【正文】 加熱爐爐溫的滯后不同于通常的測(cè)量系統(tǒng)的滯后，一般的測(cè)量滯后是由于測(cè)量取樣過(guò)程產(chǎn)生的，也有測(cè)量元件本身引起的滯后。因而也就不能立即對(duì)輸入施加應(yīng)有的作用。在通常的反饋調(diào)節(jié)系統(tǒng)中，控制系統(tǒng)之所以能對(duì)控制對(duì)象施加一個(gè)校正作用，是因?yàn)楣に囘^(guò)程的輸出有變化。(1)純滯后系統(tǒng)的特性純滯后是物理系統(tǒng)的一種性質(zhì)，具有純滯后的工藝過(guò)程當(dāng)外界對(duì)其施加了一定作用后，工藝過(guò)程不會(huì)立即做出反應(yīng)，而總要滯后一段時(shí)間。有的加熱爐還配有二級(jí)計(jì)算機(jī)控制系統(tǒng)，以實(shí)現(xiàn)最佳爐溫設(shè)定值在線計(jì)算與設(shè)定[11]的都是降低能耗，減少污染，提高加熱質(zhì)量與產(chǎn)量。而且影響加熱產(chǎn)品質(zhì)量與產(chǎn)量。 加熱爐溫度控制簡(jiǎn)介在過(guò)程控制系統(tǒng)中，溫度控制是一種常見(jiàn)的控制形式，本文主要通過(guò)加熱爐溫度控制的模型結(jié)構(gòu)，來(lái)闡述最優(yōu)控制，即用粒子群算法的思想，來(lái)對(duì)PID參數(shù)進(jìn)行自整定。 Smith預(yù)估補(bǔ)償系統(tǒng)一般型框圖。顯然，在未進(jìn)行Smith預(yù)估補(bǔ)償情況下，系統(tǒng)閉環(huán)傳遞函數(shù)為 () 故其閉環(huán)特征方程式為 =0 () 由于在系統(tǒng)特征方程式中出現(xiàn)了純時(shí)間滯后項(xiàng)，這就在系統(tǒng)中引入了易造成不穩(wěn)定的相角滯后，因此增加了系統(tǒng)的控制難度。從而可明顯地減少過(guò)程的超調(diào)量、縮短過(guò)渡過(guò)程時(shí)間，有效地改善控制品質(zhì)，所以它是一種比較理想的大滯后系統(tǒng)控制方案。無(wú)論在設(shè)定值擾動(dòng)或者負(fù)荷擾動(dòng)下，史密斯(Smith)預(yù)估器對(duì)模型精度都是十分敏感的，另外改進(jìn)型的方案有很好的適應(yīng)能力。其中主調(diào)節(jié)器只需要按照模型完全精確的情況進(jìn)行整定。盡管史密斯(Smith)預(yù)估補(bǔ)償方案中多了一個(gè)調(diào)節(jié)器，其整定參數(shù)還是比較簡(jiǎn)單的。它們?cè)谀Ｐ推ヅ涞臈l件下均可以獲得比較好的效果。這種補(bǔ)償反饋也因其構(gòu)成模型的方法形成不同而有不同的方案?？梢圆捎梦⒎窒刃械目刂品桨?，即將微分作用移動(dòng)到反饋前面，以加強(qiáng)微分作用，達(dá)到減小超調(diào)量的目的。 解決的方法很多，最簡(jiǎn)單的是利用常規(guī)調(diào)節(jié)器適應(yīng)性強(qiáng)，調(diào)整方便的特點(diǎn)，經(jīng)過(guò)仔細(xì)個(gè)別的調(diào)整，在控制要求不太苛刻的情況下，滿(mǎn)足生產(chǎn)過(guò)程的要求。當(dāng)/T增加，過(guò)程中的相位滯后增加，使上述現(xiàn)象更為突出，有時(shí)甚至?xí)驗(yàn)槌{(diào)量嚴(yán)重而出現(xiàn)聚爆，結(jié)焦等停產(chǎn)事故；有時(shí)則可能引起系統(tǒng)不穩(wěn)定，被調(diào)量超出安全限，從而危及設(shè)備及人身安全。