一种基于产生式规则推理的PID参数整定方法技术

本发明专利技术公开了一种基于产生式规则库推理的PID参数整定方法。本发明专利技术所建立的规则库，能够描述控制信号、闭环控制系统输出及偏差量与PID控制器参数（输出量）之间存在的复杂非线性关系，其中构建的规则库的前项属性为输入量的参考值，后项为输出量的置信结构。对于被激活的规则，通过融合算法将被激活规则后项中的置信结构进行融合，并从融合结果中推理出PID控制器参数的估计值。然后将规则库输出的估计值作为PID控制器的输入参数并得到控制量对被控对象产生控制作用，最终通过闭环系统将被控对象的输出量反馈至输入端，通过在线调整所建规则库模型参数来实现自整定PID控制器参数功能，并使得系统输出能够实时跟踪控制信号。

A PID parameter tuning method based on production rule inference

The invention discloses a PID parameter tuning method based on production rule base inference. Rules set up by the invention, can be used to describe the control signal, the closed-loop control system output and the deviation and the PID controller parameters (output) the complex nonlinear relationship exists, which the attribute rule library for input reference value for the structure of the output consequent confidence. For the activated rules by fusion algorithm will be activated in the consequent belief structures are fused, and the fusion result from reasoning to estimate the value of parameters of PID controller. Then the estimated rule base output values as input parameters of PID controller and control the amount of control for the controlled object, finally through the closed-loop system will be controlled output feedback to the input object, through online adjustment to achieve self-tuning PID controller parameters the base model parameters and rules, so that the output of the system can real time tracking and control signal.

