• 首页
  • 公司介绍
    • 公司简介
    • 实力证明
    • 产品工作原理
    • 行业应用与解决方案
  • 全新热敏温控技术
    • 感温材料介绍
  • 产品系列
    • 定制产品
      • 船用不锈钢温控阀温包
      • TV/HAT系列温控阀
      • 洗衣机、洗碗机热动元件
    • 温度压力安全阀(T/P阀)
      • 热水器温度压力安全阀
      • 空压机温度压力安全阀
      • 蒸汽锅炉温度压力安全阀
    • T/P 阀感温棒
    • 电热执行器温包
      • TEA-500 电热执行器温包
      • TEA-501 电热执行器温包
      • TEA-504 电热执行器温包
    • 温控阀温包
      • 温控阀温包 – 300系列
      • 温控阀温包 – 301系列
    • 恒温混水阀温包
      • 0829 恒温混水阀温包
      • 5464 恒温混水阀温包
    • 防冻阀温包
    • 散流器风口温包
    • 汽车温控阀温包
      • 汽车发动机温控阀温包
      • 柴油过滤模块温包
  • 新闻资讯
  • 联系我们
  • Home
  • 新闻资讯
  • [恒温阀芯]基于内模模型的PID控制器自整定算法
 

[恒温阀芯]基于内模模型的PID控制器自整定算法

by admin / 2019/06/12 / Published in 未分类

  为了解决所述控制器设定为在传统的工业控制比例积分微分(PID)的问题,用于基于内部模型法(BMI)和识别系统控制器参数的算法。方法首先使用被监视的过程输入与开环阶跃信号的激励下的瞬态输出的关系,并认识到受控对象作为一阶加滞后(FOPDT)的模型或第二模型更多延迟订单(SOPDT);然后使用IMC算法确定控制器参数。于在内部模型方法引入问题λ滤波器参数的确定,通过引入两个γ和σ参数和通过建立与输出误差的平方的关系的λ确定方法提出。真结果表明,对于输出误差(IAE)的绝对值的总和,该算法可以通过20%,相对于增加的输出,恒温阀芯而不输入扰动和10%在输入扰动的存在下的算法基于IMC的传统PID控制。右。真结果表明,所提出的控制方法,提高了系统的瞬态响应的速度和有效地去除超过由头系统的输出,以确保系统的鲁棒性,当系统由单位阶跃信号激励。键词:内部模型控制,系统识别,比例积分微分控制,可自动调整的引入控制器播放在工业生产过程PID控制器中起重要作用(比例积分微分)传统易于设计和调整。于应用的功能被广泛使用。而,随着工业过程的日益现代化,研究人员青睐传统的PID控制器和智能控制的组合:智能PID控制包括模糊PID控制器,PID控制器神经网络,PID控制器与遗传算法[1]以及基于内部模型控制(IMC)的IMCPID控制器[2]。述IMCPID控制器具有良好的强度和对于大滞后纯系统良好的跟踪控制性能,并且只需要调整所述控制器的参数,以获得在闭环所希望的响应。
  于基于IMC的PID控制器的设计,许多文献提出了针对特定问题的新控制方法或调整策略。如,当在控制对象模型纯积分连接,文献[3]提出了一种用于基于对应的频率响应及文献设计的PID控制器参数的方法[4]提出接近纯积分链接到一个伟大的时间常数的链接。接滞后控制。于自干扰的问题,文献[5]通过分析内部模型控制和观测控制之间的关系引入在内部控制模型噪声抑制(库)的主动控制的概念干扰。外,IMCPID控制已扩展到分数阶[6-7]。而,根据常规的IMC控制器的滤波器参数的PID控制器的选择通常是一个固定值,减缓系统的响应速度极限和PID控制增益。对这一问题,文献[8]提供了通过引入α参数以提高响应速度而不改变X.在模拟过程中对提高响应速度的方法,该应答是快速和超车低。点是控制器结构的控制输出接近理想的脉冲响应。致动器受限的情况下,不能获得模拟期间的控制效果。此,输出误差的绝对值的总和(积分绝对误差,IAE指数)作为用于该算法与传统的算法IMCPID比较的参考。献[9]与文献[10]到预测控制器史密斯单输入单条目延长了简单的系统的滞后设定方法。而,这种方法不适用于一阶延迟过程模型,它可能导致饱和问题并且对模型不匹配敏感[8]。[11]中,模糊控制规则被用于建立在内部模型控制的原理的参数λ的自动设置方法,但在PID控制器的其它控制参数的调整被提及。此基础上,本文采用基于BMI PID控制器设计算法,并提出了以确定根据系统输出与参考输入误差的平方在确保λ值系统的鲁棒性,提高了系统的瞬态响应速度,有效地抑制了删除。

