《毕业设计（论文）基于神经网络的比值控制系统.doc》由会员分享，可在线阅读，更多相关《毕业设计（论文）基于神经网络的比值控制系统.doc（63页珍藏版）》请在三一办公上搜索。
1、基于神经网络的比值控制系统黄江伟摘要：本文主要针对PCT-2型过程控制系统进行比值控制。众所周知，用PID算法来控制比值已经能取得很好的效果，而且它具有直观、实现简易和鲁棒性强等一系列优点，但由于实际的比值系统存在非线性，不易建立精确的数学模型。目前，虽然已经有相关的方法诸如动态特性参数法、稳定边界法、衰减曲线法等整定PID参数的方法，但这些都需要进行大量的实验才能找到比较合适的参数。本文提出了一种基于神经网络的PID控制方法，这种方法从生理结构上模仿人脑神经元的功能，可作为一般函数的估计器，能映射输入输出关系；神经网络具有自学习能力和大规模并行处理能力，在认知处理比较擅长。实验证明，该方法具
2、有一定的实用价值和应用前景。关键词：比值系统 神经网络 The Double Tankers Water Level System Based on Genetic Algorithm Jiangwei HuangAbstract: In this paper , we mainly discuss the double tankers water level control in PCT-2 process control system .It is known to all that its fine to control level system with PID method , an
3、d it has merits, such as intuition, easiness for realizing and strong robustness . Therefor , considering actual water level system has non-linearity ,it is not easy to build a precise mathematical model for the system .At present ,we have some correlative means about rectifying PID parameters ,such
4、 as dynamic characteristics parameter method, stability limit law, attenuation curve law and so on ,but they all demand substantive experiment to find some appropriate parameters .This paper comes up with a kind of PID control method based on genetic algorithm , which can simplify the fussy course o
5、f searching for the parameters and can find the suitable parameters with automatic optimum .Firstly ,we encode the parameter( Kp 、Ti ) which demand optimum and product a certainty quantity of initial population ,then the computer will proceed a series of genetic algorithm ,such as selection ,crossov
