pid控制范文

pid控制篇1

关键词：PID控制 自调整模糊PID控制 模糊推理机制

引言

PID控制器广泛应用于冶金、机械、热工、化工等工业过程控制中，对于具有线性特性的确定的被控对象，调试整定好PID控制器参数 、 、 后，便可投入生产运行，其控制原理与控制技术已完善成熟，具有结构简单、稳定性能好、可靠性高的特点。

在实际工业过程控制中，由于操作者经验不易精确描述，控制过程中各种信号量以及评价指标不易定量表示，模糊理论是解决这一问题的有效途径，所以人们运用模糊数学的基本理论和方法，把规则的条件、操作用模糊集表示，并把这些模糊控制规则以及有关信息如评价指标、初始PID参数等作为知识存入计算机知识库中，然后计算机根据控制系统的实际响应情况即专家系统的输入条件，运用模糊推理，即可自动实现对参数的最佳调整，这就是自调整模糊PID控制。

1控制算法

1.1常规PID

常规PID控制器是过程控制中应用最广泛的控制器，它具有结构简单、稳定性好、可靠性高的特点，其结构如图1所示。它的控制性能依赖于PID控制器的3个参数以及系统的数学模型，其局限性是不能在线整定参数，并且对难以建立数学模型、非线性、大滞后和时变的系统不能进行很好的控制。

PID控制器是一种线性控制器，它根据给定值: 与实际输出值 构成偏差 将偏差比例、积分和微分控制，通过线性组合构成控制量，对被控对象进行控制，故称PID控制器。其控制规律为：

其传递函数形式为：

其中， 为比例系数， 为积分时间常数， 为微分时间常数。

1.2自调整模糊PID控制器

采用自调整模糊PID控制，不仅能实现精确控制，而且还具有较强的适应性，因此可以更有效的实现人的控制策略和经验。

自调整模糊PID控制器结构图如图2所示。自调整模糊PID控制器以误差 和误差变化 作为输入，可以满足不同时刻的

和 对PID参数自整定的要求。

PID参数模糊自整定是找出PID三个参数与 和 之间的模糊关系，在运行中通过不断检测 和 ，根据模糊控制原理来对3个参数进行在线修改，以满足不同 和 时对控制参数的不同要求，而是被控对象有良好的动、静态性能。

1.2.1模糊控制器规则

本系统的模糊控制器采用的是单变量二维形式，本系统模糊控制器的输入为偏差 和偏差变化率 ，输出为PID参数的增量 。

从系统的稳定性、响应速度、超调量和稳态精度等各方面来考虑， 的作用[2]如下：

在偏差较大时，为了尽快地消除偏差影响，提高响应速度，

取值较大， 取较小值；在偏差较小时，为了继续消除偏差影响，并且防止超调现象过大，产生振荡， 取值要相应减小， 取值较小；在偏差很小时，为了消除静态误差，克服超调现象，使得系统尽快稳定， 取值要继续减小， 取值不变或者稍微取大些。

偏差变化 的大小表明偏差变化的速率， 越大时， 取值越小， 取值越大；反之， 越小时， 取值越大， 取值越小。

微分作用类似于预见性，它阻止偏差的变化，有助于减小超调，克服振荡，使系统趋于稳定，加快系统的动作速度，减小调整时间，改善系统的动态性能。因此，在偏差较大时， 取小值。

pid控制篇2

【关键词】PID控制 过程控制 原理 应用

自PID控制诞生以来，在工业生产的过程中，已经成为使用最广泛的控制器，随着科技的进步，计算机科技不断发展，自动化控制技术也不断改进，电动、液动和气动PID控制器在过程控制的系统内，几乎有着垄断的地位，如今还是基本控制的方式之一，因为其能够适应大部分工业控制的要求，所以应用的范围依然广阔。

1 PID控制原理

PID控制的原理非常简单，就是借助负反馈部分获得系统误差，接着对不同环节控制的参数进行调节，把误差降低到零，进而实现控制的要求。一般来说，按照过程控制系统内控制的方法与执行的机构不同，其算法可以分成速度、增量和位置三种型号，在实际进行应用时，转速控制、液体的位置和阀门的开度变化就是与这些不同的类型相对应。

2 PID控制的环节

2.1 比例环节（P调节）

PID控制器输出的信号和偏差的信号之间是正比的关系，换句话说，只要存在偏差，其输出信号就立即和偏差有正比变化，所以P调节反应的速度会很快。这种调节方式能够对系统目前变化进行及时的反映，但是无法彻底消除整个系统内存在地偏差，所以实际进行控制的过程中，如果只使用比例调节，系统就会出现残差，Kp变大，系统的偏差会随之降低，但是实际上，Kp如果太大，就可能使系统变得不稳定。

2.2 积分环节（I调节）

控制器输出和偏差的存在时间也有一定关系，事实上，输出和偏差存在时间积分，呈线性联系，如果系统出现偏差，控制器就需要随之作出调节，直到整个系统输出和输入量相同，控制器输出才可以保持不变。I调节的作用就是去除整个系统的偏差，提高其无偏差的精度。从基本的运算过程看，积分的时间大小对积分的作用强弱有决定性，积分的时间越久，积分的作用也就越弱，造成系统超调量增大，积分的作用如果越强，反而可能造成系统的动荡。

2.3 微分环节（D调节）

这一调节方式主要是按照偏差变化的速度对其进行控制，只要出现变化的趋势，这一环节就能够做出相应的反应，然后在输出量与设定值的偏离更远前，引入适当修正的信号，提高系统控制的速度，进而降低控制所需时间。D调节主要用于降低超调量，对被控制对象的输出振荡进行控制，减少系统响应的时间，进而增加系统动态的特性，但是如果TD太大，就会使其对干扰信号进行抑制的能力降低。