其控制難度將隨著滯后時(shí)間占整個(gè)過(guò)程的時(shí)間動(dòng)態(tài)的分配份額的增加而增加。因此，這樣的過(guò)程必然會(huì)產(chǎn)生比較明顯的超調(diào)量和較長(zhǎng)的調(diào)節(jié)時(shí)間。此外，如反應(yīng)器，管道混合，皮帶傳輸，多容量，多個(gè)設(shè)備串聯(lián)以及用分析儀表測(cè)量流體成分過(guò)程等等都存在著比較大的滯后。 大遲滯系統(tǒng) 在生產(chǎn)過(guò)程中，被控制對(duì)象除了具有容積延遲外，往往有不同程度的純遲滯。一方面加了絕對(duì)值，它克服了在過(guò)度過(guò)程中e(t)時(shí)正時(shí)負(fù)的缺點(diǎn)，另外加了時(shí)間t，這樣過(guò)度過(guò)程中后期出現(xiàn)的誤差也基本上能消除。（3）誤差絕對(duì)值積分型。這樣過(guò)度過(guò)程的初始誤差考慮比較少，而著重權(quán)衡過(guò)度過(guò)程中后期出現(xiàn)的誤差。（2）時(shí)間乘以平方誤差型。這種目標(biāo)函數(shù)在數(shù)學(xué)上是很容易實(shí)現(xiàn)的，常?？梢缘玫奖容^簡(jiǎn)單的解析式。一般要求e(t)越小越好，即要求控制系統(tǒng)的輸出響應(yīng)y(t)盡可能的接近輸入r(t)。幾種常用的誤差型目標(biāo)函數(shù)：（1）誤差平方的積分型。這種目標(biāo)函數(shù)實(shí)際上是對(duì)第一類(lèi)目標(biāo)函數(shù)的幾個(gè)特征向量做數(shù)學(xué)分析，把它們包含在一個(gè)目標(biāo)函數(shù)的表達(dá)式中。目標(biāo)函數(shù)的選擇分為兩大類(lèi)：第一類(lèi)是特征型目標(biāo)函數(shù)，它是按照系統(tǒng)的輸出響應(yīng)的特征提出的。選擇不同的目標(biāo)函數(shù)的出發(fā)點(diǎn)是使它即能比較明確的反映系統(tǒng)的品質(zhì)，又便于計(jì)算。若按設(shè)計(jì)變量數(shù)值的不同，可將優(yōu)化設(shè)計(jì)分為單變量（一維）優(yōu)化和多變量?jī)?yōu)化；若按約束條件的不同，可分為無(wú)約束優(yōu)化和有約束優(yōu)化；若按目標(biāo)函數(shù)數(shù)量的不同，又有單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化[10]。 （3） 設(shè)計(jì)約束：優(yōu)化設(shè)計(jì)不僅要使所選擇方案的設(shè)計(jì)指標(biāo)達(dá)到最佳值，同時(shí)還必須滿(mǎn)足一些附加的設(shè)計(jì)條件，這些附加設(shè)計(jì)條件都構(gòu)成對(duì)設(shè)計(jì)變量取值的限制，在優(yōu)化設(shè)計(jì)中被稱(chēng)為設(shè)計(jì)約束。（1） 設(shè)計(jì)變量：在工程設(shè)計(jì)中，為區(qū)別不同的設(shè)計(jì)方案，通常是以被稱(chēng)為設(shè)計(jì)變量的不同參數(shù)來(lái)表示。工程設(shè)計(jì)問(wèn)題的最優(yōu)化，可以表達(dá)為一組優(yōu)選的設(shè)計(jì)參數(shù)，在滿(mǎn)足一系列限制條件下，使設(shè)計(jì)指標(biāo)達(dá)到最優(yōu)。