6、er and mutation .At last, the computer can compute the adaptive value of every chromosome according to the object function and select the suitable PID parameters to adjust the system .This method can control the water level system well, and the experiment proves that it has certain use value and pot
7、ential application.Key words: 目 录引言1第一章 概述21.1 设立本课题意义21.2 课程设计的任务2第二章 系统软硬件介绍42.1 系统介绍42.2 实验柜硬件介绍42.3 系统通讯器件52.4 计算机软件介绍62.5 遗传算法132.5.1 简介132.5.2 编码方法132.5.3 交叉和变异142.5.4适应度函数及选择算子14第三章 PID控制163.1 PID控制原理163.2 数字PID控制算法173.2.1 位置式PID控制算法173.2.2 增量式PID控制算法183.3 积分分离PID控制算法19第四章 PID参数的整定224.1稳定边界法2
8、24.2 衰减曲线法234.3 基于遗传算法的PID控制254.4 实验结论28总 结35后 记37附录38引 言目前，在过程控制中已经有了很多控制算法，其中PID控制算法经过很多年的发展和完善，已经成为一种很有效的控制方法。可是PID算法也有很大的弊端，那就是它的参数整定非常麻烦，对于有经验的专家来说可能不是难事，但对于一个新手，要想调出一个较为理想的PID参数是相当困难的。能不能让计算机帮助我们寻找这些PID参数呢？本文就在双容液位的背景下来研究这个问题，基于神经网络的双容液位控制系统。实验中控制系统采用了pct-2型过程控制试验台，软件方面使用亚控组态王通过上位机对试验台进行控制。在算法
9、方面本文使用的是基于神经网络的PID算法，采用BP神经网络的PID控制算法对种群进行选择、交叉、变异这一系列遗传操作，最终选择合适的PID参数。由于组态王中的变量数不够用，所以这些遗传操作都是在VB中完成的，找到合适的参数后再通过DDE连接传到组态王中参与计算，从而达到控制双容液位的目的。 本文对PID算法和遗传算法都给出了较为详细的解释，并且还配合框图和图表，最后还将两种PID算法得到的液位历史曲线进行比较，务必让每位读者都能对过程控制和我的算法有一定的了解。第一章 概述1.1 设立本课题意义本课题为中国民用航空大学交通工程学院自动化教研室的过程控制演示实验设立。根据所提出的技术任务书，完成
10、计算机液位控制装置中算法的设计与编写。 本课题研究的液位实验装置是工业生产中的物料控制部分，本装置可以在实验室里将工业生产中的物料控制部分动感真实的再现出来，是进行控制品质和算法研究的一种实验设备。 液位控制实验装置在很多大学自动控制专业实验室都有配备,其价值在于可为学生的控制课程和毕业设计提供实验装置，使学生对实验产生浓厚的兴趣，加强学生的动手能力。同时，该系统也可以作为研究生和科研人员在复杂控制系统、先进控制策略的研究方面提供物理模拟对象和实现手段。1.2 课程设计的任务 本课题要做是对过程控制及控制策略进行研究。其中，对液位对象模型的分析方法可以应用到对温度、压力、流量等工业对象模型的分
11、析，课题中所提出的控制方法也具有较强的应用前景。 课题研究的任务由于本系统为大容积、长管路真实液位系统，存在较多不易确定的参数，再加上本系统控制对象的状态时变，存在着非线性、大纯滞后等不确定因素，且参数变化幅值较大。因而对控制系统的鲁棒性提出了很高的要求，即当某些参数变化时，系统的性能对这种变化和扰动具有较强的鲁棒性。 本课题是实际的工程问题，所以设计的控制系统应满足下列要求： 调节时间短，超调量小； 对系统参数具有最小灵敏度，即鲁棒性强； 设计方法应简单，所设计的控制器应易于工程实现。 工业控制中控制算法的实现是以实际控制系统的建立为基础。因此在设计控制算法程序之前，应先根据实际控制系统的需