基于内模模型的PID控制器自整定算法_no.146

  
  统溢出。外,在模型中的严重不足或凭经验获得的模型的一阶更纯滞后过程(FOPDT)或二阶更多的死区时间(SOPDT)的情况下,建议将使用的鉴定方法在环在[12]开放提到的,即由步骤信号交换的过程,这取决于系统的输出,并使用经典的最小二乘法重新确定工艺参数的说,重新识别所识别的参数。于设置控制器参数的过程。文档使用以下组织结构。述第一部分具有内部模型控制的基本原理,所述第二部分是基于基于所述模型方法interne.Le FOPDT模型PID控制器的自调整控制策略和模型SOPDT鉴定方法详细介绍了滤波器参数设置策略λ的下划线。三部分是仿真实验,并与文献算法[8]和经典的IMCPID控制算法进行了比较。四部分进行了总结。内部模型控制原理版本内部控制模型是从预测控制器史密斯1950 [13],其克服的史密斯预测控制器的准确和可靠的模型的要求的缺点[11]开发。有大的时间偏移和模型不匹配的系统具有良好的控制并且在结构上具有抑制过程扰动的能力。部模型方法的基本原理在图1中示出在图1中:GIMC(S)代表内部模型控制器,GP(S)表示系统的实际模型,G’p(S)代表识别系统的模型,d(t)代表外部干扰,r(t)代表系统。部参考输入(预期系统输出),y(t)是系统的实际输出,e(t)是系统输出错误。IMC控制器的设计的第一步骤包括分解和识别G’p模型(S),G’p(S)= G’p (S)G’P-(S)和G’p (S)是不可逆转的。部分,包括模型右半部分的零点或极点以及系统延迟项。G’P-(S)表示的模型,可逆部分则:GIMC G’p = – 1(S)F(S)(1)其中,F(S)是一个低通滤波器,其表达式为: F(S)= 1(.lambda.s 1)N(2)当GP-1(s)为不正规,控制器可被实现和受控系统是通过选择滤波器的阶数n是稳定的。大多数工业测试对象可被近似为FOPDT模型SOPDT模型,该模型的表达式是:P1(S)= KmTms 1的e-θs的(3)P2(S)=公里(T1ms 1)(E-1 T2MS θs的(4)式(3)表示FOPDT模型和方程(4)表示SOPDT。m是模型增益处理和Tm,T1M,T2M和θ是时间常数和正值。MC的这两个不同的过程基本设计方法被详细描述在[8]和在此将不再说明。同之处在于GM(S)= G’p描述(S)为从该部分中选择和G m = G’p-(G)在文献[8],因为所有它的控制器结构在史密斯预测的形式。个)所选(一个或多个),对于第一阶处理,IMCPID控制器是等式(5)形式的PI控制器;用于第二次处理中,IMCPID控制器处于方程的形式(6)PID控制器:ICC(S)= TmKm(λ θ)(1个 1Tms)(5)CPID(S)= T1M T2mKm(λ θ)(1 1(T1M T2M)S T1mT2mT1m T2MS )(6)的矢量控制器选择IMCPIDλ=θ,这是相比于的算法的目的[8] 。处理模式是二阶的,常规的PID控制器是不规则的和低通滤波器1 /(TFS 1)被添加到差分链路。
  以下模拟中,值Tf等于1%*。Td,Td是控制器差分部分的时间常数。动调整策略IMCPID自动调整设定控制器IMC滤波器参数在第1章中,公式(5)和(6)表示的PI控制器的参数/ PID仅具有一个不确定的量λ,并且其他参数由该过程确定。得该模型。系统的理想输出响应曲线一定要快,不要超过系统的稳定性的保险原理,但它显然是不可能设置一个参数λ。需要更快的瞬态响应速率时,需要更小的λ,但这不可避免地导致过冲增加;当需要较小的输出过冲时,需要较大的λ,但响应速率与较低的相关。果,单个调节参数控制系统将不可避免地忽略响应速度和过冲。此基础上,本文提出了以下的算法来调整λ:λ=γre2θ,E2R>σγrσθ,e2r≤σ(7)其中r表示参考系统的输入,θ是纯偏移处理模型,e = yr,γ和σ是本文介绍的参数。过将等式(7)代入控制器的比例增益Kp,可以得出结论Kp与e2具有正相关。于PI控制器,在系统响应的初始阶段,E2获得的最大值,在这个阶段,以及组还得到值比例maximale.Le链路控制器中起主要作用,所述系统响应比其他方法更快; E2逐渐减少,相应的Kp逐渐réduit.Le积分环节开始发挥作用majeur.Lorsque积分作用足够强,超过了系统的输出。里介绍的γ使得可以调整系统的溢出,同时保证系统的快速响应。然,γ与控制器的增益Kp之间存在负相关。加γ时,Kp减小,相应的输出超出。低甚至可以具有不超过的效果,但相反,产量的过量增加。