以上调节的方式互相独立，但对于大部分控制的系统，要想获得较好控制的性能，往往需要三种方式合理搭配，进而获得平稳、准确调节的性能，取得较好控制的效果。

3 PID控制应用的实例

以某个恒压喷灌系统为例，主要部分为传感器、控制的单元和低压电器以及水泵机组等，不同部分互相连接形成闭环的控制体系，主要的功能是借助恒压控制单元，使变频器能够控制1台水泵，或者使用循环方式使其控制2台水泵，进而使管网的水压保持恒压，或者在恒压附近保持波动目的，还要能对运行的数据进行传输。

基本实现的步骤为：第一，要给PID控制器预设合适目标的压力值，这种压力值设定时，要按照喷灌的管网要求水压和相关操作的经验进行，如果传感器接收到管道内实际的水压，就由压力变送器把它转变成（4-20）mA模拟的电流信号，然后反馈到PID控制器，PID控制器在按照设定好的压力值与实际的压力值之间的偏差，对需要调节的数值进行计算；然后对变频器输出的频率进行改动，进而对电机转速进行调节，使用水量和供水量之间形成动态平衡的状态，保持水压恒定，具体的调节程序如下：

（1）稳定运行状态。如果用水需求数量和供水的数量是相等的，对压力进行反馈的信号就和目标的压力信号相等，此时偏差是零，控制的增量也是零，换句话说，不需要进行调节，变频器输出的频率保持不变，水泵转速也不变，整个系统处于稳定运行的状态。

（2） 如果用水量扩大，也就是用水的需求增加，这时用水量会超过供水量，水压就会下降，对压力进行反馈的信号减少，这时偏差会小于零，输出控制的增量则大于零，就要增加变频器输出的频率，使水泵的转速不断提升，进而增加其供水量，直到其形成平衡的状态，增加压力，使之在设定数值附近或者到达设定的数值，进而使供需之间保持平衡。这种过程是动态不断平衡的过程，在到达平衡的状态前，各个环节都处于不断的变化中，直到形成新的平衡。

（3） 如果用水量降低，也就是用水的需求降低，这时，供水量就会超过用水量，造成水压的上升，对压力进行反馈的信号增大，偏差就会大于零，PID控制器输出控制的增量则小于零，就要对变频器输出的频率进行降低，同时还要减少水泵的转速，进而使供水的能力得到减少，降低供水数量，以便形成新的平衡状态，恢复原来的压力，保持供需之间的平衡。

（4） PID控制器的优点以及适用性。PID控制器有很多优点，但是从其本质来看，就是智能化和鲁棒性，这里对其内模控制进行介绍。内模的控制器可能不会使用PID控制，按照被控制对象不同的特性，也可以采取其他的控制如PD控制，相关的实验证明，如果对象纯滞后的时间和时间的常数比T超过0.6，使用PID控制输出品质可能会比使用P控制输出的品质差，但是如果其接近T，或者大于T时，这时就可以使用内模控制。

4 结语

综上所述，PID控制在工业的控制中具有重要的意义，其使用过程非常便利，具有很高的灵活性，应用的范围非常广泛，但是在实际应用过程中还有一些局限性。所以需要加大研究力度，不断对其进行改进和完善，可以加大和外国先进技术的交流与沟通，取长补短，根据我国实际情况，切实发挥其调节的作用，促进我国工业的发展。

参考文献

[1]史智慧.浅析在过程控制中PID控制的应用[J].科协论坛，2012（7）：68-69.

[2]焦舟波.模糊PID控制研究及其在水箱过程控制系统中的应用[D].上海：东华大学，2011.

[3]王作辽.模糊PID控制在工业过程控制中的应用[J].科技与生活，2011（2）：184-184.

[4]孟昕元，陈震.PID调节的适用性[J].河南机电高等专科学校学报，2002，10（2）：58-59.

作者简介

李刘川（1995-），男，河北省人。大学本科学历。现为中南大学信息科学与工程学院大学本科学生。主要研究方向为测控技术与仪器。

作者单位

pid控制篇3

[关键词]模糊PID控制；列车自动控制；仿真；MATLAB

中图分类号：U284；TP273 文献标识码：A 文章编号：1009-914X（2014）18-0111-01

1、概述

列车运行控制系统以地面信号、调度命令等行车指挥命令为依据，结合各种运行条件对列车的启动、加减速、惰行、制动、停车等操作控制[1]。但列车运行过程极其复杂，它受许多因素的影响，如线路条件、环境条件、列车司机熟练操作程度等。在不同的工况下，如何实现高效的ATO成为人们关心的焦点问题之一。本文在研究讨论传统基于PID控制的ATO速度控制策略的基础上，分析其缺点和不足，提出了利用模糊算法改进PID控制参数的方法，并利用MATLAB进行了仿真和结果比对。

2、通过模糊规则调整PID参数的方法

PID是一种线性调节器，以列车制动模型理论和经验公式为基础来实现列车的运行控制和速度调整。连续PID的控制规律为：

为了对PID参数进行在线调整，我们通过制定模糊规则，用模糊控制器进行处理。偏差和偏差变化率是对PID控制器参数整定的主要影响因素[2]。

当较大时，为了加快系统的响应速度，应取较大的；但为了避免由于开始时的偏差的瞬时变大可能出现的微分过饱和而使控制作用超出许可的范围，应取较小的；同时为了防止系统响应出现较大的超调，产生积分饱和，应对积分作用加以限制，通常取=0。

当偏差处于中等大小时，为使系统响应具有较小的超调，应取得小些，的取值要适当。在这种情况下的取值对系统影响较，取值要大小适中，以保证系统的响应速度

当偏差较小即接近于设定值时，为使系统具有良好的稳态特性，应增加和的取值。同时为避免在系统的设定值附近出现振荡，应增强系统的抗干扰性能。当较小时，可取值大些；当较大时，应取小些。

用于在线自整定PID参数的模糊控制器是以误差e和误差微分ec为输入语言变量，以、、为输出语言变量的双输入三输出模糊控制器。其控制规则就是对参数、、的调整规则。在输入语言变量E和EC以及输出语言变量、、的论域中，取语言值为负大，负中，负小，零，正小，正中，正大（NB，NM，NS，Z，PS，PM，PB）七种，各语言值的定义由隶属函数来描述。

