。例如,在中午13时左右时,日照强度最强,此时PID控制器输出功率85 W左右,而增量电导控制器输出78 W左右。

5 结语

针对光伏电池的特点,将数字PID控制算法应用到光伏电池MPPT中,并与传统的增量电导算法进行比较。实验结果表明,数字PID控制算法能够稳定高效地跟踪光伏阵列的最大功率点,同时在光照强度等参数发生突变情况下能较快找到新的最大功率点,具有较高的控制精度和稳定性。

参考文献

[1]乔兴宏,吴必军,王坤林,等.基于模糊控制的光伏发电系统MPPT[J].可再生能源,2008,26(5):13-16.

[2]张淼,吴捷,侯聪玲,等.自适应算法在光伏发电系统最大功率追踪中的应用[J].电力电子技术,2005,39(2):50-52.

[3]张超,何湘宁.非对称模糊PID控制在光伏发电MPPT中的应用[J].电工技术学报,2005,20(10):72-75.

[4]欧阳名三,余世杰,郑诗程,等.户用光伏电源模糊自适应PID控制的研究[J].电力电子技术,2003,37(2):35-37.

模糊PID参数自整定控制器的设计 篇10

目前大部分控制系统的分析和设计方法都是基于被控对象的熟悉模型已知,或通过实验或通过辨识方法能够获取等前提条件,但是随着现代工业的发展,人们在工程实践中发现,对于有些复杂的系统,要想获取它的精确模型几乎没有可能,这时就无法用传统控制方法对其进行控制。但是人们可以凭借多年的工作经验,把控制的方法总结成带有模糊性质的、用自然语言表达的操作规则,以此来实现对这些系统的有效控制。

模糊控制即模拟人类凭经验和常识利用模糊规则进行推理并利用系统进行实现的控制过程。模糊控制过程不依赖于被控对象的精确数学模型,而是以人的实际操作经验作为基础,是把人的智能控制和控制系统结合到一起,因此模糊控制属于智能控制领域。

1 模糊控制基本原理

1.1 一般模糊控制系统的结构

模糊控制系统即采用模糊控制器对被控对象进行控制,其基本结构如图1所示。一个模糊控制系统主要包括模糊控制器、执行机构、被控对象和反馈元件。从图1中可以看出,它与一般的控制系统在整体结构上并没有太大的差别,只是用模糊控制器取代了原先的控制器。

1.2 模糊控制器的结构

一般模糊控制器有一维模糊控制器和二维模糊控制器。本设计采用二维控制系统,二维模糊控制器结构框图如图2所示。

二维模糊控制器和一维稍有不同,输入偏差e和偏差的变化率ec经过量化因子Ke和Kec变换到模糊论域上的e*和e*c,然后经过模糊化环节,生成模糊集E和EC,经过模糊推理,得到模糊集U,经过解模糊化处理,得到模糊论域上的增量du*,最后经过量化因子并求和生成控制量u。

2 参数自整定PID模糊控制器的设计

参数自整定PID模糊控制器是一种在经典PID控制器U=KpE+Ki∑E+KdEc基础上,应用模糊集合理论建立参数Kp、Ki和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|)、Ki=f2(|E|,|Ec|)与Kd=f3(|E|,|Ec|),并根据不同的|E|、|Ec|在线自整定参数Kp、Ki和Kd的模糊控制器。

利用MATLAB中提供的Fuzzy Logic Toolbox,用户能很方便地建立、编辑、观察、分析和设计模糊推理系统,并进行模糊推理系统的仿真。首先,在MATLAB命令窗口以fuzzy命令打开模糊推理工具箱的图形界面,建立如图3所示的推理系统。其中,输入端为E和Ec,输出端为参数自整定PID模糊控制器的三个参数Kp、Ki和Kd。

模糊控制器选择E、EC为输入语言变量,选择Kp、Ki和Kd为输出语言变量。将输入变量E、EC和输出变量Kp、Ki和Kd的语言值设为{NB,NM,NS,ZO、PS、PM,PB},E和Ec的论域为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},U的论域为{-3,-2,-1,0,1,2,3}。输入变量以及输出变量的模糊隶属函数均选择三角形隶属函数。

在模糊规则编辑器中设置模糊规则,以if-then的形式表达。温度控制规则共49条,见表1。

3 参数自整定PID模糊控制器的Simulink仿真

在Simulink中创建用PID算法控制锅炉温度的结构图,如图4所示。

给定信号为60,设定常规PID参数Kp=0.472、Ki=0.004、Kd=28.792。在模糊PID控制系统中,取误差E的量化因子Ke=0.1,误差变化率EC的量化因子Kec=1,取Kp=0.001,Ki=0.000 9,Kd=0.01,建立如图5所示的二维模糊控制系统的仿真模型。两种控制系统的仿真结果如图6所示。

4 结论

经过对常规PID控制、自整定模糊PID控制的仿真分析,可以看出,常规PID控制系统响应易产生振荡,超调量大,模糊PID控制克服了常规PID控制的缺点,实现了系统调节时间短、超调量小、稳态误差小的理想性能指标。

参考文献

[1]刘金琨.先进PID控制MATLAB仿真[M].北京:电子工业出版社,2004.

[2]诸静,金耀初.模糊控制原理与应用[M].第2版.北京:机械工业出版社,2003.

本文来自 360文秘网(www.360wenmi.com),转载请保留网址和出处

【PID温度控制参数】相关文章:

干熄焦锅炉给水控制系统PID参数的整定和应用09-10

pid控制06-28

PID线性控制06-08

预测PID控制06-12

多变量PID控制05-04

遗传模糊PID控制05-16

PID自校正控制05-21

模糊PID控制设计05-25

模糊PID控制技术07-06

自适应PID控制算法05-14

上一篇:现状分析与对策下一篇:中高度近视