【正文】 機理較復(fù)雜 ， 具有高度非線性、時變不確定性、大延遲等特點 ， 在噪聲、負(fù)載擾動等因素的影響下 ， 過程參數(shù)、甚至模型結(jié)構(gòu) ， 均會發(fā)生變化 ， 即難以建立精確的數(shù)學(xué)模型 ??2 。 在工業(yè)控制實際中 ， 針對那些非線性、大時變、大延遲等控制對象 ， 不僅要求 PID參數(shù)的整定不依賴于對象數(shù)學(xué)模型 ， 而且要求 PID參數(shù)能在線調(diào)整 ， 以滿足實時控制的要求。因此 ， 尋求 PID參數(shù)自動整定技術(shù) ， 以適應(yīng)復(fù)雜工況和高指標(biāo)性能的控制要求 ， 具有十分重大的工程實踐意義 ??3 。 1. 2 PID 參數(shù)整定技術(shù)的研究現(xiàn)狀 隨著微處理機技術(shù)的發(fā)展和數(shù)字智能式控制器的實際應(yīng)用 ， 尤其是隨著現(xiàn)代控制理論 (諸如智能控制、自適應(yīng)模糊控制和神經(jīng)網(wǎng)絡(luò)控制技術(shù)等 )研究和應(yīng)用的發(fā)展與深入 ， 為控制復(fù)雜無規(guī)則系統(tǒng)開辟了新途徑。近年來 ， 出現(xiàn)了許多新型 PID控 2 制器及各種 PID參數(shù)整定技術(shù) ， 其對復(fù)雜對象控制的適應(yīng)性和控制效果遠(yuǎn)遠(yuǎn)超過常規(guī) PID控制 ??4 。 自適應(yīng) PID控制吸收了自適應(yīng)控制與常規(guī) PID控制兩者的優(yōu)點。它有自動辨識被控過程參數(shù)、自動 整定控制器參數(shù)、能夠適應(yīng)被控過程參數(shù)的變化等一系列優(yōu)點 。同時 ， 它又有常規(guī) PID控制器結(jié)構(gòu)簡單、魯棒性好、可靠性高、為現(xiàn)場工作人員和設(shè)計工程師們所熟悉的優(yōu)點。因此 ， 它是目前過程控制的一種理想的自動化裝置 ，也是人們競相研究 PID參數(shù)自整定技術(shù)發(fā)展的方向 ??5 。 專家自適應(yīng) PID控制的實質(zhì)是基于受控對象和控制規(guī)律的各種知識 ， 并以智能的方式利用這些知識來設(shè)計 PID控制器 。模糊自適應(yīng) PID控制的實質(zhì) ， 是運用模糊數(shù)學(xué)的基本理論和方法 ， 把控制規(guī)則的條件、操作用模糊集表示 ， 并把這些模 糊控制規(guī)則以及有關(guān)信息 (如評價指標(biāo)、初始 PID參數(shù)等 )作為知識存入計算機知識庫中 ，然后計算機根據(jù)控制系統(tǒng)的實際響應(yīng)情況 ， 運用模糊推理 ， 即可自動實現(xiàn)對 PID參數(shù)的最佳整定 。神經(jīng)網(wǎng)絡(luò) PID控制是以一種簡單計算、處理單元 (即模仿人腦神經(jīng)元 )為節(jié)點 ， 采用某種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)構(gòu)成的活性網(wǎng)絡(luò) (可以用來描述任意非線性系統(tǒng) )，構(gòu)成具有 PID控制作用的單神經(jīng)元自適應(yīng) PID控制器或神經(jīng)網(wǎng)絡(luò) PID控制器 ?；谶z傳算法整定的 PID控制 ， 是采用模擬自然界遺傳機制和生物進化論 ， 而形成的一種并行隨機搜索最優(yōu)化方法整定 PID參數(shù) ， 近年來 ， 這種 基于遺傳算法整定的 PID控制在控制中的應(yīng)用日益增多 ? ?7,6 。 