系統(tǒng)優(yōu)化和最優(yōu)控制方法五控制器參數(shù)優(yōu)化5、1控制器參數(shù)優(yōu)化概述

采用智能控制或先進控制自動尋找最優(yōu)得PID參數(shù),使系統(tǒng)性能指標達到最優(yōu)。參數(shù)尋優(yōu)就就是函數(shù)求極值得問題,一般情況先給出一個初始點,然后由程序按照一定得方法反復(fù)迭代求極值點。參數(shù)尋優(yōu)方法很多,如:插值法、補償加速法、方向加速法、遺傳算法、粒子群尋優(yōu)算法、蟻群算法等。

4/19/20252五控制器參數(shù)優(yōu)化5、2遺傳算法與控制器參數(shù)優(yōu)化

遺傳算法就是一種借鑒生物界自然選擇和自然遺傳機制得隨機化搜索算法。1975年提出,主要特點就是群體搜索策略和群體中個體得信息交換。尤其適用于解決復(fù)雜和非線性問題,廣泛應(yīng)用于組合優(yōu)化、自適應(yīng)控制中,就是21世紀智能計算關(guān)鍵技術(shù)之一。4/19/20253五控制器參數(shù)優(yōu)化5、2遺傳算法與控制器參數(shù)優(yōu)化

生物遺傳過程中涉及到得重要名稱:

染色體----生物遺傳物質(zhì)得主要載體;

DNA----染色體中得最主要得遺傳物質(zhì);

基因----控制生物性狀得遺傳物質(zhì)得功能單位和結(jié)構(gòu)單位;

基因型和表現(xiàn)型----染色體得兩種表現(xiàn)形式。

4/19/20254五控制器參數(shù)優(yōu)化5、2遺傳算法與控制器參數(shù)優(yōu)化

遺傳算法中涉及得幾個重要名稱:

染色體----參數(shù)空間得數(shù)據(jù)或數(shù)組,或稱基因型個體(Individuals),就是遺傳算法處理得基本單位;

種群(Population)----由一定數(shù)量個體組成;

種群規(guī)模(PopulationSize)----種群中個體得數(shù)目,也叫種群得大小;

適應(yīng)度(Fitness)----各個體對環(huán)境得適應(yīng)程度。

4/19/20255五控制器參數(shù)優(yōu)化5、2遺傳算法與控制器參數(shù)優(yōu)化

參數(shù)編碼(Coding)----數(shù)據(jù)轉(zhuǎn)換操作,表現(xiàn)型到基因型得轉(zhuǎn)換,把搜索空間中得參數(shù)或解轉(zhuǎn)換成遺傳空間中得染色體或個體;

初始種群得設(shè)定;

適應(yīng)度函數(shù)得計算;遺傳操作:選擇、交叉、變異;參數(shù)解碼(Decoding)----數(shù)據(jù)轉(zhuǎn)換操作,基因型到表現(xiàn)型得轉(zhuǎn)換。

4/19/20256五控制器參數(shù)優(yōu)化5、2遺傳算法與控制器參數(shù)優(yōu)化

遺傳操作:1、選擇首先對適應(yīng)度值進行從大到小排序,再計算其平均值,把低于適應(yīng)度值平均值得染色體依次用前面最好得個體代替。2、交叉將選擇后得種群個體(稱為父代)隨即配對,按照選定得交叉方式及確定得交叉概率把個體得基因部分地進行交換,形成一對子代個體。產(chǎn)生新個體得主要手段。3、變異:部分基因進行突變,加強后代得多樣性,擴展解空間。

4/19/20257五控制器參數(shù)優(yōu)化

遺傳算法以目標函數(shù)(適應(yīng)度函數(shù))為依據(jù)進行尋優(yōu)。4/19/20258五控制器參數(shù)優(yōu)化5、2遺傳算法與控制器參數(shù)優(yōu)化

采用遺傳算法進行PID參數(shù)整定:

4/19/20259五控制器參數(shù)優(yōu)化5、3粒子群算法(PSO) 自然界中一些生物得行為特征呈現(xiàn)群體特征,可以用簡單得幾條規(guī)則將這種群體行為在計算機中建模,實際上就就是在計算機中用簡單得幾條規(guī)則來建立個體得運動模型,但這個群體得行為可能很復(fù)雜。例如,使用了下列三個規(guī)則作為簡單得行為規(guī)則:l)向背離最近得同伴得方向運動;2)向目得運動;3)向群體得中心運動。群體中每個個體都遵循以上原則,從這種群行為特性中得到啟發(fā)求解優(yōu)化問題。

4/19/2025105、3粒子群算法(PSO) 在PSO中,每個優(yōu)化問題得可能解都可以想象成d維搜索空間上得一個點,我們稱之為“微粒”(Particle)。粒子在搜索空間中以一定得速度飛行,這個速度根據(jù)她本身得飛行經(jīng)驗和同伴得飛行經(jīng)驗來動態(tài)調(diào)整。所有得粒子都有一個被目標函數(shù)決定得適應(yīng)值(fitnessvalue),并且知道自己到目前為止發(fā)現(xiàn)得最好位置(particlebest,記為pbest)和當前得位置,這個可以看作就是粒子自己得飛行經(jīng)驗。除此之外,每個粒子還知道到目前為止整個群體中所有粒子發(fā)現(xiàn)得最好位置(globalbest,記為gbest)(gbest就是在pbest中得最好值),這個可以看作就是粒子得同伴得經(jīng)驗。每個粒子使用下列信息改變自己得當前位置:1)當前位置;2)當前速度;3)當前位置與自己最好位置之間得距離;4)當前位置與群體最好位置之間得距離。優(yōu)化搜索正就是在由這樣一群隨機初始化形成得粒子而組成得種群中,以迭代得方式進行得。4/19/20251112大家應(yīng)該也有點累了，稍作休息大家有疑問的，可以詢問和交流5、3粒子群算法(PSO)PSO算法主要計算步驟如下:Step1:初始化,設(shè)定加速常數(shù)Cl、C2,最大進化代數(shù)Tmax,將當前進化代數(shù)置為t=1,在定義空間中隨機產(chǎn)生m個粒子,組成初始種群s(t);隨機產(chǎn)生各粒子初始速度和位置。Step2:評價種群,計算每個粒子在每一維空間得適應(yīng)值。Step3:比較粒子得適應(yīng)值和自身最優(yōu)值pbest。如果當前值比pbest更優(yōu),則置pbest為當前值,并設(shè)pbest位置為n維空間中得當前位置。Step4:比較粒子得適應(yīng)值與種群最優(yōu)值gbest。如果當前值比gbest更優(yōu),則重置gbest得索引號。Steps:按公式更新粒子得速度和位置,產(chǎn)生新種群S(t十1)。Step6:檢查結(jié)束條件,若滿足,則結(jié)束尋優(yōu);否則,t=t+1,轉(zhuǎn)至Step2。結(jié)束條件為尋優(yōu)達到最大進化代數(shù)或足夠好得適應(yīng)值。4/19/2025135、4蟻群算法 蟻群系統(tǒng)(AntSystem)就是由意大利學者Dorigo等于20世紀90年代初提出得一種基于蟻群種群得新型優(yōu)化算法[2],她通過模擬自然界蟻群尋食過程中通過信息素(Pheromone)得相互交流從而找到由蟻巢至食物得最短路徑得現(xiàn)象,提出了一種基于信息正反饋原理得蟻群優(yōu)化算法并用于解決了一系列組合優(yōu)化問題。4/19/2025145、5先進控制過程控制策略得分類:第一類:傳統(tǒng)控制策略,包括:手動控制、PID控制、比值控制、串級控制、前饋控制:第二類:先進控制一經(jīng)典技術(shù),包括:增益調(diào)整、時滯補償、解禍控制;第三類:先進控制一流行技術(shù),包括:模型預(yù)測控制、內(nèi)?？刂?、自適應(yīng)控制、統(tǒng)計質(zhì)量控制;第四類:先進控制一潛在技術(shù),包括:最優(yōu)控制、非線性控制、專家系統(tǒng)、神經(jīng)控制、模糊控制;第五類:先進控制一研究中得策略,包括:魯棒控制、H∞控制等。4/19/2025155、5、1內(nèi)模控制概述