12、要以及性价比选择合适的控制硬件，组成实际的控制系统，并分析被控对象的动态特性，以达到一定的控制目的。 本文中需要做的主要工作有： 控对象动态特性分析； 析控制算法、实现系统控制； 通过KingView组态软件实现控制界面，实现算法控制； 通过算法的计算机调试，验证算法的可行性； 进行系统参数的全面调试，对所选择的控制算法进行实验，得出实验数并分析实验结果。第二章 系统软硬件介绍2.1 系统介绍PCT-2型过程控制系统中液位控制示意图如下：图（1）双容液位系统示意图具体的工作情况为：水压计测量实际的水泵出力，反馈的数据使水泵始终在算法的控制下输出一定值水压；在水泵的后端加一调节阀，以不同的阀门开
13、度来控制不同的水流流速。经过一条管道后，水流首先注入水箱1，流入的水会使其液位发生变化，变化的液位使得水箱1的水流流出量变化，这一流量的变化完成了对水箱2液位的控制。2.2 实验柜硬件介绍 水箱实验装置由控制对象和控制回路两部分组成。其中被控对象为：中位水箱。水箱结构独特，有三个槽，分别是工作槽、溢流槽、缓冲槽。当水箱进水时，水管的水先流进缓冲槽，当缓冲槽中注满水时，水流便满过缓冲槽和工作槽当中的隔板并沿此隔板缓慢注入，这样水流对工作槽中的冲击力非常小，减少振荡，以便更精确的观察和记录实验结果。 电动调节阀电动调节阀对控制回路流量进行调节。采用智能电动调节阀，能与计算机配套使用，计算机控制电机
14、转动，电机带动阀芯提升，并可预置阀门关断力，保证阀门的可靠关断。技术指标：电源：220VAC 50HZ功耗：5VA输入信号：420 mA DC输入阻抗：100(420 mA DC) 输入信号：420 mA DC环境温度：2070 重复精度：1。 变频器本过程控制采用日本三菱FR-S520变频器， 420mA控制信号输入，可对水泵压力进行控制。具体为：PU灯亮时，才能改变参数，外部电流无法控制，调节变频器设定用旋钮，改变频率的大小；EXT灯亮时，不能改变变频器内部参数，将面板上的双掷开关掷到外控，外部输入420mA控制电流控制变频器的频率。按下STOP键变频器停止工作。如变频器在外控工作状态下，
15、将双掷开关掷到内控，变频器便停止工作；如需变频器再在外控状态下工作，将双掷开关掷到内控，将变频器上的PU/EXT转换一下，然后再将双掷开关掷到外控即可。 水泵由变频器控制水泵的转速，从而控制水泵出口处压力。在水泵出口装有压力变送器，与变频器一起构成恒压供水系统。其出力变化根据n60f/p，由变频器控制水泵电机转速，进而控制水泵出力。 液位、水压传感器传感器用来对受控水箱的液位以及水泵出力进行检测，在零压力下输出电流为4mA，在满量程压力输出电流为20mA。本传感器精度为0.5级，工作时需串24V直流电源。2.3 系统通讯器件牛顿模块 本装置在计算机控制和通讯上采用台湾威达数据采集模块。计算机组
16、态王输入数据，通过NUDAM7520把RS232转为RS485。然后通过两条数据通道DATA+、DATA-把数据传给NUDAM7024, NUDAM7043D。从现场返回的数据经过D/A模块NUDAM7017，RS485，NUDAM7520，RS232,最后返回到计算机组态王。NUDAN7520、NUDAM7024、NUDAM7017由实验台上的DC24V提供电源，另有DC24V电源,模拟现场电源为NUDAM7043D供电。图（2） 牛顿模块接线图 7520是RS232转RS485通讯模块，RS-232/RS-485双向协议转换。端口9、10接24VDC电源，端口1、2接连接牛顿模块的数据线。
17、缺省设置： 波特率：9600Bit/sec；地址：00；校验：无。无须设置地址。 7024是D/A模块，四通道模拟输出模块。电流输出：420mA,020mA；电压输出：+/-10V,010V,+/-5V。本实验中设置的是电流输出：420mA。 7017是A/D模块，八通道模拟输入模块。I-7017是8通道模拟量输入模块。可为6路双端+2路单端或8路双端。 7043D是开关量输出模块。开关量输出通道16路。集电极开路30V，最大负载100mA，可直接驱动功率继电器。7043D也是在型过程控制系统特有的牛顿模块。2.4 计算机软件介绍本系统主控部分使用北京亚控公司的组态王(KINGVIEW)软件编