優(yōu)化設(shè)計(jì)為工程設(shè)計(jì)提供了一種重要的科學(xué)設(shè)計(jì)方法，在解決復(fù)雜設(shè)計(jì)問(wèn)題時(shí)，它能從眾多的設(shè)計(jì)方案中找到盡可能完善的設(shè)計(jì)方案。實(shí)際上，在任何一項(xiàng)設(shè)計(jì)工作中都包含著尋優(yōu)過(guò)程，但這種尋優(yōu)在很大程度上帶有經(jīng)驗(yàn)性，多根據(jù)人們的直覺(jué)、經(jīng)驗(yàn)及不斷試驗(yàn)而實(shí)現(xiàn)的，由于受到經(jīng)驗(yàn)、時(shí)間、環(huán)境等條件的限制，往往難以得到最佳的結(jié)果。 優(yōu)化設(shè)計(jì)簡(jiǎn)介所謂優(yōu)化設(shè)計(jì)就是一種對(duì)問(wèn)題尋優(yōu)的過(guò)程，人們所從事的任何工作都希望盡可能做好，以期得到一個(gè)理想的目標(biāo)。但是實(shí)際工業(yè)生產(chǎn)過(guò)程往往具有非線性、時(shí)變不確定性等困難性，難以建立精確的數(shù)學(xué)模型，應(yīng)用常規(guī)PID控制器不能達(dá)到理想的控制效果。積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù)凡，凡越大，積分作用越強(qiáng)，反之則越弱；微分環(huán)節(jié)：反映偏差信號(hào)的變化趨勢(shì)(變化速率)，并能在誤差信號(hào)變得太大之前，在系統(tǒng)中引入一個(gè)有效的早期修正信號(hào)，從而加快系統(tǒng)的動(dòng)作速度，減少調(diào)節(jié)時(shí)間。比例積分微分被控對(duì)象r(t)e(t)u(t)y(t)+++– PID控制系統(tǒng)原理框圖PID控制是一種線性控制器，它根據(jù)給定值r(t)與實(shí)際輸出值y(t)構(gòu)成控制偏差： () PID的控制規(guī)律為： () 或?qū)懗蓚鬟f函數(shù)的形式： ()其中，為比例系數(shù)，為積分時(shí)間常數(shù)，為微分時(shí)間常數(shù)。隨著計(jì)算機(jī)的普及，數(shù)字PID控制在生產(chǎn)過(guò)程中已成為一種最常用的控制方法，在機(jī)電、冶金、機(jī)械、化工等諸多行業(yè)中獲得了廣泛的應(yīng)用。PSO由于有簡(jiǎn)單、易于實(shí)現(xiàn)、設(shè)置參數(shù)少、無(wú)需梯度信息等特點(diǎn)，其在連續(xù)非線性?xún)?yōu)化問(wèn)題和組合優(yōu)化問(wèn)題中都表現(xiàn)出良好的效果。 粒子群算法的研究現(xiàn)狀在算法的理論研究方面。當(dāng)w=1時(shí)，式()與式()完全一樣，表明帶慣性權(quán)重的粒子群算法是基本粒子群算法的擴(kuò)展?？梢钥闯?，式()中慣性權(quán)重w表示在多大程度上保留原來(lái)的速度。1998年，Yuhui Shi[9]提出了帶有慣性權(quán)重的改進(jìn)粒子群算法。開(kāi)發(fā)是利用一個(gè)好的解，繼續(xù)原來(lái)的尋優(yōu)軌跡去搜索更好的解，它是算法的局部搜索能力。當(dāng)然，PSO算法也和其它全局優(yōu)化算法一樣，有易陷入局部最優(yōu)，收斂精度不高，后期收斂速度慢等缺點(diǎn)。 