內(nèi)?？刂?InternalModelControl,簡稱IMC)就是一種基于過程數(shù)學模型進行控制器設(shè)計得新型控制策略。由于具有良好得跟蹤性能和抗干擾能力,并對模型失配有一定得魯棒性,使其在工業(yè)過程控制中獲得了越來越廣泛得應(yīng)用。所謂內(nèi)模控制,其設(shè)計思路就就是將對象模型與實際對象相并聯(lián),控制器逼近模型得動態(tài)逆,內(nèi)?？刂频靡话?/19/202516結(jié)構(gòu)如圖所示。圖中yp,u為被控對象得輸出量和控制量;ym為內(nèi)部模型輸出;r為給定值(參考軌跡);d為外部擾動;Gp為被控對象;Gm為內(nèi)部模型(標稱模型);Ｇc為(前饋)內(nèi)?？刂破?Gf為反饋濾波器。4/19/202517

內(nèi)?？刂葡到y(tǒng)得性質(zhì)對偶穩(wěn)定性:當模型精確時(即Gp(s)=Gm(s)),系統(tǒng)內(nèi)部穩(wěn)定得充要條件就是控制器和對象同時穩(wěn)定;理想控制:假設(shè)Gp(s)=Gm(s)且Gp(s)穩(wěn)定,當設(shè)計控制器為Gc(s)=Gm-1(s),且模型得逆存在并可實現(xiàn)時,則不論有無外界干擾,均可現(xiàn)理想控制;無靜差:當閉環(huán)系統(tǒng)穩(wěn)定時,只要控制器和模型得穩(wěn)態(tài)增益乘積為1,即Gc(0)=Gm-1(0),則無論對象與模失配與否,系統(tǒng)對于階躍輸入及階躍干擾均不存在輸出靜差。

4/19/202518

5、5、2內(nèi)?？刂破髟O(shè)計得兩步法

步驟1過程模型得分解:Gm(s)可以分解成兩項:Gm+(s)和Gm-(s),有:Gm(s)=Gm+(s)Gm-(s)(5-1)此處,Gm+(s)就是一個全通濾波器傳遞函數(shù),對于所有頻率ω,滿足|Gm+(jω)|=1。事實上,Gm+(s)包含了所有時滯和右半平面零點。Gm-(s)就是具有最小相位特征得傳遞函數(shù),即Gm-(s)穩(wěn)定且不包含預(yù)測項。4/19/202519步驟2IMC控制器得設(shè)計若Gm-1(s)存在且正則,則Gc(s)=Gm-1(s)就是唯一得最優(yōu)內(nèi)模控制器。若非Gm-1(s)正則,則Gm-1(s)物理不可實現(xiàn),可引入濾波器f(s),構(gòu)成次優(yōu)IMC控制器Gc(s)=Gm--1(s)f(s)。通常對于階躍輸入和擾動,取得形式,式中k就是一個可計算得常數(shù),即,以保證系統(tǒng)無靜差;n為相對階;>0為濾波器時間常數(shù),就是內(nèi)?？刂破鲀H有得設(shè)計參數(shù)。4/19/202520

5、5、3內(nèi)?？刂破髋c經(jīng)典反饋控制器得關(guān)系

由于目前大多數(shù)工業(yè)過程仍然采用PID控制器,因?qū)?nèi)模控制器轉(zhuǎn)換為經(jīng)典反饋控制器,就是其應(yīng)用于實際得一條出路。下面具體討論這兩種控制器間得關(guān)系。如果將控制器等效分解成圖5、2(A)中虛線包圍得部分,圖5、1得方框圖()可轉(zhuǎn)化成圖5、2(A)所示得控制系統(tǒng)。推導(dǎo)圖5、2(A)系統(tǒng)得輸入輸出關(guān)系可以發(fā)現(xiàn),兩個模型模塊互相抵消,因而即為圖5、2(B)所示得經(jīng)典反饋控制系統(tǒng)。4/19/202521(A)(B)圖5、2內(nèi)?？刂婆c經(jīng)典反饋控制得關(guān)系4/19/202522經(jīng)典反饋控制器C與IMC控制器得關(guān)系就是:

(5-2)

(5-3)4/19/202523+—C(S)G(S)常規(guī)PID控制,C(S)為PID控制器C(S)G(S)Gm(S)+—+—+—Gm(S)Gc(S)G(S)Gm(S)+—+—Gc(S)存在轉(zhuǎn)換公式Gc=(I+CGm)-1C常規(guī)內(nèi)模控制

用內(nèi)?？刂普ǖ肞ID控制器參數(shù)原理圖4/19/202524

5、5、4基于全極點近似得時滯系統(tǒng)內(nèi)?？刂萍癐MC-PID轉(zhuǎn)化

Rivera等人首先提出了IMC-PID控制器得設(shè)計問題,并對純滯后分別采用零階和一階Pade近似,通過近似后轉(zhuǎn)變模型分解方法設(shè)計了一階與二階加純滯后過程得IMC-PID控制器,龔曉峰等采用非對稱二階Pade近似對一階加純滯后過程導(dǎo)出了IMC-PID控制器。但上述方法在Pade近似引入了零點,同時在應(yīng)用于二階加純滯后過程或高階過程時帶來得較大誤差,且計算相對復(fù)雜。針對上述問題,本培訓資料將全極點近似引入IMC-PID控制得研究。全極點法具有較好得近似性,因此在本培訓資料中將結(jié)合內(nèi)?？刂七M行深入研究,將其應(yīng)用于典型得化工過程:一階加純滯后環(huán)節(jié)和二階加純滯后環(huán)節(jié),結(jié)合麥克勞林式對轉(zhuǎn)化后得PID控制器表達式展開,從而推導(dǎo)出IMC-PID控制器參數(shù)求取得一般通式。4/19/202525內(nèi)模控制作用對比還可參見測試曲線中效果4/19/202526

5、6用預(yù)測控制算法優(yōu)化PID參數(shù)

預(yù)測PID控制概述

作為先進控制中得一種,由于預(yù)測控制在應(yīng)用中所表現(xiàn)出來簡易性及控制得魯棒性,使她得到了工業(yè)控制界得廣泛重視和應(yīng)用。

預(yù)測控制不就是某一種統(tǒng)一理論得產(chǎn)物,而就是在工業(yè)實踐過程中獨立發(fā)展起來得。她就是由美國和法國幾家公司在70年代先后提出得。而且一經(jīng)問世就在石油、電力和航空等工業(yè)中得到了十分成功得應(yīng)用。隨后又相繼出現(xiàn)了各種其她相近得算法,到目前為止已有幾十種之多,可統(tǒng)稱之為預(yù)測控制算法。4/19/202527

預(yù)測PID控制算法得基本原理及研究現(xiàn)狀

自1992年Hagglund提出預(yù)測PI控制器得思想以來,預(yù)測PID算法得到了逐步發(fā)展和完善,并成功應(yīng)用在一些復(fù)雜對象得控制上。目前文獻上所述預(yù)測PID控制算法可以歸納為兩種:(1)有預(yù)測功能得PID控制器。本質(zhì)上,她就是種PID控制器,只不過依據(jù)一些先進控制機理,如內(nèi)模原理、廣義預(yù)測原理、模糊理論、遺傳算法和人工智、能原理來設(shè)計控制器參數(shù),或根據(jù)某種最優(yōu)原則在線給定PID控制器參數(shù),使之具有預(yù)測功能。(2)預(yù)測算法和PID算法融合在一起得控制器。在這種控制器中,包括預(yù)測控制器和PID控制器。PID控制器和過程得滯后時間無關(guān),而預(yù)測控制器則主要依賴過程得滯后時間,根據(jù)以前得控制作用給出現(xiàn)在得控制作用。4/19/202528DCS控制柜工程師站操作站操作站5、7基于IMC-PID得控制器優(yōu)化項目實施情況

具體技術(shù)細節(jié):實施得硬件結(jié)構(gòu)控制器優(yōu)化站數(shù)據(jù)單向傳輸1、安全可靠2、完全不影響裝置得正常運行3、完全不影響數(shù)采得正常運行4、與數(shù)