18、写。组态王是在流行的PC机上建立工业控制对象人机接口的一种智能软件包，它以Windows98/NT/2000中文操作系统作为其操作平台。使用组态王，用户可以方便地构造适应自己需要的“数据采集系统”，在任何需要的时候把生产现场的信息实时地传送到控制台，保证信息的畅通。组态王易于学习和使用，拥有丰富的工具箱、图库和操作向导，既可以节省大量时间，又能提高系统性能。下面以本次编写实验程序的顺序来介绍组态王打开组态王新建一个工程图（3）新建工程界面 向工程添加硬件1. 在添加任何设备之前，首先要将设备所在的com口通讯参数的奇偶校验必须设成无校验。因为NUDAM7520说明书要求默认设置为“波特率：96
19、00Bit/sec；地址：00；校验：无。无须设置地址。”否则将接不到数据。2. 选中所要设置的硬件，并且要选择串行方式。3. 为所添加的硬件取名，这个名字会在后面的变量定义中使用到。4. 选择新添加硬件所连接上位机通讯接口编号，这时必须亲自检查硬件的连接以确保所填写的通讯口编号是正确的。图（4）添加设备界面5. 很重要的一项，为设备指定地址，7017为0、7024为2、7043为3，必须以这些地址来添加硬件。厂商对此的解释是，最初在对牛顿模块安装驱动时就使以此顺序安装的，也就是说在那时地址就已经固定了。 对程序要引用的变量进行定义图（5）变量设置界面1. 为新添加的变量取名，可选择的变量类型
20、有内存数、io数，离散数、整数、实数等，用户可根据实际来选择。对于io变量这里要特别的说明。2. 变化灵敏度：只有变化量超过设定值数据才更新。初始值、最小值、最大值：设定数据的初始值、最小值、最大值。最小、最大原始值：当数字量为最小、最大时随对应的模拟输出量。保存数值：当程序退出后保留最后的数值最为下次启动时该变量的初始值。连接设备：选择此io变量是从哪一个设备发送过来的。寄存器：一个牛顿模块的若干输入是以不同的寄存器号来辨别的，在这里选择要读取的寄存器。采集频率：组态王会以此频率来对变量进行采样。转换方式：AD或DA转换时模拟量与数字量的对应关系。DDE访问：是否允许该变量数据与外界程序交换
21、。3. 组态王只允许一个工程使用64个变量，而且其中有16个变量为系统默认定义的，实际上只有48个变量可供使用。在此次程序的编写中就遇到了变量不够的问题，所以需要借助VB来编程实现遗传算法。 编写核心控制程序图（6）组态王编程界面1. 介绍3个选项卡。启动时：系统启动时执行的命令，一般包括给变量赋初始值，显示主画面等。运行时：这里填写的就是对系统控制的主程序，包括对电动调节阀、水泵电机和电磁阀的控制，每1000毫秒就重新计算程序以更新对外数据输出。停止时：通常是通过命令使硬件复位。2. 全部函数、变量：点击后弹出的对话框会列出在组态王中全部可用的函数命令或是变量，双击后所选就已经附在程序中了，
22、这样首先告诉你哪些函数或是变量是可用的，而且也不会发生拼写错误的问题。其它的各项都是全部函数的子集，相当于具体的分类。3. 其余还包括复制，粘贴，查找，替换等功能，就类似于一个文本编辑器。 设置DDE连接 DDE是WINDOWS平台上的一个完整的通讯协议，它使应用程序能彼此交换数据和发送指令。DDE过程可以比喻成两个人对话，一方向另一方提出问题，然后等待回答。提问的一方称为“顾客”（Client），回答的一方成为“服务器”（Severr）。一个应用程序可以同时使“顾客”和“服务器”：当它向其他程序中请求数据时，它充当的是“顾客”；若有其他程序需要它提供数据，它又成了“服务器”。DDE对话的内容
