智能pid算法在液位控制系統(tǒng)中的應(yīng)用畢業(yè)論文(編輯修改稿)
2025-07-02 09:29 本頁面
【文章內(nèi)容簡介】 遺傳算法對神經(jīng)網(wǎng)絡(luò)的 PID 控制器的權(quán)系數(shù)進行優(yōu)化，將遺傳算法應(yīng)用于模糊系統(tǒng)控制，被證明是調(diào)整規(guī)則和屬函數(shù)的一種非?？尚械闹悄芸刂品绞?，從而將遺傳算法、模糊算法以 及免疫反饋機理與常規(guī)的 PID 控制相結(jié)合，引出了基于遺傳算法的模糊免疫 PID 控制算法，將這種智能算法使用在液位控制系統(tǒng)中，獲得了較好的效果。 4 智能 PID 控制算法 及控制流程 PID控制算法 在液位控制系統(tǒng)中，由于液位具有 較 大 的 滯后 性 、非線性 的出水量使得 數(shù)學模型難以準確建立，而常規(guī)的 PID 算法控制易出現(xiàn)較大的超調(diào) 量 ，系統(tǒng)的動態(tài)性能也較差， 所以水的液位高度難以控制到較穩(wěn)定的范圍。 因此，在 液位調(diào)節(jié)系統(tǒng)中 ， 用智能 PID 控制算法對控制對象進行控制 。 智能 PID 控制算法是基于傳統(tǒng)的 PID 控制算法，根據(jù)工業(yè)生產(chǎn)的 實際經(jīng)驗和專業(yè)的工作人員 ，針對具有大滯后、時 時 變 化 、非線性 的 系統(tǒng)對象而 研究出 的控制算法 [7]。 當 系統(tǒng)的輸出超過系統(tǒng)誤差，系統(tǒng)采用飽和輸出模式，可以降低液位系統(tǒng)滯后 ， 同時 可以減小系統(tǒng)較大 的超調(diào)量；系統(tǒng)誤差的絕對值在 很小的幅度內(nèi) 時 ，能通過增大積分系數(shù)來解決 ，從而可以 改善系統(tǒng)的穩(wěn)定度 。 這樣的系統(tǒng)采用一種非線性的智能 PID 算法規(guī)則 ，可以有效地改善系統(tǒng)的動態(tài)特性和穩(wěn)態(tài)水平 [8]。 增量型 PID控制算法 ： ( ) ( 1) ( )u k u k u k? ? ? ? （ 41） ( ) [ ( ) ( 1 ) ] ( ) [ ( ) 2 ( 1 ) ( 2) ]p i du k K e k e k K e k K e k e k e k? ? ? ? ? ? ? ? ? ? ? （ 42） 式 (32)中， )(ke 為偏差； )(ku 為控制量； mine 為最小允許偏差 量 ； maxe 為最大允許偏差 量 ； mide 為中間偏差； max()uk為最大控制量。 智能 PID控制 算法的 規(guī)則如下： 規(guī)則 1 若 max)(| eke ? |，則 )()( max kuku ? （ 43） 規(guī)則 2 若 min|)(| eke ? ，則 )1()( ?? kuku （ 44） 8 規(guī)則 3 若 max|)(| ekeemid ?? ，則 11( ) ( 1 ) [ ( ) ( 1 ) ] ( )piu k u k k e k e k k e k??? ? ? ? ? ? （ 45） 規(guī)則 4 若 midekee ?? |)(|min ，則 22( ) ( 1 ) [ ( ) ( 1 ) ] ( )piu k u k k e k e k k e k??? ? ? ? ? ? （ 46） （其中， 21 pp kk ? ， 21 kiki? ， 0?dk ） 從以上 4 個 控制規(guī)則 能夠了解到 ，智能 PID 算法在本質(zhì)上是非線性的，能 很好的解決 常規(guī) PID 算法 所存在的一些不足 ，規(guī)則 2 體現(xiàn) 了系統(tǒng)的快速性和穩(wěn)定性，規(guī)則 4 又 體現(xiàn)了 PID的變參數(shù)調(diào)節(jié)的自適應(yīng)性能 力 。 