由此，根据上述的参数整定原则，以及运行经验，可制作相应模糊规则表，用于模糊推理。如的模糊规则表如表1所示。

3、列车及线路模型

列车在具有坡道和弯道的轨道上依靠机车的粘着牵引力行驶，由于驾驶坡道的长度大于列车的车长，可将列车作为一个质点处理[3]。本文依据这种假设采用单质点模型。并且为了使用计算机仿真，将列车模型离散化处理，具体形式如下：

其中a、b、c为经验常数，不同型号的机车及客车取值不同，这里假设其最大值分别是0.0015，0.27，215。是作用在单位质量上的基本阻力，是作用在单位质量上的附加阻力，是位移处的加算坡道的坡度角，T为采样周期。

仿真所使用的线路模型总长为36.28km，其中含有一段长为9.68km的上坡道，坡度为15‰。

4、仿真结果分析

列车运行的目标速度曲线全程分为5个操作阶段：启动与加速阶段，匀速运行阶段，爬坡阶段，匀速运行阶段和制动停车阶段。在MATLAB中进行仿真后输出的速度跟踪结果如图1所示，图中蓝线表示实际的速度曲线，可以看出列车比较准确和平稳的跟踪了目标速度曲线。

5、结论

针对列车运行控制系统的非线性特性，本文阐述了一种利用模糊算法在线调整PID参数的控制方法，并应用于列车自动驾驶中的运行速度控制的问题。这种方法，保持了PID算法结构简单，鲁棒性强的优点，并具有良好的稳定性和响应速度。最后，通过Matlab构建仿真模型对其控制效果进行了验证。结果表明：在列车速度控制中，采用模糊算法改进的PID控制方法，具有较好的平稳性以及对目标速度的跟踪特性。

参考文献

[1] 周家猷，唐涛.列车自动驾驶系统算法研究[J].中国科技信息，2008，（13）：306-309.

[2] 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，2008，（5）：37-38.

[3] 王轶.基于迭代学习控制的几类列车控制问题研究[D].北京交通大学，2010.

作者简介

pid控制篇4

关键词：单片机； 恒流源模块； 场效应管； 增量式PID控制

中图分类号：TN710-34； TM932 文献标识码：A

文章编号：1004-373X(2011)20-0190-03

Numerical Control Constant-current Source Based on Incremental PID Control

ZHANG Su-hong1, HUANG Tao1,2, WANG Jin-hua1, ZHENG Xi-duan1

(1. College of Electrical Engineering and Automation, Fuzhou University, Fuzhou 350108, China;

2. Fuan Research Institute of Electrical Engineering, Fu'an 355000, China)

Abstract： Numerical control constant-current source is widely applied in the metrology, semiconductor, sensor and other fields. In view of problems that accuracyand intelligence of the constant-current sources availabole in the market are low, a design method of numerical control constant-current source controlled by incremental PID is proposed in this paper. The sampling about the output of constant current source module is carried out through MCU. The incremental PID control algorithm is adopted to conduct the numerical processing, and contrasted with the traditional PID control algorithm through MATLAB simulation. The experimental result shows that the system has the characteristics of high resolution, low ripple and high accuracy, and can provide constant current for relevant projects.

Keywords： MCU; constant-current source module; FET; incremental PID control

0 引 言

随着半导体集成技术的发展，恒流源的研究已经入崭新的一个阶段。在一些电真空器件中，如示波器,功率发射管等由于通电瞬间的电流非常大，所以对稳定其工作来说，恒流源显得非常必要。另外如各种标准灯、校验表、自动化仪表和半导体器件参数测量等，恒流源对器件的性能起着重要作用。

恒流源的实质是对电流进行反馈，通过对硬件电路进行供电，从而使电流趋于恒定。在得到电流之后形成反馈，从而建立恒流源。由于恒流源具有的特性，所以具有适合阻性、感性、容性负载的优点。理想的恒流源不会因负载的输出电压、环境温度的变化而变化，并因其内阻无限大，所以可使其电流全部输出［1］。

1 恒流源实现原理

数/模转换输出的值加到运放的LM358正输入端，输出端电位加到场效应管的栅极上，根据场效应管的特性，可使输出电流信号放大若干倍，具体数值根据所选场效应管与外部电路而定［2］。通过分析计算出外部电路的参数，使场效应管工作在放大区，由于此时漏源极电流仅决定于栅源极电压，所以当改变栅源极电压时，源极的电流也随着变化。为排除外部干扰信号的影响，源极电位加往U6-B运放器的正输入端以便滤波。经滤波所产生的信号加入到U6-A的负输入端，使其经过两端的压差放大之后控制场效应管的栅源极电压。当场效应管的漏极电流变大时，源极的电流同样增大，U6-A的反相端电位也变大，这样U6-A两端输入之差变小［3］，所以场效应管的栅极电位也变小，漏极电流随之变小，从而达到恒流的效果。当场效应管的漏极电流变小时，源极的电流变小，U6-A的反相端电位变小，这样U6-A两端输入之差变大，所以场效应管的栅极上的电位变大，从而也达到恒流的效果。恒流源模块如图1所示。

2 系统的方案设计

本文设计的恒流源主要分下面几个模块：单片机控制系统、A/D和 D/A转换模块、电源模块、恒流源模块、负载及显示模块。通过对按键的操作实现手动输入，通过D/A转换输入至恒流源模块，再通过A/D转换将数值送入到单片机内。系统框图如图2所示。

图1 恒流源模块

图2 系统框图

3 系统的控制算法

在恒流源的设计中，采用了增量式PID控制，由最为常见的传统式PID控制，比例、积分、微分控制推导而来。传统PID控制回路如图3所示。

图3 PID控制回路

PID调节控制器的输出/输入关系的表达式如下：

ИuT=kP(e(t)+1tI∫e(t)dt+td de(t)dt)(1)И

式中：uT为输出信号，e(t)为输入偏差信号，tD为微分时间，tI为积分时间。在该系统中，单片机对恒流源模块输出进行采样，得出量化数值。所以需将式（1）离散化以求得所需结果［5］：