23、是通过三个标识名来约定的：1. 应用程序名（application）:进行DDE对话的双方的名称。商业应用程序的名称在产品文档中给出。“组态王”运行系统的程序名是“VIEW”，Microsoft excel的应用程序名是“Excel”，Visual Basic程序使用的是可执行文件的名称。2. 主题（topic）:被讨论的数据域（domain）。对“组态王”来说，主题规定为“tagename”；Excel的主题名是电子表格的名称，比如sheet1、sheet2、；Visual Basic程序的主题由窗体（form）的LinkTopic的属性值指定。3. 项目（item）：这是被讨论的特定数据对
24、象。在“组态王”的数据词典里，工程人员定义I/O变量的同时，也定义项目名称。Execl里的项目是单元，比如：r1c2。对Visual Basic程序而言，项目是一个特定的文本框、标签或图片框的名称。图（7）DDE连接设置界面编写人机对话界面图（8）液位控制界面图（9）压力控制界面1. 绘制主界面，所用的图形可以从图库中选取，也可以通过使用若干个基本几何图形来组合成需要的形状。2. 对画面设置动画连接，这是编写界面的精髓。可选的功能有：拖动式和数字式的数据输入输出，根据变量值填充、缩放画面、使画面闪烁以及事件触发。其中事件触发的作用最大，究竟执行什么命令就由它来决定。3. 实时和历史曲线：选择一
25、个变量，实时曲线会把其当前以及前一段时间的数据变化显示出来，但是超出画面的部分就再也找不回来了；历史画面不但有实时画面的功能还可以随意的选择显示时间。要注意的一点是，要在历史画面中显示的变量，必须在定义变量时，将记录变量变化的功能打开。4. 由于优化和未优化时液位设定值的来源不同，所以怎样把这两个量表现在同一个液位历史曲线和液位实时曲线上便成了难题。在处理这个难题时，我想到了使用中间变量的办法，即：在数据字典中设定一个中间变量“inverterchang”，未优化时把此时的液位设定值Sp1负值给该中间变量，Sp1是内存实型数据；若对参数进行优化，则把此时的液位设定值hopelevel送给该中间
26、变量。在组态王中的历史曲线和实时曲线中都引用这个中间变量，这样就能使未优化和优化时的液位设定值在同一个历史曲线图和实时曲线图中显示了。2.5 神经网络算法2.5.1 简介： 近十几年来，一门新兴的交叉学科人工神经网络（Artificial Neural NetworkANN）迅速的发展起来。所谓“人工神经网络”实际上是以一种简单计算-处理单元（神经元）为节点，采用某种网络拓扑结构构成的活性网络，可以用来描述几乎任意的非线性系统；不仅如此，ANN还具有学习能力、记忆能力、计算能力以及各种智能处理能力，在不同程度和层次上模仿人脑神经系统的信息处理、存储和检索的功能。不同领域的科学家，对ANN有着不
27、同的理解、不同的研究内容，并且采用不同的研究方法。对于控制领域的研究工作者来说，ANN的魅力在于：能够充分逼近任意复杂的非线性关系，从而形成非线性动力学系统，以表示某些被控对象的模型或控制器模型；能够学习和适应不确定系统的动态特性；所有定量或定型的信息都分布储存于网络内的各种神经单元，从而具有很强的容错性和鲁棒形；采用信息的分布式并行处理，可以进行快速大量的运算。对于长期困扰控制界的非线性系统和不确定性系统来说，ANN无疑是一种解决问题的有效途径。正因为如此，近年来在控制理论的所有分支几乎都能看到ANN的引入及应用，对于传统的PID控制当然也不例外，以各种方式应用于PID控制的新算法大量涌现，
28、其中有一些取得了明显的效果。2.5.2误差反向传播（BP）神经网络误差反向传播（Back PropagationBP）神经网络，是一种有隐含层的多层前馈网络，其结构如图（10）所示。如果把具有M个输入节点和L个输出节点的BP神经网络看成是从M维欧式空间到L维欧式空间的非线性映射，则对于具有一定非线性因素的工业过程被控对象，采用BP网络来描述，不失为一种好的选择。在BP神经网络中的神经元多采用S型函数作为活化函数，利用其连续可导性，便于引用最小二乘（Least Mean SquaresLMS）学习算法，即在网络学习过程中，使网络的输出与期望输出的误差边向后传播边修正连接强度（加权系数），以期使其