1. 3 PID 參數(shù)整定的存在問題與展望 PID控制算法是迄今為止最通用的控制策略。如依據(jù)算法的復(fù)雜性、靈活性及使用的過程知識量的不同 ， 有許多不同的方法來確定合適的控制器參數(shù)。一個好的 3 整定方法應(yīng)該基于合理地考慮以下特性的折衷 :負(fù)載千擾衰減 ， 測量噪聲效果 ， 過程變化的魯棒性 ， 設(shè)定值變化的響應(yīng) ， 所需模型 ， 計算要求等。我們需要簡單、直觀、易用的方法 ， 它們需要較少的信息 ， 并能夠給出合適的性能。我們也需要那些盡管需要更多 的信息及計算量 ， 但能給出較好性能的較復(fù)雜的方法。從目前 PID參數(shù)整定方法的應(yīng)用來看 ， 我們可以得到以下兩點啟示 。 (1) 將魯棒控制思想引入 PID參數(shù)整定 ， 可以使所設(shè)計的 PID控制器適應(yīng)生產(chǎn)過程中不確定性變化的能力增強。 PID控制器本身就具有一定的魯棒性 ， 但在用于實際過程控制時還存在一些問題 ， 主要有兩點 :一是控制器適應(yīng)不確定性變化的能力不夠強 ， 難以適應(yīng)大范圍的不確定性變化 。二是在不確定性范圍內(nèi)系統(tǒng)性沒有綜合考慮 ， 一致性差。 (2) 運用綜合智能系統(tǒng)理論與 PID參數(shù)整定方法結(jié)合開發(fā)多模態(tài)控制器是今后新型控制器 發(fā)展的方向。運用 AI(人工智能 )， NN(人工神經(jīng)網(wǎng)絡(luò) )， FL(模糊邏輯 )，EC(進化計算 )， C MAC(小腦模型 )等原理與傳統(tǒng) PID控制器融合可以開發(fā)各種性能的先進控制器 ， 如模糊控制器與 PID控制器構(gòu)成的雙模態(tài)控制器就是其中的典型 ， 模糊控制器仿人作用完成粗調(diào) ， 使系統(tǒng)接近穩(wěn)態(tài)點 。PID控制器完成細(xì)調(diào) ， 克服穩(wěn)態(tài)點附近的小幅值振蕩 ? ?9,8 。 4 第 2 章 常用控制器參數(shù)整定算法 PID參數(shù)的最優(yōu)整定是在一定的控制目標(biāo)私被控過程已經(jīng)確定的情況下 ， 為使過程控制系統(tǒng)的某些被控量的 暫態(tài)性能滿足規(guī)定的性能準(zhǔn)則 ， 達(dá)到 PID參數(shù)值之間的最優(yōu)組合。 PID控制器中 pK 、 Ti ， dT 三個參數(shù)的不同組合 ， 直接決定 PID控制器的控制效果。為了得到更好的控制效果 ， 使被控對象工作在較好的狀態(tài) ， 必須對其參數(shù)進行有效的整定 ??10 。 2. 1 PID 參數(shù)整定的一些準(zhǔn)則 PID參數(shù)整定就是設(shè)置和調(diào)整 PID參數(shù) ， 使控制系統(tǒng)的過渡過程達(dá)到滿意的品質(zhì)。理 想 PID控制算式如式 ??11 ： 設(shè)廣義對象 ： 1)( ?? ?TseKsG soo? () 其廣義對象特性可歸結(jié)為 oK ， T和 ? 三個參數(shù)值。 根據(jù) pK ,Ti ,和 dT ,對過程品質(zhì)的影 響 ， 可以歸納如下整定準(zhǔn)則 : (1) 廣義對象穩(wěn)態(tài)特性參數(shù) 。 閉環(huán)系統(tǒng)的開環(huán)總增益為 pK ， oK ,在其他條件相同時 ， oK 大時 ， 則 pK 應(yīng)選擇小一些 。 