基于内模模型的PID控制器自整定算法_no.62

  过大量的模拟,我们通常采用γ∈[0.3 0.8]。系统输出接近设定值时,e2 / r为低。于系统,当系统接近设定值不会过慢的响应,参数σ被引入到限制E2 / r的最小值,并且所述值σ较大。快速的响应是接近系统的设置,但该值过大,从而使系统振荡周围定义的值(振荡收敛在这一点上,由控制器IMCPID的结构确定),一般服用σ∈[0.3 0.5]。是在[14],该系统输出误差(IAE)的绝对值的总和是与λ滤波器参数和系统纯滞后参数θ,当λ=θ,则IAE指数基于提出在IMCPID是最小的。选择λ= f(θ)。e2≡r,γ= 1时,本文档的设置方法是传统的IMCPID控制方法。动调整IMCPID控制器中其他参数的方法本节主要介绍本文档调整过程中使用的系统识别知识。大多数情况下,受控对象的数学模型过于复杂,或者其理论建模无法建立其数学模型。外,需要在操作和在线建模期间受控对象的特性改变。过系统识别方法建立受控对象的数学模型。常,系统识别分为经典方法,现代方法和结合神经网络,遗传算法等的方法。比较了不同的识别方法后,本文采用经典识别方法的逐步方法来识别过程模型。于他们属于数据应用系统的识别和开环瞬态响应,这是没有必要的,在一个稳定的范围内为继电器的识别系统的变化。文的重点是控制为FOPDT和模板FOPDT通过步骤在文献[12]的应用识别控制对象的物体的识别具有简单的计算的优点,简单和实践。未来的仿真过程中,本文着重于跟踪受控对象的阶跃响应,这与识别方法的思想是一致的。于内部模型方法的PID控制器的控制器控制系统在图2中示出。2.在图2中,K1和K2是双向开关,K3是常闭触点。正常操作中,K1被激活。
  受控对象模型必须被识别为FOPDT或SOPDT,有必要断开并激活K3 K2,假设该测试对象是处于初始状态,并且处理由所述信号激励在时间t = 0处的幅度步长μ的结果。到的输出是y(t)。(式(3))的识别模型FOPDT对于FOPDT模型的,对应于输入和系统的输出的时域的表达为:y(T)= 0,0Tm(T) Y (吨)=Kmμ,T>θ(8),以提高识别和除去干扰,从0二重积分至t是等式进行的精确度(8)。t>θ时,使用下面的公式:<τ等式(9)被变换:ψ(T)=(t)的ν(10)其中:ψ(T)= 0 <τν= [KmKmθKmθ2Tm] T( 13)当完成系统的动态过程之前,取N点以形成一个矩阵:ψ= [ψ(T1)(T2)…(TN)] T(14)= [(T1)(T2) …(TN)] T(15)根据最小二乘法,有:ν=(Tφ)-1ΦTΨ(16)的Tm =ν(4)(17)采取所述第一3行ν的的对数,然后应用最小平方以获得LN和lnθ的Km值:θ= LN kmln61分之5/ 3-1 / 6-1 / 201 / 2LNν(1)LNν(2)LNν(3) (18)然后取公式(18)得到的值的自然指数得到Km和θ。于SOPDT模型SOPDT模型辨识是等同于FOPDT的,所以这里不再重复,只有结果是简要说明。(4)的表达表明,该工艺SOPDT两个负实根,这是一个过阻尼系统,但在实际应用中,有可能是欠阻尼系统,所以该公式被修改为在方程(19):P2(S)= K2mT2s2 个T1 1的e-θ2s(19)的输入和输出,并形成相同的方程之间的时域的关系的三重积分(10) ,然后式(11),(12)(13)在方程的形式(20)改变,(21),(22):2(T)= 0 <τ(吨)=(μt3)/ 6 – (μt2)/ 2(microT)/ 2μ/ 6-0 <τν2= [K2mK2mθ2K2mθ22K2mθ32T1T2] T(22)的最终结果是:T1 =ν2(5)T2 =ν2(6),K2M LN,LNθ2是:## EQU1 ##其中:注意:[12]中提出使用上述方法。识别过程中,如果有噪声在y的测量=Φν ξ,最小二乘估计不具有任何一致性。助变量Z =的矩阵[Z 1 Z 2 … ZN] T被选择,其中Z = [1 / t2i1 / Ti1tit2i],然后ν=(ZTΦ) – 1Z。关具体证据,请参见文献[12]。真实例为了说明所提方法的有效性,本节给出了三个例子用于仿真验证。