29、误差均方值最小。BP神经网络的学习过程可分为前向网络计算和反向误差传播连接加权系数修正两个部分，这两个部分是相继连续反复进行的，直至误差满足要求。不论学习过程是否已经结束，只要在网络的输入节点加入输入信号，则这些信号将一层一层向前传播；通过每一层时要根据当时的连接加权系数和节点的活化函数与阈值进行相应的计算，所得的输出再继续向下一层传送。这个前向网络计算过程，既是网络学习的一部分，也是将来网络的工作模式。在学习过程结束之前，如果前向网络计算的输出和期望输出之间存在误差，则转入反向传播，将误差沿着原来的连接通路回送，作为修改加权系数的依据，目标是使误差减小。1.BP神经网络的前向计算 前向计算是
30、在网络个神经元的活化函数和连接强度都确定的情况下进行的。以图（10）所示具有M个输入、L个输出、1个隐含层（q个神经单元）的BP神经网络为例，作为训练网络的学习的第一个阶段，设有N个训练样本，若用其中的某一训练样本p的输入Xp和输出dpk对网络进行训练，则隐含层的第i个神经元的输入可写成 （21）第i个神经元的输出为 （22）式中g（）活化函数，这里取为Sigmoid活化函数。 （23）式中的参数i表示阈值，如图（11）所示。正的i的作用是使活化函数沿水平轴向右移动；的作用也在图中示出。对式（23）求导可得 （24）输出将通过加权系数向前传播到第k个神经元作为它的输入之一，而输出层的第k个神经
31、元的总输入为 （25）则输出层的第凯个神经元的总输出为 （26）在神经网络的正常工作期间，上面的过程即完成了一次前向计算，而若是在学习阶段，则要将输出值和样本输出值之间回送，以调整加权系数。2.BP神经网络的误差反向传播和加权系数的调整 在前向计算中，若与样本的输出不一致，就要将其误差信号从输出端反向传播回来，并在传播过程中对加权系数不断修整后，再送入另一个样本进行学习，直到完成N个样本的训练学习为止。第三章 PID控制PID控制是最早发展起来的控制策略之一，由于其算法简单、鲁棒性好和可靠性高，已被广泛用于工业控制过程，尤其适用于可建立精确数学模型的确定性控制系统。本章介绍PID控制的基本原理
32、、数字PID控制及其改进。3.1 PID控制原理在模拟控制系统中，控制器最常见的控制规律是PID控制。常规PID控制系统原理框图如图3-1所示。系统由模拟PID控制器和被控对象组成。被控对象比例积分微分图（12） 模拟PID控制系统原理框图PID控制器是一种线性控制器，它根据给定值r(t)与实际输出值y(t)构成控制偏差e(t)，即:将偏差的比例(P)、积分(I)、微分(D)通过线性组合构成控制量，对过程对象进行控制，故称为PID控制器。其控制规律为: （31）或写成传递函数形式: （32）其中：KP 比例系数TI 积分时间常数TD 微分时间常数简单地说，PID控制器各校正环节的作用如下：1
33、比例环节：即时成比例反映控制系统的偏差信号，偏差一旦产生，控制器立即产生控制作用，以减少偏差。加大比例系数可以提高系统响应速度，但是稳定性会变差。2 积分环节：主要用于消除静差，提高系统的无差度。3 微分环节：能反映偏差信号的变化趋势(变化速度)，并能在偏差信号值变得太大之前，在系统中引入一个有效的早期修正信号，从而加速系统的动作速度，减少调节时间。P调节是有差调节；I调节可以消除静差，但增大积分速度会降低系统的稳定精度,而且误差的积累可能引起系统的较大超调，甚至引起系统的振荡。D调节可以在系统中引入一个有效的早期修正信号，从而减少调节时间，但其抗干扰能力很差，只能用于被调量变化十分平稳的过程