Иu(n)=kP{e(n)+TtI∑ni=0e(i)+

tdT［e(n)－e(n－1)］}+u0(2)И

式中：T为采样周期；e(n)为第n次采样的偏差值；e(n-1)为第n-1次的采样偏差值；u(n)为第n次采样输出值。为使系统具有足够高的精度，必须将采样周期设定的足够小。由式（2）可以看出，如果要得出第n次输出值，需要处理的数据非常庞大，不仅需本次与前┮淮蔚钠差信号，而且需要从第一次到第n次的采样偏差值，再将其累加求和。在这一步骤当中，对微控制器所需的内存会有一定要求，并且其计算量繁冗。因此，对其进行化简，由递推原理求得第n-1次输出值，如下：

Иu(n－1)=kP{e(n－1)+TtI∑n－1i=0e(i)+

tDT［e(n－1)－e(n－2)］} (3)И

由式(3)减去式(2)可得如下方程：

Иu(n)=u(n－1)+kPTtI［e(n)－e(n－1)］+ne(n)

+kPtDT［e(n)－2e(n－1)+e(n－2)］(4)И

由式（4）可知，如果要得出第n次的输出值，只需求得第n-1次的采样输出值，第n，n-1，n-2次的偏差值，整个过程就简单清晰的多。在该系统中，经过A/D转换所得到的参数就是PID的被控对象。

在整个系统中，通过采用PID控制算法，不仅可以即时的反应出控制系统的偏差信号，减少偏差，而且通过积分控制作用之后，可以消除静差，使系统的精度大幅度提高。另外，在微分控制当中，偏差信号的变化趋势也可以读出。通过反馈作用，可对信号进行修正，从而加快系统的响应速度，减少调节时间。并且可避免因处理器的任何故障而引起的输出信号的大幅度变化。

为了证明增量式PID控制相对于传统PID控制的优越性，本文采用Matlab分别对增量式PID算法和传统PID算法进行仿真比较。

取KP=10，tD=3，tI=0.1,采样时间TS=0.001。给出一个叠加的阶跃响应模拟电流值的调节信号输入，分别在1，2.3，3.5，4处将系统输入(即：设定电流值)从0~1，1~1.8，1.8~2，2~2.9进行变化，仿真5 s后观察不同控制算法下的响应情况，如图4所示。

图4 两种PID控制策略在数控恒流源应用中的比较

由图4可知，在控制器参数相同的情况下增量式的PID控制算法具有其响应速度更快，超调量更小，优于传统的PID控制。

4 系统的软硬件设计

4.1 软件设计

首先完成系统初始化，给系统变量赋初值，然后进行按键扫描，获取键值，判断设定键，进而进行相应的功能子程序处理。该系统是采用外部中断0来实现实时扫描，使系统进行数值设置［4］。通过外部中断1来实现数值设置值的LED显示。其中LED显示时，每一位显示的间间隔为2 ms。在进行数值采样的时，为了有足够的精度，该系统所采用的采样时间间隔为1 ms，这里也可以根据工作的需要进行自行设定。主程序流程图如图5所示。

定时器中断实现数字信号处理的整个过程。当中涉及到参数的设定，即校准过程，并且需进行PID控制算法的实现，所以对数字处理这一块会稍微繁琐一些。其流程图如图6所示。

4.2 硬件设计及系统测试

给出本系统几个主要电路图如图7~图9所示。

5 结 语

对该恒流源模块的测量结果表明，其步进分辨率高，纹波小，并且可以手动输入电流20~2 000 mA之间的数据。可以为各项工程应用提供高稳定度的恒流源。该系统还可采用其他更为先进的控制算法，以求得更好的效果。

参考文献

［1］刘选忠，杨拴科.实用电源技术手册:模块式电源分册\.沈阳：辽宁科学技术出版社，1999.

［2］童诗白，华成英.模拟电子技术基础\.北京：高等教育出版社，2001.

［3］王顺棋.稳压电源设计\.北京：国防工业出版社，1983.

［4］马忠梅，刘滨.单片机C语言Windows环境编程宝典\.北京：北京航空航天大学出版社，2003.

［5］陶永华.新型 PID控制及其应用\.北京：机械工业出版社，1998.

［6］张新荣，徐保国.基于数字PID的空调系统温度检测与控制设计\.仪表技术与传感器，2010(10):104-107.

［7］郝永德，卜剑锋，吴兆春.便携式吸声系数测量仪的设计\.仪表技术与传感器，2010(10):22-23.

［8］冯仪，黄树槐.双恒流源激励的压力机用吨位指示器\.仪表技术与传感器，2009(8):19-22.

pid控制篇5

关键词：单片机；加热炉；模糊PID控制；温度控制

加热炉系统具有惯性大、延迟时间长、非线性的特点，因此采用传统的PID控制，达到的效果肯定不令人满意。将具有智能性的模糊控制与具有可靠性的PID控制相互结合起来，设计了一种控制器，该控制器具有参数自整定和模糊PID的功能，能达到较好的效果。

1 加热炉温度控制系统的设计

加热炉的温度控制系统[2]为闭环工作状态。本系统中智能控制器的重要部件是嵌入式控制器，控制面板和CPU处理器等部件组成了整个系统。加热炉内的水温、炉内水位高度的采集、数据的滤波等都是通过CPU处理器实现的，系统的一些按键操作和指示灯等都是通过控制面板实现的。

2 参数自整定的模糊PID控制器的设计

2.1 参数自整定模糊PID控制系统结构[3]

延迟、参数、干扰等因素的测量分析是通过智能控制器实现的，智能控制器即参数自整定模糊PID控制器，PID三个参数Kp、Ki和 Kd的整定是通过模糊推理方法在线整定的。

该系统是由常规PID控制器和具有模糊推理的参数校正部分组成。模糊系统的输入分别是偏差的变化率EC与偏差E，模糊系统的输出是三个PID参数的变化值，PID参数的自整定通过参数校正和在线不断变化PID参数值来实现的。

2.2 加热炉控制系统[5]参数自整定模糊PID控制

实现PID参数自整定首先确立模糊关系，即偏差e、三个参数、偏差变化率ec之间，程序运行中不断的测量e和ec，3个参数的在线整定是通过模糊控制原理实现的，从而来满足智能控制器参数的要求。