gbest模型 lbest模型 算法特點(diǎn)粒子群算法具有以下主要優(yōu)點(diǎn)：◆ 易于描述◆ 設(shè)置參數(shù)少◆ 容易實(shí)現(xiàn)◆ 收斂速度快粒子群算法很容易實(shí)現(xiàn)，計(jì)算代價(jià)低且占用計(jì)算機(jī)硬件資源少。比較兩種版本的算法，我們可以發(fā)現(xiàn)：因?yàn)槿职姹綪SO算法中所有粒子信息是共享的，所以算法收斂到全局最優(yōu)的速度比局部版本PSO算法快。另一種為局部版本PSO算法，在該算法中，粒子的行為是不受全局最優(yōu)gbest影響的，而是受自身最優(yōu)pbest和拓?fù)浣Y(jié)構(gòu)中鄰近粒子中的局部最優(yōu)lbest影響的。（6）如果達(dá)到結(jié)束條件（足夠好的解或最大迭代次數(shù)），則結(jié)束，否則轉(zhuǎn)步驟(2)。（4）對(duì)每個(gè)粒子，比較它的適應(yīng)度值和群體所經(jīng)歷的最好位置的適應(yīng)度值，如果更好，則將其作為群最優(yōu)。（2）根據(jù)適應(yīng)度函數(shù)計(jì)算各粒子的適應(yīng)度值。目前，雖然模型的社會(huì)部分和認(rèn)知部分的相對(duì)重要性還沒(méi)有從理論上給出結(jié)論，但有一些研究已經(jīng)表明對(duì)一些問(wèn)題，模型的社會(huì)部分顯得對(duì)認(rèn)知部分更重要。從上述微粒進(jìn)化方程可以看出，c1調(diào)節(jié)微粒飛向自身最好位置方向的步長(zhǎng)，c2調(diào)節(jié)微粒向全局最好位置飛行的步長(zhǎng)。 算法原理在一個(gè)D維的目標(biāo)搜索空間中，有n個(gè)微粒組成一個(gè)粒子群，其中每個(gè)微粒是一個(gè)D維的向量，它的空間位置表示為xi =(xi1，xi2，…，xiD)，i=1，2，…n。人類(lèi)的自然行為和魚(yú)群及鳥(niǎo)群并不類(lèi)似，而人類(lèi)在高維認(rèn)知空間中的思維軌跡卻與之非常類(lèi)似。Kennedy在他的書(shū)中描述了粒子群算法思想的起源：自20世紀(jì)30年代以來(lái)，社會(huì)心理學(xué)的發(fā)展揭示：我們都是魚(yú)群或鳥(niǎo)群聚集行為的遵循者。1995年，美國(guó)社會(huì)心理學(xué)家James Kennedy和電氣工程師Russell Eberhart共同提出了粒子群算法，其基本思想是受對(duì)鳥(niǎo)類(lèi)群體行為進(jìn)行建模與仿真的研究結(jié)果的啟發(fā)。1990年，生物學(xué)家Frank Heppner也提出了鳥(niǎo)類(lèi)模型[8]，它的不同之處在于：鳥(niǎo)類(lèi)被吸引飛到棲息地。(3)飛向鳥(niǎo)群中心，且整個(gè)群體飛向目標(biāo)。自然界中的鳥(niǎo)群和魚(yú)群的群體行為一直是科學(xué)家的研究興趣，生物學(xué)家Craig Reynolds在1987年提出了一個(gè)非常有影響的鳥(niǎo)群聚集模型[7]，在他的仿真中，每一個(gè)個(gè)體遵循：(1)避免與鄰域個(gè)體相沖撞。從中發(fā)現(xiàn)它的性能指標(biāo)，都比原來(lái)的曲線有了很大的改進(jìn)。再利用MATLAB編制粒子群算法尋優(yōu)程序。先選擇控制系統(tǒng)的目標(biāo)函數(shù)，本控制系統(tǒng)選用時(shí)間乘以誤差的絕對(duì)值，通過(guò)對(duì)控制系統(tǒng)的逐步仿真，對(duì)結(jié)果進(jìn)行分析。