34、，并且对于纯迟延过程不是非常有效，所以本试验中D值均置0。3.2 数字PID控制算法上面的公式引用的都是模拟的连续量，但是要通过计算机实现控制就要使用离散的数字量，数字PID控制算法通常又分为位置式PID控制算法和增量式PID控制算法。3.2.1 位置式PID控制算法由于计算机控制是一种采样控制，它只能根据采样时刻的偏差值计算控制量，因此式(3-2)中的积分和微分项不能直接使用，需要进行离散化处理。按模拟PID控制算法的算式(3-2)，现以一系列的采样时刻点kT代表连续时间t，以和式代替积分，以增量代替微分，则可作如下近似变换： (34) 式中： T采样周期。显然，上述离散化过程中，采样周期T
35、必须足够短，才能保证有足够的精度。为书写方便，将e(kT)简化成e(k) 等。将式(3-4)代入(3-2)中，可得离散的PID表达式为：(35)或(36)式中： 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；e(k-1)第(k-1)次采样时刻输入的偏差值；KI积分系数，KI=KPT/TI；KD微分系数，KD=KPTD/T。这种算法的缺点是，由于全量输出，所以每次输出均与过去的状态有关，计算时要e(k)进行累加，计算机运算工作量大。而且，因为计算机输出的u(k)对应的是执行机构的实际位置，如果计算机出现故障，那么u(k)的大幅度变化，会引起
36、执行机构位置的大幅度变化，这种情况往往是生产实践中不允许的。因此，产生了增量式PID控制的控制算法。3.2.2 增量式PID控制算法当执行机构需要的是控制量的增量(例如驱动步进电动机)时，可由式(36)导出提供增量的PID控制算式。根据递推原理可得(37)用式(36)减式(37)，可得(38) 式中式(38)称为增量式PID控制算法。可进一步改写为(39)式中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。可以看出，由于一般计算机控制系统采用恒定的采样周期T，一旦确定了KP、KI、及KD，只要使用前后3次测量值的偏差，即可由式(38)或式(39)求出控制增量。采用增量式算法
37、时，计算机输出的控制增量u(k)对应的是本次执行机构位置(例如阀门开度)的增量。对应阀门实际位置的控制量，即控制量增量的积累需要采用一定的方法来解决，而目前较多的是利用算式通过执行软件来完成。可以看出，就整个系统而言，位置式与增量式控制算法并无本质区别，也就是说这两种算法仍然由计算机承担全部计算，或者部分计算由其它部件去完成。增量式控制虽然只是算法上作了点改进，却带来了不少优点： 由于计算机输出增量，所以误动作时影响小，必要时可用逻辑判断的方法去掉。 手动自动切换时冲击小，便于实现无扰动切换。 算式中不需要累加。控制增量u(k)的确定仅与最近k次的采样值有关，所以较容易通过加权处理而获得比较好
38、的控制效果。3.3 积分分离PID控制算法在普通的PID数字控制器中引入积分环节的目的，主要是为了消除静差、提高精度。但在过程的启动、结束或大幅度增减设定值时，短时间内系统输出有很大的偏差，会造成PID运算的积分积累，致使计算的控制量超过执行机构最大动作范围所对应的极限控制量，最终引起系统较大的超调。甚至引起系统的振荡，这在某些生产过程中绝对不允许的。引进积分分离PID控制算法，既保持了积分作用，又减小了超调量，使得控制性能有较大的改善。其实现如下： 根据实际情况，人为设定一个值e0。 当时，即偏差值较大时用PD控制，可避免过大的超调，又使系统有较快的响应。 当时，即偏差值较小时用PID控制，
39、可保证系统的控制精度。下面我们进步推导积分分离PID的具体算法(位置式)。当时，采用PD控制，其控制算法为(313)式中：图（13）经典PID程序框图当时，PID控制算法用增量式PID控制算法。即(214)式中：积分分离PID算法的流程图如下图所示：图（14）积分分离PID流程图虽然PID控制效果很好，但要想找到合适的参数却不是件容易的事，怎么才能方便的找出合适的PID参数呢？这就是我们下一章要讨论的问题。第四章 PID参数的整定PID参数复杂繁琐的整定过程一直困扰着工程技术人员，研究PID参数自整定技术具有十分重大的工程实践意义，本章主要介绍PID参数整定的基本原理和PID参数自整定技术。4
