自适应PID控制摘要:自适应PID控制是一门发展得十分活跃控制理论与技术,是自适应控制理论的一个重要组成部分,本文简要回顾PID控制器的发展历程,对自适应PID控制的主要分支进行归类,介绍和评述了一些有代表性的算法。关键词:PID控制,自适应,模糊控制,遗传算法。Abstract:TheadaptivePIDcontrolisaveryactivedevelopedcontroltheoryandtechnologyandisanimportantpartofadaptivecontroltheory.ThispaperbrieflyreviewsthedevelopmentprocessPIDcontroller.ForadaptivePIDcontrolofthemainbranches,thepaperclassifies,introducesandreviewssomerepresentativealgorithms.Keywords:PIDcontrol,adaptive,fuzzycontrol,geneticalgorithm1引言从问世至今已历经半个世纪的PID控制器广泛地应用于冶金、机械、化工、热工、轻工、电化等工业过程控制之中,PID控制也是迄今为止最通用的控制方法,PID控制是最早发展起来的控制策略之一,因为他所涉及的设计算法和控制结构都很简单,并且十分适用于工程应用背景,所以工业界实际应用中PID控制器是应用最广泛的一种控制策略(至今在全世界过程控制中用的80%以上仍是纯PID调节器,若改进型包含在内则超过90%)。由于实际工业生产过程往往具有非线性和时变不确定性,应用常规PID控制器不能达到理想控制效果,长期以来人们一直寻求PID控制器参数的自动整定技术,以适应复杂的工况和高指标的控制要求。随着微机处理技术和现代控制理论诸如自适应控制、最优控制、预测控制、鲁棒控制、智能控制等控制策略引入到PID控制中,出现了许多新型PID控制器。人们把专家系统、模糊控制、神经网络等理论整合到PID控制器中,这样既保持了PID控制器的结构简单、适用性强和整定方便等优点,又通过先进控制技术在线调整PID控制器的参数,以适应被控对象特性的变化。2自适应PID控制概念及发展2.1PID控制器常规PID控制系统原理框图如下图所示,系统由模拟PID控制器和被控对象组成。PID的标准控制规律:式中:e(t)—控制器偏差输入;u(t)—控制器输出;Kp,Ki,Kd—比例、积分和微分项系数。2.2PID控制器的发展1936年,英国诺夫威治市帝国化学有限公司(ImperialChemicalLimitedinNorthwich,England)的考伦德(AlbertCallender)和斯蒂文森(AllanStevenson)等人给出了一个温度控制系统的PID控制器的方法并于1939年获得美国专利。从美国专利局的网站上,可以找到当年获得专利的PID计算公式。这个公式与我们现在使用的PID公式已经没有很大区别。式中,e代表温度。只是当时把比例积分微分的增益倍数分开了,可以想象当初这样做的原因:用K1来确定积分的强度(斜率),用K3来确定微分的强度。面对这个美妙的、简洁的、普适的思想,我们还是多花点时问关注一下她的生日吧。她的专利的美国存档时问是1936年2月17日。英国的存档时间:1935年2月13日;1939年10月10日批准美国专利申请。这说明PID的诞生时问应该在1935年初了,只是出生证明开在1936年。1940年以后为革新阶段,在革新阶段,PID控制器已经发展成一种鲁棒的、可靠的、易于应用的控制器。仪表工业的重心是使PID控制技术能跟上工业技术的最新发展。从气动控制到电气控制到电子控制再到数字控制,PID控制器的体积逐渐缩小,性能不断提高。一些处于世界领先地位的自动化仪表公司对PID控制器的早期发展做出重要贡献,甚至可以说PD控制器完全是在实际工业应用中被发明并逐步完善起来的。PID控制至今仍是应用最广泛的一种实用控制器。各种现代控制技术的出现并没有削弱PID控制器的应用,相反,新技术的出现对于PID控制技术的发展起了很大的推动作用。一方面,各种新的控制思想不断被应用于PID控制器的设计之中或者是使用新的控制思想设计出具有PID结构的新控制器,PID控制技术被注入了新的活力。另一方面,某些新控制技术的发展要求更精确的PID控制,从而刺激了控制器设计与参数整定技术的发展。2.3发展中的自适应PID控制PID控制技术经过近几年来的研究和发展,近年来国内外学者越来越多地将智能控制技术引入PID控制器的设计与构成。下面将介绍这方面的研究、发展和创新。2.3.1自寻最优PID控制器其控制原理是:系统以积分误差性能指标为准则,当误差性能指标为最小时,即系统为最佳状态,此时PID的各参数为最佳参数。常用积分误差性能指标有ISE、IAE、ITAE等,可根据不同控制系统选择不同性能指标。对于随动跟踪控制系统一般可选用ISE积分误差性能指标。