图1 为加热炉系统输出响应曲线。

实现PID参数的自整定一定考虑到不同的时间三个参数的相互作用与关系。通过总结专业人员的技术知识来实现模糊控制的设计，从而才能形成模糊规则表。下面根据参数Kp、Ki和Kd对系统输出特性的影响特性，在不同的e和ec时，被控过程对参数Kp、Ki和Kd的自整定要求为：

（1）当e较大时，即系统[6]响应处于图1的输出响应曲线第I段时，为了提高系统的响应速度，避免因开始时偏差e的突然变大可能引起微分过饱和，因此应取较大的Kp和较小的Kd，同时为了防止积分饱和这时应该去掉积分作用，即取Ki=0。

（2）当e和ec为中等大小时，即系统的响应处于图1曲线第II段时，为让系统响应的超调量减少，则Kp、Ki和Kd都不能取大，为保证系统的响应速度，就要取适中的Kp，Ki和Kd值。

（3）当e较小，即系统响应处于图1曲线的第III段中时，为让系统达到良好的稳定性能，应该增大Kp和Ki值，同时为防止系统在设定值左右出现振荡，应适当地选取Kd值，即：当ec较小时，Kd可取中等大小；当ec较大时，Kd应取小些。

基本的算法如下：由E，EC及Kp，Ki和Kd的Fuzzy子集的隶属度，再根据各Fuzzy子集的隶属度赋值表和各参数的Fuzzy调整规则模型，运用Fuzzy合成推理设计出的PID参数Fuzzy调整矩阵表，我们将其存入程序存储器中供查询。

定义Kp，Ki和Kd调整算式如下：

式中，Kp，Ki和Kd是PID控制器的参数，K'p，K'i和K'd是Kp，Ki和Kd的初始参数。控制器参数的调整是通过程序运行来计算出偏差与偏差变化率，对其进行模糊化操作得到E和EC，三个参数调整是通过Fuzzy的调整矩阵实现的。

2.3 仿真结果

智能控制器通过运用二维的Mamdani控制器，运用Max-Min的模糊控制决策，运用重心法来达到去模糊的目的，运用49条的模糊控制规则，进行仿真，得到结果如下图

图2 模糊PID控制系统响应曲线图

从图上看到系统达到的指标：调节时间tss=1000秒，超调量δ%=0，稳态误差ess=0。

由仿真曲线图可以看到，当加热炉温度控制系统采用模糊PID控制时，与原来系统相比，现在的系统具有较短的调节时间，具有较强的稳定性，满足了比较理想的技术要求。

3 结束语

本系统重点将具有智能性的模糊控制与具有可靠性的PID控制相互结合起来，设计了一种控制器，该控制器具有参数自整定和模糊PID的功能。智能控制器的控制规则是通过输出响应确定的，模糊控制规则是通过Fuzzy逻辑箱进行多次的仿真实验确定的，实验证明该系统能够实现比较理想的控制效果。

参考文献

[1]蔡自兴.人工智能控制.化学工业出版社，2005：1～10.

[2]冯勇.现代计算机控制系统.哈尔滨工业大学出版社，1997：2～13.

[3]章卫国，杨向忠.模糊控制理论与应用[M].西北工业大学出版社，1999：15～21.

[4]顾毅.智能控制发展综述[J].信息技术，2002，6：39～40.

[5]蒋智翔，杨小昭.一种新型的电储热系统-自储能电锅炉介绍.2004.中美工业锅炉先进技术研讨会会议论文集，2004：380～384.

[6]李丹，谢植，程杰.模糊控制在温度控制中的应用与发展.黄金学报，2002，2（4）：294～269.

pid控制篇6

[关键词]预测控制；增强PID模块；节能降耗

中图分类号：TQ062 文献标识码：A 文章编号：1009-914X（2015）11-0012-01

前言

先进控制及优化技术在国外仅Honeywell用户已超过150家，覆盖500多种不同工艺过程，共超过1500套应用。国内Honeywell先控技术在中石化和中石油的用户多达30多家企业，覆盖常减压、催化裂化、连续重整、气体分离、加氢裂化、聚丙烯、PTA等炼油及化工过程，将近200多套应用。这些应用在平稳操作、提高处理量及节能降耗等方面给企业带来了可观的经济效益。

Experion PKS过程知识系统（简称EPKS系统），是集测量技术、控制技术、通讯技术等为一体的集散控制系统。它由高性能的控制器、简洁的工程组态工具、开放的控制网络构成。 其中PID-PL（Profit Loop PID）模块在传统基础上加入了模型预测、优化控制的功能，在单输入输出回路中，完全可以替代PID模块，从而实现优化控制，并且不需要投入成本，即使在不需要优化控制的地方，也可以当作传统PID使用。

1 PID-PL特点

由Profit Loop PID组成的控制回路属于经典模型预测控制，该控制依靠动态模型预测过程变化的估计值来动作。如果预测的PV值不能满足控制要求，控制回路将在目标范围内重估PV值，相比之下，PID控制算法用过去PV值和当前测量值的偏差去整定过程控制，让PV值去接近SP值，尽管PID算法可能对最终达到控制平衡不起作用甚至起到反作用。

Profit Loop是鲁棒模型预测的单输入单输出控制和优化器，它运行在EPKS控制系统的AM（应用模件上）。Profit Loop采用高效的模型预测控制算法，允许用户选择一个控制区域或一个控制点进行控制。Profit Loop自动选用优化的响应特性曲线，减少操作员的手动操作，同时也处理复杂的动态特性（如振荡、逆响应和大滞后等）。

传统PID控制由于噪声信号或不确定的工艺特性引起应用不成功时，采用Profit Loop往往能取得满意的效果。由于Profit Loop控制可以使闭环回路的性能最佳，因此它也非常适合于多变量预测控制器下的回路控制。此外，由于Profit Loop具有双重目标（控制和优化）设计和预测建模能力，它也很适合于专业的控制场合，如离散分析控制和非线性的储罐液位控制等。