冲和稳定状态:第一个例子所提出的方法与其他两个méthodes.Les所提出的方法的性能由两个性能指标所示的结果进行比较。二个例子表明,当模型与实际过程不对应时,所提出的算法也是健壮的并且允许消除干扰。三个例子给出了当模型未知时本文中使用的识别方法的有效性。四个例子显示了本文中所描述的方法之间的比较的是,在文献中描述的[8]如在性能指标IAE参考当控制器输出是该算法的优越性limitée.La在示出控制能量的观点。施例1考虑以下SOPDT模型:G(S)= 1(17S 1)(6S 1)个-10S在Matlab中的Simulink使用来构建仿真模型:在t = 0,与该振幅间距1的信号激励此système.Pour证明γ上的流逝文档调节作用限定第一σ(σ= 0.4)。γ不同时,模拟结果如图4所示。3(a)。二,γ被设置为观察系统的快速响应的调整时不同对σ的接近稳态值与系统的影响超过预期。拟结果如图3(b)和3(c)所示。们可以在图3(a)中看到,当σ固定时,λ越小,系统越大。3(b)和(c)示出,当超出系统时,固定λ具有大约2.48%的系统产生影响,而在该系统的快速响应的一个为约24 ,07%。整时,σ= 0.5比σ= 0.3和当σ= 0时,平衡的价值不能在模拟内达到快近40秒。本文中,控制参数被选择为γ= 0.6,σ= 0.4,并且在文献中的算法[3](称为KIMC略)选择α= 0.5(相同在随后的模拟中使用值,并且三种方法的微分常数Ti和Td都是。同,分别为:Ti = 23,Td = 102/23。拟的结果显示在图4,可在图4的λ合理选择后可以看到呈现和σ,本文件的控制器有效地提高了系统的克服,提高了系统的快速响应。性能指标IAE中,IAI KIMC算法作为基准点的索引值是14.40,该算法的IAE值是19.36和古典IMCPID算法是22.69。文中的算法比经典IMCPID的IAE索引高23.13%。施例2考虑以下SOPDT模型:G(S)= 1(S 1)2的e-10S模拟300。有三种方法中,钛控制器设置= 2,TD = 0.5。本文中,我们选择γ= 0.6和σ= 0.5。t = 100s时,增加幅度为0.3的音调扰动。t = 200s时,模型不匹配,过程模型的比例增益从1增加到1.1。拟的结果显示在图5中。5示出,该控制算法能够有效地抑制干扰和不匹配的模型,但该设置是不一样快KIMC和IMCPID控制器。IAE性能指标,作为基准KIMC算法的PSI索引值是20.48,该算法的IAE值是27.98和古典IMCPID算法是29.65。文中的算法比经典IMCPID的ISIP索引高8.15%。施例3考虑以下高阶系统:G(s)= 1(3S 1)(2S 1)(S 1)(0.5秒 1)个-20应用系统识别算法在本文中使用,没有测量噪音。程模型的识别结果是:GFOPDT(S)= 1 E-1.0605.292s 22.079sGSOPDT(S)= 1 0.9957.811s2 5.316s 21.123s-E的识别的结果是来说明闭环控制。这个过程中,由模型参数设计的控制器对实际过程控制有积极的影响,所以被使用的实际过程和过程模型确定的对象为在过程控制到闭环控制模拟。本文中,“单变量”的原则被采用,也就是说,只有识别效果考虑,并且所述控制器被通过常规算法IMCPID设计。拟的结果显示在图6中示出它是从图6中看出,“实际PID控制过程”和“模板PID控制SOPDT”的曲线与所描述的识别方法的有效性重合在本文中还表明系统的二阶识别可以更好地接近高阶。控制的对象。
  算法应用于高阶受控对象的控制,因为二阶模型可以更接近原始过程。此,在选择控制器参数时,本文档使用SOPDT模型参数来设计PID控制器。文算法的参数选择如下:γ= 0.6,σ= 0.5,结果如图4所示。7.在性能指标IAE,所述指标值IAE KIMC算法作为基准点是31.53,该算法的IAE值是41.61和古典IMCPID算法是45, 80。文中的算法比经典IMCPID的IAE索引高13.29%。施例4:考虑(S)以下SOPDT模型G = 1(S 1)(2S 1)的e-5S在这种算法和KIMC和IMCPID算法,控制器的Ti = 3,TD = 2/3的参数。该算法中,γ= 0.6,σ= 0.5被选择,则控制器α的输出电平被限制到3和模拟的结果示于图。