在自動(dòng)控制方面，將優(yōu)化技術(shù)用于系統(tǒng)設(shè)計(jì)，能使設(shè)計(jì)出來(lái)的控制系統(tǒng)在滿(mǎn)足一定的約束條件下，達(dá)到某種性能指標(biāo)的函數(shù)為最小(或最大)，這就是控制系統(tǒng)的最優(yōu)化問(wèn)題。在工程實(shí)踐中，總希望所選的方案是一切可能的方案中最優(yōu)的方案，這就是最優(yōu)控制的問(wèn)題。為了提高傳統(tǒng)PID整定技術(shù)的適應(yīng)能力，好多新的方法，如遺傳算法，模糊邏輯控制等在最近幾年里獲得了很快的發(fā)展，并廣泛地應(yīng)用于PID控制器參數(shù)整定中[6]。因此出現(xiàn)了許多自整定算法[5]?；谝?guī)則的PID參數(shù)自整定，則是運(yùn)用系統(tǒng)臨界點(diǎn)信息或系統(tǒng)響應(yīng)曲線上的一些特征值來(lái)表征對(duì)象特性，控制器參數(shù)由基于規(guī)則的整定法得到[4]。據(jù)此，可將PID參數(shù)自整定分成兩大類(lèi)：辨識(shí)法和規(guī)則法。越小，消除余差越快，穩(wěn)定度下降，振蕩頻率變高。越大，越能克服系統(tǒng)的容量滯后和測(cè)量滯后，對(duì)縮短調(diào)節(jié)時(shí)間有一定作用。在工程上，比例帶d常用比例度P來(lái)描述。調(diào)節(jié)器的參數(shù)整定是一個(gè)復(fù)雜的問(wèn)題，這是因?yàn)檫@些參數(shù)的整定要考慮控制對(duì)象的各種特性，以及一些會(huì)影響系統(tǒng)運(yùn)行過(guò)程的未知干擾；而且，調(diào)節(jié)器參數(shù)本身的調(diào)整也會(huì)對(duì)系統(tǒng)的特性產(chǎn)生重大影響[13]。在這些指標(biāo)中，不同的系統(tǒng)有不同的側(cè)重：強(qiáng)調(diào)快速跟蹤的系統(tǒng)要求調(diào)節(jié)時(shí)間盡可能短些，強(qiáng)調(diào)穩(wěn)定平穩(wěn)的系統(tǒng)則要求超調(diào)量小，但基本上都要保證系統(tǒng)穩(wěn)定收斂，即衰減比大于1，超調(diào)量必須在允許值的范圍內(nèi)，另外余差盡可能小至最后為零。K，和T可用圖解法等得出。當(dāng)操縱變量作階躍變化時(shí)，被控變量隨時(shí)間變化的曲線稱(chēng)為反應(yīng)曲線。記下的比例帶，并在記錄曲線上求得衰減時(shí)的調(diào)節(jié)周期，然后計(jì)算，各值。用衰減曲線法整定調(diào)節(jié)器參數(shù)的方法是：在純比例作用下，為，為0，目的是要得到，衰減振蕩過(guò)度過(guò)程曲線。因此，發(fā)展通用性更強(qiáng)、效率更高的優(yōu)化算法總是需要的。為解決最優(yōu)化問(wèn)題人們提出過(guò)許多新技術(shù)和新方法，但工業(yè)和科學(xué)領(lǐng)域大量實(shí)際問(wèn)題的困難程度正在日益增長(zhǎng)，它們大多是根本無(wú)法在可接受的時(shí)間內(nèi)找到解的問(wèn)題。路徑越短，釋放的信息素越多，濃度也越高；而信息素濃度越高，吸引的螞蟻也越多；吸引的螞蟻越多，遺留下的信息素也越多。螞蟻從蟻巢出發(fā)尋找食物源，找到食物后在從食物源原路返回蟻巢的路上釋放信息素，覓食的螞蟻會(huì)跟隨這個(gè)信息素蹤跡找到食物源。