多数情况下，PID-PL都可以替代传统的PID模块，与传统PID相比，它的优点如表1。

2 PID-PL功能分析

Profit Loop PKS模型预测控制是利用上一步的OP值与所测PV值预测未来PV值的轨迹。

并且使用如下Laplace传递函数形式引入动态模型

这里，G是过程增益；T是死区；n and 是工艺过程动态；拉普拉斯变量s的单位是，即在一分钟内需要输入动态和死区。

在实际应用中，在模型预测和真实过程测量值之间总有误差，这种偏差可归因于多种原因，不精确的模型、测量噪声、过程调节误差等。如果该模型没有修正这种偏差，模型预测将缓慢徘徊在真实PV值附近，这个功能模块将失去完整性。为了消除这种误差，PID-PL根据实时预测值与实时测量值，修正了预测值的偏差。

事实上，上述偏差对高频信号噪声很敏感，这可能最终导致系统过度控制。为了消除噪声的影响，Profit Loop首先过滤了初始偏差，而把过滤掉的偏差用来修正所预测的PV值上。

在测量噪声方面，Profit Loop PKS专门使用了噪声衰减过滤器，不像简单的PV过滤器，这种过滤器消除了测量噪声，并且能对持续的外部干扰有快速的抑制作用。

一旦下个PV值被预估出来，控制回路将执行工艺操作朝着预测控制目标前进。通常，控制行为需要在整个预测轨迹的过程中，把工艺变量引入SP值。

当控制步骤的精确计算太复杂时，工艺模型可能会给控制行为带来误差。如果误差为0，则控制动作不再需要返回计算，预测的OP值不变。

Profit Loop集中在闭环回路反应时间的后面部分，如果要减少控制动作，需要在用户设定闭环回路响应时间前给SP值引入过程变量。

调整功能模块，必需指定闭环回路响应时间。为了使调整简化，响应时间按开环响应时间作参考，并且在响应时间内，要输入执行比率。当执行比率小于1时，控制器控制加强，工艺接近SP值远远快于开环响应速度。相反，执行比率大于1时，控制作用降低、模型误差增大。当控制过程无自校正功能，开环响应时间不能确定，所用的执行比率没有意义，在这种情况下，直接输入闭环响应时间，并且执行比率重新设置为1。

3 小结

pid控制篇7

关键词:神经网络;BP算法;PID控制;Matlab仿真

中图分类号:TP274文献标识码:A

文章编号:1004-373X(2009)10-143-03

PID Control and Simulation Based on BP Neural Network

WU Wei,YAN Mengyun,WEI Hangxin

(School of Mechanical Engineering,Xi′an Shiyou University,Xi′an,710065,China)

Abstract:The neural network PID control method is introduced,which the parameters of PID controller is adjusted by use of the self-study ability.So the PID controller has the capability of self-adaptation.The dynamic BP algorithms of three-layer networks realize the online real-time control,which displays the robustness of the PID control,and the capability of BP neural networks to deal with nonlinear and uncertain system.A simulation example is made by using of this method.The result of simulation shows that the neural network PID controller is better than the conventional PID controller,and has higher accuracy and stronger adaptability,it can get the satisfied control result.

Keywords:neural network;BP algorithm;PID control;Matlab simulation

0 引 言

在工业控制中,PID控制是最常用的方法。因为PID控制器结构简单,实现容易,控制效果良好[1]。随着工业的发展,对象的复杂程度不断加深,尤其对于大滞后、时变的、非线性的复杂系统,常规PID控制显得无能为力。因此常规PID控制的应用受到很大的限制和挑战。为了使控制器具有较好的自适应性,实现控制器参数的自动调整,可以采用神经网络控制的方法[2]。

利用神经网络所具有的非线性映射能力、自学习能力、概括推广能力,结合常规PID控制理论,通过吸收两者的优势,使系统具有自适应性,可自动调节控制参数,适应被控过程的变化,提高控制性能和可靠性[3]。

1 神经网络PID控制

神经网络PID控制是神经网络应用于PID控制并与传统PID控制相结合而产生的一种新型控制方法,是对传统的PID控制的一种改进和优化[4]。

1.1 常规的PID控制器

传统的PID控制器算式如下:

u(t)=KP[e(t)+(1/T1)∫t0e(t)dt+TDde(t)/dt](1)

相应的离散算式为:

u(k)=KPe(k)+KI∑kj=0e(j)+KD[e(k)-e(k-1)](2)

式中: KP,KI,KD分别为比例、积分、微分系数;e(k)为第k次采样的输入偏差值;u(k)为第k次采样时刻的输出值。

PID控制器由比例(P)、积分(I)、微分(D)三个部分组成,直接对被控对象进行闭环控制,并且三个参数KP,KI,KD为在线调整方式。

1.2 神经网络

BP神经网络的结构如图1所示。

BP神经网络通常采用基于BP神经元的多层前向神经网络的结构形式。典型的BP神经网络是3层网络,包括输入层、隐层和输出层,各层之间实行全连接。输入层节点只是传递输入信号到隐含层;隐含层神经元(即BP节点)的传递函数f常取可微的单调递增函数,输出层神经元的特性决定了整个网络的输出特性。当最后一层神经元采用Sigmoid函数时,整个网络的输出被限制在一个较小的范围内;如果最后一层神经元采用Purelin型函数,则整个网络的输出可以取任意值。

图1 三层BP网络结构图

设,x1,x2,…,xn为BP网络的输入;y1,y2,…,yn为BP网络的输出;w1ji为输入层到隐含层的连接权值;w2ij为隐含层到输出层的连接权值。

图1中各参数之间的关系为:

输入层: xi=xi0

隐含层:

θ1j=∑ni=0w1jixi, x1j=f(θ1j)(3)

输出层:

θ2i=∑ni=0w2ijxj, x2i=g(θ2i)(4)

BP神经网络采用误差的反向传播来修正权值,使性能指标E(k)=(1/2)\2最小。按照梯度下降法修正网络的权值:

输出层:

δ2=e(k)g′\;

w2ij(k+1)=w2ij(k)+ηδ2x1j(k)(5)

隐含层:

δ1=δ2w2ijf′\;

w1ji(k+1)=w1ji(k)+ηδ1x0i(k)(6)

1.3 神经网络PID控制器结构

基于BP神经网络的PID控制系统结构如图2所示。控制器由常规的PID控制器和神经网络两部分组成。PID控制要取得较好的控制效果,必须通过调整好比例、积分和微分三种控制作用,形成控制量中相互配合又相互制约的关系。

常规的PID控制器直接对被控对象进行闭环控制,并且其控制参数为KP,KI,KD在线调整方式。神经网络根据系统的运行状态,调节PID控制器的参数,以期达到某种性能指标的最优化,使输出层神经元的输出对应于PID控制器的三个可调参数KP,KI,KD。神经网络所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制。

图2 基于BP神经网络的PID控制器结构

1.4 神经网络PID控制器的控制算法

(1) 确定神经网络的结构,即确定输人节点数和隐含层节点数,并给出各层加权系数的初值w(1)ij(0)和w(2)ji(0),并选定学习速率η和惯性系数α,令k=1;

(2) 采样得到r(k)和y(k),计算当前时刻的误差e(k)=r(k)-y(k);

(3) 计算各神经网络的输入/输出,其输出层的输出即为PID控制器的三个控制参数KP,KI,KD;

(4) 计算PID控制器的输出;

(5) 进行神经网络学习,在线调整加权系数,实现PID控制参数的自适应调整;

(6) 令k=k+1,返回(1)。

2 神经网络的Matlab仿真

为了检验神经网络PID控制系统的能力,在此进行大量的仿真实验。下面以一阶时滞系统作为被控对象,进行仿真实验。

设被控对象为:

G(s)=160s+1e-0.5s

相应的控制系统的阶跃响应曲线如图3、图4所示。

图3 普通PID控制阶跃响应

可以看出,采用传统的PID控制,其调节时间ts=120 s,超调量达到65%;采用神经网络PID控制,系统调节时间ts=120,超调量只有20%。由此说明,后者响应的快速性和平稳性都比前者要好,也说明了这种方法的有效性。

图4 神经网络PID控制阶跃响应

3 结 语

神经网络PID控制方法简单,借助神经网络的自学习、自组织能力,可实现PID参数的在线自整定和优化,避免了人工整定PID参数的繁琐工作。从文中可以得出,神经网络PID控制有如下的优点:

(1) 无需建立被控系统的数学模型;

(2) 控制器的参数整定方便;

(3)对于大滞后、时变的、非线性的复杂系统有很好的动静态特性。实现有效控制和PID控制参数的在线自整定。

参考文献

[1]刘金琨.先进PID控制及Matlab仿真[M].北京:电子工业出版社,2003.

[2]韩豫萍,孙涛,盛新.基于BP神经网络的PID控制及仿真[J].可编程控制器与工厂自动化,2007(12):91-93.

[3]黄金燕,葛化敏,唐明军.基于BP神经网络的PID控制方法的研究[J].微计算机信息,2006(26):278-280.

[4]曾军,方厚辉.神经网络PID控制及其Matlab仿真[J].现代电子技术,2004,27(2):51-52.

[5]赵娟平.神经网络PID控制策略及其Matlab仿真研究[J].微计算机信息,2007(7):59-60.

[6]Zhang Mingguang,Qiang Minghui.Study of PID Neural Network Control for Nonlinear System[J].Institute of Electrical and Electronics Engineers Inc,2007.

[7]孙洁.神经网络PID算法在流量控制中的应用与仿真研究[D].合肥:合肥工业大学,2007.

[8]王亚斌.基于BP神经网络PID控制及其仿真[J].江苏冶金,2008(2):33-35.

[9]廖方方,肖建.基于BP神经网络PID参数自整定的研究\.系统仿真学报,2005(7):1 711-1 713.

[10]杜建凤,崔勇.神经网络PID控制\.北京科技大学学报,1998(6):571-575.

pid控制篇8

【关键词】PID控制 Z-N法；继电反馈；锁相环；Mablab

1.引言

PID控制是最早发展起来的控制策略之一[1]。由于其结构简单，鲁棒性好，可靠性高，是迄今为止最为通用的控制方法。

PID控制实际应用时需要进行参数整定，参数整定值决定了系统的控制效果。PID控制系统发展至今，提出了许多参数整定方法。从最早提出的且最具影响力的Ziegler-Nichols PID控制器参数工程整定方法[2]，，到现今热门研究方向基于神经网络的参数整定[3]、基于模糊推理的参数整定[4]、基于遗传算法的参数整定[5]等。

本文将介绍在工程实际中被广泛应用的Z-N法及其改进方法。并且在计算机辅助设计软件Matlab的Simulink仿真环境下对典型被控过程进行仿真。

2.PID控制

系统误差信号的比例（Proportional）、积分（Integral）和微分（Derivative）的综合控制称为PID控制。单输入单输出（SISO）PID控制系统框图如图1所示。

图1 PID控制系统框图

系统由PID控制器和被控过程组成，其中，为系统参考输入信号，为系统输出信号。PID控制器传递函数形式为：

（1-1）

其中为比例增益，为积分时间常数，为微分时间常数。过程控制中PID控制器只有在其参数、和得到良好整定的前提下才能达到令人满意的控制效果。

3.Ziegler-Nichols PID控制器参数工程整定方法

Z-N法是基于经验的公式整定方法，操作简单方便。Z-N法利用被控过程响应的特征参数按照整定公式计算PID控制器三个参数，分为基于系统开环阶跃响应和闭环频率响应两类。