oK 小時 ， 則 Kp應(yīng)選擇大一些 。 (2) 廣義對象的動態(tài)參數(shù) 。 T? 越大系統(tǒng)越不穩(wěn)定 ， 因此 pK 應(yīng)選小些。同時 ?Ti和 ?Td 應(yīng)選取適當(dāng)?shù)臄?shù)值 ， 常取 Ti =2， dT =。 (3) PID作用 。 首先按純比例作用進行閉環(huán)調(diào)試 ， 選定的 pK 值 ， 在此基礎(chǔ)上再引入 Ti 和 dT 。對積分作用應(yīng)盡量發(fā)揮它消除余差的功能 ， 縮小它不利于穩(wěn)定性的缺點。引入積分作用后 ， pK 應(yīng)比單純比例時減小 10%左右。而微分作用引入是為了 5 解決過渡過程滯后對品質(zhì)的不利影響 ， 但它對純滯后是無能為力的。 dT 過小 ， 效果不顯著 。 dT 過大 ， 會有較大相位超前 ， 但幅值比也增加較多 ， 反而會導(dǎo)致穩(wěn)定性下降。引入 D作用后 ， pK 可比純比例作用時增加一些。對于含有高頻噪聲的過程 ， 不宜引入 D作用 ， 否則高頻分 量放大得太厲害 ， 對過程控制品質(zhì)不利。 (4) 衰減比 n的選取。常取衰減比 n=4:l。 2. 2 臨界比例度法 臨界比例度法 又稱 Ziegler— Nichos方法 (Z— N法 )。早在 1942年已提出 ,是目前應(yīng)用較為廣泛的一種工程整定方法 ， 其特點是直接在閉合的控制系統(tǒng)中進行整定 ， 而不需要進行對象動態(tài)特性的試驗。它是通過整定 ， 使被控變量過渡過程出現(xiàn)等幅振蕩 ， 首先將控制器的積分作用和微分作用全部除去 ， 從而得到臨界比例度 cK和和 臨界 振蕩周期 cT 值 ， 然后由 cK 和 cT 值 ， 用經(jīng)驗公式計算出控制器的各最佳參數(shù)值 ??12 。 具體整定步驟如下： (1) 待系統(tǒng)從手動切入自動投運準(zhǔn)備完畢后 ,即投入自動運行。在閉環(huán)控制系統(tǒng)中 ， 置控制器的 ??Ti , 0?dT ， 在純比例作用下 ， 加一個干擾作用 ， 使比例度 pK由大到小做逐漸改變 ， 觀 察記錄曲線 ， 直至系統(tǒng)出現(xiàn)等幅振蕩曲線 ， 并記錄下此時的 臨界比例度 cK 和和 臨界振蕩周期 cT 值。 (2) 按照 經(jīng)驗整定公式來確定 P1D控制器的最佳參數(shù)值。整定公式： pK = cK ； Ti = ； dT = () (3) 把比例度 pK 放在比計算值稍大一些的數(shù)值上 ， 再把 Ti 置于計算值上。如果需要加微分作用 ， 再把計算出的 dT 值加入 ， 最后把比例度放在計算值上 ， 觀察一 6 下曲線變化情況。如果必要 ， 可作微小的調(diào)整。 特點：這種方法是以得到 4： 1的衰減 ， 并且有合適的超調(diào)量 (或最大偏差 )為目標(biāo)的；應(yīng)用時簡單方便 ， 易掌握和判斷觀察得特點 ， 但在整定過程中隱含著產(chǎn)生等幅震蕩的危險性 ， 甚至有可能是系統(tǒng)毀壞。 2. 3 衰減振蕩法 在一些不允許或不能得到等幅振蕩的地方 ， 可考慮采用修正方法 —— 衰減振蕩法。與上面方法的區(qū)別是：在純比例下獲取 N： 1振蕩曲線作為依據(jù) ， 而不是臨界等幅振蕩。具體方法如下 ??13 ： (1) 在閉環(huán)控制系統(tǒng)中 ， 先置控制器 ,0?Ti ??dT 作純比例控制 ， 選定某一放大的比例度數(shù)值。