40、.1稳定边界法这是一种闭环的整定方法。它基于纯比例控制系统临界振荡实验所得数据，即临界比例带和临界振荡周期，利用一些经验公式，求取调节器最佳参数。其整定计算公式如表41所示。表4-1 稳定边界法参数整定计算公式 整定参数调节规律P2PI2.20.85PID1.670.500.125具体的整定步骤如下： 置调节器积分时间到最大值（），微分时间为零（=0）,比例带置较大值，使控制系统投入运行。 待系统运行稳定后，逐渐减小比例带，直到系统出现如图（15）所示的等幅振荡，即所谓临界振荡过程。记录下此时的比例带（临界比例带），并计算两个波峰间的时间（临界振荡周期）。图（15） 系统的临界振荡过程 利用和
41、值，按表41给出的相应计算公式，求调节器各整定参数、和的数值。应当指出，由于被控对象特性的不同，按上述经验公式求得的调节器整定参数不一定都能获得满意的结果。实践证明，对于无自平衡特性的对象，用稳定边界法求得的调节器参数往往使系统响应的衰减率偏大（0.75）；而对于有自平衡特性的高阶等容对象，用此方法整定调节器参数，系统响应的衰减率大多偏小（0.75）。为此，上述求得的调节器参数，需要针对具体系统在实际运行过程中作在线校正。4.2 衰减曲线法与稳定边界法类似，不同的只是本法采用某衰减比（通常为4：1或10：1）时设定值扰动的衰减振荡试验数据，然后利用一些经验公式，求取调节器相应的整定参数。对于4
42、：1衰减曲线法的具体步骤如下： 置调节器积分时间到最大值（），微分时间为零（=0）,比例带置较大值，使控制系统投入运行。 待系统稳定后，作设定值阶跃扰动，并观察系统的响应。若系统响应衰减太快，则减小比例带；反之，系统响应衰减过慢，应增大比例带。如此反复，直到系统出现如图（16）（a）所示的4：1衰减过程。记下此时的比例带和振荡周期数值。图（a） 图（b）图（16）系统衰减振荡曲线(a) 4:1衰减响应曲线 ；（b）10:1衰减响应曲线 利用s和Ts值，按表给出的经验公式，求调节整定参数、TI和TD数值。表31衰减曲线法整定计算公式衰减率参数规律TITD0.75PPIPIDs1.2s0.8s0.
43、5Ts0.3Ts0.1Ts0.9PPIPIDS1.2S0.8S2Ts1.2Ts0.4Ts对于扰动频繁，过程进行较快的控制系统，要准确地确定系统响应的衰减程度比较困难，往往只能根据调节器输出摆动次数加以判断。对于41衰减过程，调节器输出应来回摆动两次稳定。摆动一次所需要时间为Ts。显然，这样测得的s和Ts的值，会给调节器参数整定带来误差。根据衰减曲线法，初步计算出各整定参数值。最后通过实验，找到最佳整定参数值. 从对以上两种整定方法的介绍中我们可以看出，这两种方法都需要进行大量的实验，其过程都是非常繁琐的。能不能找到一种方法来方便地完成PID参数的整定呢？这就是下面要研究的问题。4.3 基于遗传
44、算法的PID控制使用遗传算法来优化PID参数，其实质就是在一个很大的解空间里选择一组最优的参数。该方法的主要步骤如下：、确定个体字符串的组成和长度；该毕业设计中需要都两个参数，即：比例常数Kp和积分时间常数Ti。根据实际情况可知：Kp的取值范围是010，Ti的取值范围是：01000，都精确到小数点后一位。所以Kp的编码长度为7为，而Ti的编码长度为13位，加起来得到染色体的长度位20。、随机建立初始群体；种群规模n、交叉率Pc和变异率Pm是遗传算法中关键的参数，它们的选择范围是n2030，Pc0.750.95，Pm0.0050.01，本文中选择n20，Pc0.8，Pm0.008。、计算各个体的适应度；得到初始种群后要计算每个染色体的适应度，从而选择最优个体。对于双容液位系统，我们确定目标函数位为：式中,e(t)为误差值,即给定值与输出值之差.使Q为最小,以改善控制系统的动态、静态性能。、依次进行遗传算子的选择、交叉、变异等超作，产生新的群体；根据步骤中的适值来选择个体，适值越大被选中的几率越大；