由于大部分被控过程模型的响应曲线和一阶系统的响应类似，因此其阶跃响应曲线可由一阶加纯滞后模型（FOPDT）阶跃响应曲线来近似。基于阶跃响应的Z-N法是人工测量FOPDT模型阶跃响应曲线上的K、L和T这三个特征参数，并用表1-1所示Z-N法整定公式计算出PID控制器参数。对K、L和T三参数的提取，Astrom和Hagglund[6]提出一种图形辨识法：过程静态增益K通过过程输入输出稳态值得到，响应曲线最大斜率处切线与时间轴的交点确定时滞参数L，阶跃响应达到0.63K时的时间与L之差得到时间常数T。而基于频率响应的Z-N法是通过增加控制器比例项的增益使系统变为临界稳定状态，即持续振荡，得到Nyquist图中的过程临界增益Ku和振荡周期Tu，再用表1-1所示整定公式计算出PID控制器参数。使用Matlab中的频率分析函数margin（）得到过程临界频率值和bode（）函数得到过程临界幅值。例如对一阶加纯滞后模型，用margin（）函数计算相位穿越-点频率为2.0287（rad/s），再利用此频率用bode（）函数计算幅值为0.4421。

图2 FOPDT模型近似

表1-1 PID控制器参数整定公式

控制器类型 基于阶跃响应 基于频率响应

Kp TI TD Kp TI TD

P 1/α 0.5Ku

PI 0.9/α 3L 0.4Ku 0.8Tu

PID 1.2/α 2L L/2 0.6Ku 0.5Tu 0.12Tu

其中 为阶跃响应近似曲线最大上升变化斜率。

大量的实验表明，Z-N法对于大多数闭环系统都能获得可以接受的闭环响应特性。但由于工业过程中存在许多不确定因素，要得到真正的等幅振荡并保持一段时间是相当困难的，如不慎则会引起增幅振荡，所以Z-N法难以用在实际应用中。

4.继电反馈PID参数自整定方法

针对Z-N法的不足，Astrom提出了继电反馈PID参数自整定方法[7]，是用带继电特性的非线性环节代替Z-N法中的比例控制器，能使闭环系统自动地稳定在等幅振荡的状态，从而获得所需的临界特征值Ku和Tu，再根据表1-1的整定公式计算控制器参数整定值。振荡的幅值可以通过改变继电特性幅值来控制，避免了增幅振荡的危险。由于继电反馈自整定方法简单、可靠，需要设定的参数仅仅是继电特性的幅值，因此具有极高的实用价值。该方法目前已成为PID自整定方法中应用最广泛的一种。

图3 继电反馈PID控制系统

图4 继电反馈过程输出曲线

若继电幅值为h，则过程临界增益：

，其中a可通过测量过程振荡输出曲线（图3所示）等幅振荡时的峰-峰值来计算，也即a=（ymax-ymin）/2 ；而振荡周期Tu则可以通过曲线上两个相邻峰值之间的时间来计算。

在Matlab仿真环境中，继电反馈PID参数自整定中过程特征参数的获得可通过对被控过程施加Bang-Bang控制信号实现[8]。即当输入误差信号e（t）>0时，取控制量最大量程；当e（t）0时，取控制量为1；当e（t）

虽然继电反馈PID参数自整定方法广泛应用于过程控制中，但由于描述函数分析以继电输出的基次谐波描述非线性特性，第3、5谐波的幅值大约为基次谐波幅值的30%和20%，忽略高次谐波使得描述函数分析不是精确描述，因此对一些过程不能得到精确的临界增益值，常常有5%-20%的误差[8]。

5.锁相环辨识特征参数PID整定方法

Crowe，J.和Johnson，M.A.提出一种锁相环辨识过程特征参数方法 [9]，用来代替继电反馈PID参数自整定方法中的继电器。

图5 锁相环过程辨识模拟模型

压控振荡器（VCO）提供以辨识频率为频率的正弦激励信号；正弦信号激励被控过程得到过程的频率响应；通过滤波器SF削弱频率为2的信号；经过反sin模块INV，就能得到与频率相对应的相位；积分器确保相位的获得，并使输出相位收敛于参考相位。整个环路稳定后，输出相位能跟踪参考相位，压控振荡器振荡频率等于输入信号频率。若参考相位值为-3.14（rad），也即过程频率响应Nyqusit曲线穿越负实轴相位，则可通过压控振荡器输出被控过程临界振荡正弦激励信号，得到过程临界振荡，并从振荡曲线上的峰-峰值获得临界频率和临界增益。

在Matlab/Simulink仿真环境下对一阶加纯滞后模型利用锁相环辨识特征参数，得到=2.028，Ku=0.4422，相比继电反馈法精度提高。

图6 锁相环辨识过程模型仿真

6.总结

PID控制器能否得到良好的控制效果，与其参数的整定有很大关系。基于经验的工程整定方法Z-N法其参数整定很大程度上取决于被控过程特征参数的辨识。实际应用的继电反馈法对被控过程特征参数的辨识存在一定误差，而基于锁相环的整定方法能在线提高辨识精度，使得PID控制器达到良好的整定效果。

参考文献

[1]ASTROM，K.J.，HAGGLUND，T.，Hang，C.C.and Ho，W.K.Automatic tuning and application for PID controllers-A survey.Control Engineering Practices，1993（1）：677-714.

[2]ZIEGLER，J.G.and NICHOLS，N.B.Optimum settings for automatic controllers.Trans.ASME，1942，64：759-768.

[3]任子武，高俊山.基于神经网络的PID控制器[J].控制理论与应用，2004，23（5）：16-19.

[4]杨智.工业自整定PID调节器关键设计技术综述[J].化工自动化及仪表，2000，27（2）：5-10.

[5]周凯汀，郑力新.遗传算法在PID自适应控制中的应用[J].自动化仪表，2002，10：13-16.

[6]ASTROM，K.J.and HAGGLUND，T.Automatic tuning of simple regulators with specifications on phase and amplitude margins.Automatica，1984，20（5）：645-651.

[7]杨智.自整定PID调节器设计方法.甘肃工业大学学报，1998，24（1）：77-82.

[8]CHIANG，R.C.，SHEN，S.H.and YU，C.C.Derivation of transfer function from relay feedback systems.Ind.EngngChem.Res，1992，31：855-860.

[9]CROWE，J.and JOHNSON，M.A.Process identifier and its application to industrial Control.IEE.Proc.-Control Theory Appl.，2000.