待系統(tǒng)穩(wěn)定后 ， 改變 設(shè)定值或生產(chǎn)負(fù)荷加入階躍干擾 ， 觀察被控變量變化過渡過程曲線的衰減比 ， 然后從大到小組逐漸改變比例度 ， 直至曲線出現(xiàn) 4： 1衰減振蕩過程 ， 計下此時的比例度 rP 和曲線上衰減周期 rT 的數(shù)值。 (2) 按照經(jīng)驗整定公式來確定 P1D控制器的最佳參數(shù)值。整定公式 ： pK = ； Ti = 或 pT ； dT = 或 0。 1pT （ ） 特點：此方法是對臨界比例度法的改進 ， 二者的特點相似 ， 此方法的缺點是有時衰減比讀不清楚。 2. 4 基于繼電器型反饋的極限環(huán)法 1984年 ， Astrom和 Hagglund提出了在繼電反饋下觀測過程的極限環(huán)振蕩自整定方法。它的基本思想是 ， 在控制系統(tǒng)中設(shè)置 兩種模態(tài)：測試模態(tài)和調(diào)節(jié)模態(tài)。在測試模態(tài)下 ， 由一個繼電非線性環(huán)節(jié)來測試系統(tǒng)的振蕩頻率和增益；在調(diào)節(jié)模態(tài)下 ，有系統(tǒng)的特征參數(shù)首先得到 PID控制器 ， 然后 ， 由此控制器對系統(tǒng)的動態(tài)性能進行 7 調(diào)節(jié)。如果系統(tǒng)的測試發(fā)生變化 ， 則需要重新進入測試模態(tài)進行測試 ， 測試完成之后 ， 再回到調(diào)節(jié)模態(tài)進行控制。在自整定調(diào)節(jié)期間 ， 繼電控制使過程產(chǎn)生極限環(huán)振蕩 ， 由振蕩曲線可以得到動態(tài)過程數(shù)學(xué)模型的特征參數(shù) uT 和 uK ， 再利用 ZN整定公式計算 PID參數(shù)。調(diào)節(jié)過程 結(jié)束后 ， 系統(tǒng)切換到 PID控制。 系統(tǒng)產(chǎn)生振蕩的條件是 : ?? ??)(arg ujG () )( 14 uu jGadK ?? ?? ccT ??2? () 特點：方法簡單、可靠 ， 需要預(yù)先設(shè)定的參數(shù)就是繼電特性的參數(shù)。完全在閉環(huán)條件下完成 ， 因此對擾動不靈敏 ， 由于振蕩幅度可控 ， 因此應(yīng)用于大多數(shù)工業(yè)中。 缺點：振蕩幅值不定 ， 從理論上講幅值的大小取決于振蕩時的初始條件 ， 操作者 的不慎有可能使系統(tǒng)產(chǎn)生較大幅值的振蕩 ， 對正常生產(chǎn)造成較大影響。由于系統(tǒng)本身存在的非線性 ， 會導(dǎo)致產(chǎn)生幾個振蕩點 ， 無法獲得整定所需信息 ? ?15,14 。 2. 5 模式識別法 布里斯托提出用模式識別法實現(xiàn) PID控制參數(shù)的自整定方法 ， 它引入超調(diào)量、衰減比和振蕩周期作為模式的狀態(tài)變量 ， 實現(xiàn)對 PID參數(shù)的整定。它由三個部分組成：一是確定理想模式的狀態(tài)變量 ， 建立模式狀態(tài)變量表達(dá)式；二是在線辨識能表達(dá)系統(tǒng)動態(tài)響應(yīng)的特征值 ， 即狀態(tài)變量；三是根據(jù)實際模式和理想模式的差異 ， 按照一定規(guī)律調(diào)整 PID參 數(shù)。 基于模式識別的自整定 PID算法對參數(shù)的整定過程類似人工整定 PID 參數(shù)的過程 :“看曲線 ， 整參數(shù)”。其實質(zhì)是將 PID 控制 8 器與被控對象相連組成一個閉環(huán)系統(tǒng) ， 觀察該系統(tǒng)對設(shè)定值階躍響應(yīng)或擾動響應(yīng) ， 將實測的響應(yīng)模式