在每一代，根據(jù)個(gè)體的適應(yīng)度大小挑選出較好的個(gè)體，并借助于自然遺傳學(xué)的遺傳算子進(jìn)行組合交叉和變異，產(chǎn)生出代表新的解集的種群。單純形法是一種求解多變量無(wú)約束最優(yōu)化問(wèn)題的直接搜索法，是求解非線性函數(shù)的無(wú)約束極值的一種經(jīng)驗(yàn)方法；最速下降法是一種以梯度法為基礎(chǔ)的多維無(wú)約束最優(yōu)化問(wèn)題的數(shù)值計(jì)算法，它的基本思想是選取目標(biāo)函數(shù)的負(fù)梯度方法(最速下降方向)作為每步迭代的搜索方向，逐步逼近函數(shù)的極小值點(diǎn)；誤差積分準(zhǔn)則ISTE最優(yōu)設(shè)定方法是針對(duì)一類(lèi)特定被控對(duì)象的，如果被控對(duì)象形式已知，可以考慮使用這種ISTE誤差積分準(zhǔn)則作為目標(biāo)函數(shù)進(jìn)行參數(shù)優(yōu)化；遺傳算法借鑒了自然界優(yōu)勝劣汰的進(jìn)化思想，是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型，通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。遺傳算法、神經(jīng)網(wǎng)絡(luò)算法等也還存在某些不足，前者要涉及到繁瑣的編碼解碼過(guò)程和很大的計(jì)算量，后者的編程和解碼過(guò)程需要大量CPU時(shí)間，算法易早熟，收斂易陷入局部最優(yōu)，往往不能同時(shí)滿(mǎn)足控制系統(tǒng)的速度和精度，且隱含層數(shù)目、神經(jīng)元個(gè)數(shù)以及初始權(quán)值等參數(shù)選擇都沒(méi)有系統(tǒng)的方法。一是要求尋找全局最小點(diǎn)，二是要求有較高的收斂速度。為了解決各種各樣的優(yōu)化問(wèn)題，人們提出了許多優(yōu)化算法，比較著名的有爬山法、神經(jīng)算法和遺傳算法等。在工業(yè)控制過(guò)程中，多數(shù)控制對(duì)象是高階、時(shí)滯、非線性的，所以對(duì)PID控制器的參數(shù)整定是較為困難的。 SIMULINK目錄摘 要 IAbstract II第1章 緒論 1 研究背景和課題意義 1 基本的PID參數(shù)優(yōu)化方法 1 常用的整定方法 2 本文的主要工作 4第2章 粒子群算法的介紹 5 粒子群算法思想的起源 5 算法原理 5 算法流程 6 全局模型與局部模型 7 算法特點(diǎn) 8 帶慣性權(quán)重的粒子群算法 8 粒子群算法的研究現(xiàn)狀 9第3章 用粒子群方法優(yōu)化PID參數(shù) 10 PID控制原理 10 PID控制的特點(diǎn) 11 優(yōu)化設(shè)計(jì)簡(jiǎn)介 11 目標(biāo)函數(shù)選取 12 大遲滯系統(tǒng) 13 加熱爐溫度控制簡(jiǎn)介 16 加熱爐系統(tǒng)的重要特點(diǎn) 16 加熱爐的模型結(jié)構(gòu) 17第4章 系統(tǒng)仿真研究 19 工程上的參數(shù)整定 19 粒子群算法參數(shù)整定 20 結(jié)果比較 21 P、I、D參數(shù)對(duì)系統(tǒng)性能影響的研究 22 Smith預(yù)估補(bǔ)償器 24結(jié)論 26致謝 27參考文獻(xiàn) 28附錄 a（程序清單） 29附錄 b（外文文獻(xiàn)）