下圖 4為智能 PID算法曲線 運行 示意圖， 當智能算法符合規(guī)則 1時 ， 系統(tǒng)的曲線運行在0t1之間， 這時候 系統(tǒng) 的 誤差 大于 最大 的 誤差 值 Emax，此時系統(tǒng) 按照原輸出滿幅度 輸出，系統(tǒng) 曲線 運行 在 t3段之后時 ，系統(tǒng) 的 輸出曲線近似為 一條 直線；當曲線 在 t1t2磨合期內(nèi)時 ，符合規(guī)則 3的算法 ，這時候 系統(tǒng)誤差大于 系統(tǒng)最小的 誤差 值 Emid小于最大 的 誤差 值 Emax， 它的 位置系數(shù) 也很 大，積分 所需要的 系數(shù)較小， 能夠加快它的動態(tài)性能 ；當 符合規(guī)則 4 的算法時 ， 曲線運行在 t2t3段，這時候 系統(tǒng)誤差大于最小誤差 值 Emin小于中間 的 誤差 值 Emid， 這時候的 位置系數(shù)較小， 系數(shù)積分量大，可以大大提高穩(wěn)態(tài)精度 ；當系統(tǒng) 運轉(zhuǎn) 在 d 段 時，此時系統(tǒng)在許可的 誤差 范圍 內(nèi)，系統(tǒng) 的 輸出保持 恒定 ， 符合 智能 PID算法的 規(guī)則 2，可 以使其控制的穩(wěn)定性增加 [5]。 yE m i nE m i dE m a xabcdt 2t 3t 1ot 圖 4 智能 PID 算法曲線 運行 圖 PID控制 算法 流程 9 圖 5 智能 PID 控制算法流程圖 圖 5 為智能 PID 控制算法程序流程圖，控制 對象 經(jīng)初始化后， 從而步 入系統(tǒng)監(jiān)控階段，系統(tǒng)經(jīng)過 液位傳感器， 對控制對象的實際液位信息進行及時的收集 。 然后 系統(tǒng) 再 根據(jù) 實際水位量 與 目標水位量 的誤差，分別計算出系統(tǒng) 位置 誤差 PErr和 系統(tǒng) 累計 誤差積分 IErr，計算機基于誤差 的比較，并根據(jù) 智能 PID 控制 的操作規(guī)則 ， 計算得到 控制數(shù)據(jù)，控制數(shù)據(jù)經(jīng)輸出轉(zhuǎn)換器轉(zhuǎn)換成控制信號 從而 驅(qū)動執(zhí)行機構(gòu)，最終 達成 對控制 目標 的 穩(wěn)定液位控制 [9]。 5 控制對象模型 以 某企業(yè)的生產(chǎn)用水 為液位控制的具體實例，下圖 6 是企業(yè)的生產(chǎn)用水的系統(tǒng)結(jié)構(gòu)圖，生產(chǎn)用水取自河水，如圖河水經(jīng)過 簡單 的殺菌消毒 后經(jīng)加壓泵 和液位變送器 輸送到屋頂 上的水池 內(nèi) ，然后 河水就從水池中直接向下輸送到需要水的生產(chǎn)線及設(shè)備上， 加壓泵 上的變頻器是用來控制泵的壓力的，通過控制壓力的大小來調(diào)節(jié)輸送的水量的大小，從而使 水池水位在一個恒定 的 液位 ，使加壓泵輸 送到水池的水量與 生產(chǎn) 的用水量 達到動態(tài)穩(wěn)定 [10]， 實現(xiàn)水資源的優(yōu)化 ，就必須 以 水的變化 來調(diào)整 加壓泵 的壓力從而控制 出水量。 但是因為 屋頂水池與加壓泵站的 輸送距離 較遠，從加壓泵站給水量的 變化 到屋頂水池 液 位的變化，需經(jīng)過 很長時間的管道輸送， 水管網(wǎng)絡(luò)的 壓力 又不確定 、 水的出水 量 時大時小 ， 導(dǎo)致 系統(tǒng)具有大慣性，長時間的延遲，采用傳統(tǒng)的 PID 控制算法使系統(tǒng)產(chǎn)生大的波動很容易，然后水位將在很大的范圍內(nèi)波動，不利于工業(yè)級控制 。 鑒于以上特點，智能 PID 控制算法來解決這個問題 。 由于智能控制還處于理論研究狀態(tài)，我們可以通過模擬建立各種系 統(tǒng)模型，運用各種智能 PID 算法 來理論研究 PID 智能控制 [11]。 系統(tǒng)監(jiān)控 采集液位信息 計算位置
研究報告相關(guān)推薦
鄂ICP備17016276號-1