2.3.2模糊PID控制器模糊控制是一类应用模糊集合理论的控制方法。特别是在一些大滞后、时变、非线性的复杂系统,无法获得系统的精确的数学模型,而模糊控制不需要被控对象的精确数学模型。这种控制器不但具有PID控制精度高等优点,又兼有模糊控制灵活、适应性强的优点,对复杂控制系统和要求高精度的伺服系统可获得优良的控制效果,是近年来控制领域十分活跃的一支分支。模糊盒树法自适应PID算法,通过对常规PID控制系统性能品质的分析,提出一种PID控制策略,利用模糊盒树的分枝定界算法,以最少的模糊规则推理实现PID参数的自适应调整。该方法具有结构简单、鲁棒性强、动态品质优良的特点。2.3.3神经元自适应PID控制器由Windrow提出的自适应神经元,由于具有自适应学习能力,且结构简单、实时性强、无须对控制对象精确建模等优点。在神经非模型控制的基础上,结合PID控制的优点,提出了神经非模型自适应PID控制方法,确定了神经元网络的输入信号,设计出自适应系数的在线修正算法,在使控制系统具有良好的动态性能和稳态性能所进行的研究,取得了一定成效。2.3.4基于遗传算法的PID控制器遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法,其基本思想是将待求解问题转换由个体组成的滨化群体进行操作折一组遗传算子,经历生成一评价一选择一操作的滨化过程,反复进行,自到搜索到最优解。基于遗传算法的PID参数优化方法,这种方法可简化优化的解析计算过程。对免疫反馈和遗传机制的免疫遗传算法进行了讨论和研究,基于该研究提出了一种改进的变参数PID控制策略和鲁棒整定的思想,并采用免疫遗传算法进行设计参数的鲁棒优化调整。2.3.5基于蚁群算法的PID控制器蚁群算法是一种新型模拟进化算法,初步的研究表明该算法具有许多优良的性质。蚁群算法是受到人们对自然界真实的蚁群集体行为的研究成果的启发而提出的一种基于种群的模拟进化算法,属于随机搜索算法。由意大利学者M.Dorigo等人首先提出。仿生学家经过大量细致的观察研究发现,蚂蚁个体之问是通过一种称之为信息激素的物质进行信息传递。蚂蚁在运动过程中,在它所经过的路径上留下该种物质,而且蚂蚁在运动过程中能够感知这种物质,并以此指导自己的运动方向。因此,由大量蚂蚁组成的蚁群的集体行为便表现出一种信息正反馈现象,某一路径上走过的蚂蚁越多,则后来者选择该路径的概率就越大,从而增加该路径的信息激素强度,这种选择过程称为蚂蚁的自催化过程,其原理是一种正反馈机制,所以蚂蚁系统也称为增强型学习系统。2.3.6专家智能自整定PID控制器将专家控制与常规PID控制相结合而具有的自整定、自学习等功能可以用来描述复杂系统的特性,并通过学习和自组织得到相应的控制策略。一些学者对专家自整定PID控制器设计的方法及应用进行了研究,并针对一般专家自整定PID控制器的不足之处,加入智能自整定控制,提出采用阶梯信号作为系统输入的思路,这种智能自整定PID控制器由于采用了阶梯信号作为系统输入,避免了系统在参数训练过程中频繁启动的问题,还可以根据实际系统变化的要求,灵活地设定给定信号的阶梯数目,以满足一些特殊场合的控制要求,其具有很强的自整定能力,能允许对象模型的结构和参数在较大范围内变化。一种改进的单神经元PID控制的方法,采用专家控制调节单神经元PID控制中的比例增益,有效地解决了单神经元PID控制中学习速度较慢,动态响应时问增长等问题。3结束语自适应PID控制是随着自适应控制的理论发展和在过程控制上的实践而形成和发展的。从一开始就带有强烈的应用色彩。PID控制算法是迄今为止最通用的控制策略,随着计算机技术的迅猛发展,先进控制理论的出现和发展,以及自适应控制技术的引入,使PID控制进入了一个更为深入和广阔的应用大地,自适应PID控制技术将与先进控制理论更为紧密地结合,在先进控制理论推动下,以及微处理器(例如PIC和DSP等)和传感器等硬件的性能的大幅提高,必将是过程控制中极有发展前途的研究和应用方向。参考文献[1]代军,苏娅芳,张雪.PID算法及其演变[J].辽宁省交通高等专科学校学报2003,(3):43-45[2]陶水华.新型PID控制及其应用[M].北京:机械上业出版社,2002.11[3]蒋丽英,李成博,李平.基于最优保留遗传算法的PID参数自寻优[J].仪器仪表学报,2001,22(3):45-46[4]蔡自兴.智能控制一基础与应用[M].国防工业出版社,1998.10[5]方千山.基于模糊盒树法的自适应PID[J].仪器仪表学报,2002,23(3):378-379[6]腾表芳,秦春林,党建武.神经元自适应PID控制[J].兰州铁道学院学报,2003,22(1):87-89[7]毛敏,于希宁.基于遗传算法的PID参数优化方法[J].中国电力,2002,35(8):48一51[8]詹士昌,吴俊.基于蚁群算法的PID参数优化设计[J].测控技术,2004,23(1):69-72