基于内模模型的PID控制器自整定算法_no.97

  8.我们在图8中看到,该系统响应于没有信号不太受影响,当控制器输出是limitée.Toutefois,在文献中的变化[8]是重要的,甚至发生溢出。此,可以解释该算法具有低控制能量要求并且与实际应用一致。控制输出是无限的,则该算法和算法的IAE值KIMC:10.29,7.5,分别与当控制输出是有限的,IAE值是10.31,8.42,这表明该算法的索引IAE变化不大。论本文提供基于BMI PID控制器算法,其引入了两个参数的改进的优化γ,σλ优化过滤器设置。提高系统速度的同时,γ还具有抑制超限的效果。们引入σ来补偿当输出误差低时系统的控制速度不足,这是算法所必需的。该算法与经典IMCPID算法进行比较以检查其有效性。受控对象需要模型识别,本文档使用所述激发步骤以识别所述开环控制,并有效处理效率使用的例子。
  点是γ和σ的选择是主观的和主观的。一方面,用户可以根据IAE指标为快速响应和溢出指标提供多种选择。
  本文转载自
  恒温阀芯 https://www.wisdom-thermostats.com

归档

  • 2020年八月
  • 2020年七月
  • 2020年六月
  • 2020年五月
  • 2020年四月
  • 2020年三月
  • 2020年二月
  • 2020年一月
  • 2019年十二月
  • 2019年十一月
  • 2019年十月
  • 2019年九月
  • 2019年八月
  • 2019年七月
  • 2019年六月
  • 2019年五月
  • 2019年四月
  • 2019年三月
  • 2019年二月
  • 2019年一月
  • 2018年十二月
  • 2018年十一月
  • 2018年十月
  • 2018年八月
  • 2018年七月
  • 2018年六月
  • 2018年五月
  • 2018年四月
  • 2018年一月
  • 2017年十月

文章分类

  • 技术
  • 资讯

关于威仕顿

  • 公司简介
  • 实力证明
  • 感温材料介绍
  • 全新热敏温控技术
  • 产品工作原理
  • 行业应用与解决方案
  • 版权与条款

产品

  • 定制产品
    • 船用不锈钢温控阀温包
    • TV/HAT系列温控阀
    • 洗衣机、洗碗机热动元件
  • 温度压力安全阀(T/P阀)
    • 热水器温度压力安全阀
    • 空压机温度压力安全阀
    • 蒸汽锅炉温度压力安全阀
  • 电热执行器温包
    • TEA-500 电热执行器温包
    • TEA-501 电热执行器温包
    • TEA-504 电热执行器温包
  • 温控阀温包
    • 温控阀温包 – 300系列
    • 温控阀温包 – 301系列
  • 恒温混水阀温包
    • 0829 恒温混水阀温包
    • 5464 恒温混水阀温包
  • T/P 阀感温棒
  • 防冻阀温包
  • 散流器风口温包
  • 汽车温控阀温包
    • 汽车发动机温控阀温包
    • 柴油过滤模块温包

联系我们

Tel.: 0574 - 8805 9937
Mob.: 180 6927 2889
技术咨询: 181 0689 9222

Email: sales@wisdom-thermostats.com

浙江威仕顿温控科技有限公司
宁波市 鄞州区 首南街道,萧皋西路 615 号

© 2015 浙江威仕顿温控科技有限公司 all rights reserved. | 浙ICP备17055712号

TOP