【技术实现步骤摘要】

本专利技术涉及一种基于产生式规则推理的PID参数整定方法，属于智能控制领域。
技术介绍
PID控制是最早发展起来的应用经典控制理论的控制策略之一，由于其算法简单，鲁棒性好和可靠性高，在工业控制等领用被广泛应用并取得了良好的控制效果。PID控制器的参数的优劣直接决定了PID控制器的控制性能，因此PID控制器的参数整定成为PID控制器设计的关键内容。对于传统的PID控制器，在把其投入运行之前，要想得到较理想的控制效果，必须先整定好其参数。然而，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，例如，在工业伺服系统中普遍应用的永磁同步电机，在实际运行中由于工况/负载/控制信号的非规律性变化，环境干扰等不确定性因素的存在，使得电机模型参数甚至是模型结构的不确定性改变，此时利用固定参数的PID控制策略无法保证系统继续良好的工作，且往往控制效果欠佳。针对此问题，长期以来，研究者一直在寻求PID控制器参数的自整定技术，以适应复杂的工况和高性能指标的控制要求。在PID参数自整定中，专家经验和知识对于调整PID参数十分有效，结合专家经验等专家系统的PID控制器，其本质是基于受控对象和控制规律的各种知识，利用专家经验来建立输入信号与PID控制器参数之间的非线性关系。但是由于专家知识具有不确定性，专家经验知识的获取以及如何利用专家知识是一个难点，所以在利用专家经验时，需要利用好的方法对知识进行建模。基于产生式规则库推理的专家系统，融合了D-S证据理论、决策理论、模糊理论和传统的IF-THEN规则库等多种方法，具有对模糊不确定、不完整的非线性特征的数据进行建模的能力。
技术实现思路
本专利技术针对现有技术的不足，设计一种基于产生式规则推理的PID参数整定方法。该方法以他励直流电机电机为被控对象模型形成闭环控制，通过在线调整产生式规则库模型参数来实现自整定PID控制器参数功能，并达到对象输出实时跟踪输入信号的效果。本专利技术包括以下各步骤：步骤(1)给出增量式的PID形式，增量式PID控制算法的表达式为：这里kp、ki、kd分别为比例系数、积分系数和微分系数，kp∈[0,1]、ki∈[0,1]、kd∈[0,1]；e(t)、e(t-1)和e(t-2)分别为第t、(t-1)和(t-2)采样时刻输入控制系统的偏差值，e(t)∈[-1,1]、e(t-1)∈[-1,1]、e(t-2)∈[-1,1]。步骤(2)构造关于PID控制器参数kp的产生式规则推理模型，模型包含如下形式的规则：构建产生式规则库，由L条规则组成，它能够描述输入信号r(t)、闭环输出y(t)以及闭环控制系统偏差量error(t)与PID控制器参数kp之间存在的复杂非线性关系，建立的产生式规则库中的第k条规则可描述为：式中:xi(i＝1,2,3)表示t时刻的第i个输入变量(前项属性)；表示在第k条规则中第i个输入变量(前项属性)的参考值；且有Ii为的取值集合空间，其中的元素满足-∞≤Ai,1<Ai,2<…<Ai,M≤+∞；M表示参考值取值的个数M≥1；取m1、m2和m3个元素分别作为输入变量x1、x2和x3参考值，共计可以产生L＝m1×m2×m3条规则，这里L≥1，k＝1,2,…,L为规则的编号。式(2)中，Rk的后项共有N个输出元素(后项属性)并满足为分配给Dj的置信度，后项两个元素组集合并满足当时，第k条规则是完整的，否则第k条规则是不完整的；与的上标P表示PID控制器参数kp的产生式规则推理模型。步骤(3)在t时刻产生的样本数据矩阵X＝[x1,x2,x3]作为所建模型的输入量，通过产生式规则推理获取与之对应的PID控制器估计输出具体步骤如下：步骤(3-1)获取t时刻样本数据矩阵X＝[x1,x2,x3]，且有x1∈[A1,1,A1,M]，x2∈[A2,1,A2,M]，x3∈[A3,1,A3,M]，计算它们与相对于参考值的匹配度(a)当或时，xi对和的匹配度取值均为1，对于其他参考值的匹配度均为0。(b)当时，xi对于和的匹配度取值由式(3)和(4)给出：此时，输入变量xi对于其他参考值的匹配度均为0。步骤(3-2)根据t时刻样本数据X＝[x1,x2,x3]及步骤(3-1)计算匹配度，来寻找被激活的规则，并计算所激活的各规则的权重wk：其中，wk∈[0,1]。步骤(3-3)在得到被激活规则的规则权重ωk后，将所有规则后项进行融合，得到输入X＝[x1,x2,x3]对应输出参考值的置信度具体步骤如下：(a)首先，将输出部分的信度转化为如下基本概率质量，即有：其中，表示相对于评价结果的基本概率设置；表示相对于集合的基本概率设置，也就是未设置给任意评价结果的基本概率；是由第k条规则的激活权重引起的，如果第k条规则是绝对重要的，即ωk＝1，此时(b)对L条规则进行组合，得到相对于评价结果的置信度，具体过程如下：令和对前2条规则进行融合有：对前3条规则进行组合有：假设表示对前k条规则进行组合后，得到相对于的基本概率设置，且同样地，对前k条规则进行组合有：其中，表示相对于评价结果的置信度；(c)由式(12)算出PID控制器估计输出为：步骤(4)依据构造kp的推理规则模型的相同步骤，可以构建关于ki的产生式规则推理规则模型，模型包含如下形式的规则：步骤(4-1)建立产生式规则库模型，由L条规则组成，它能够描述输入信号r(t)、闭环输出y(t)以及闭环控制系统偏差量error(t)与PID控制器参数ki之间存在的复杂非线性关系，建立的产生式规则库中的第k条规则可描述为：式(14)中，Rk的后项共有N个输出元素(后项属性)并满足为分配给的置信度，后项两个元素组集合并满足当时，第k条规则是完整的，否则第k条规则是不完整的；与的上标I表示PID控制器参数ki的产生式规则推理模型；式中关于前项属性的特征设置与步骤(2)相同。步骤(4-2)在t时刻产生的样本数据矩阵X＝[x1,x2,x3]作为所建模型的输入量，通过与步骤(2)相同的产生式规则推理获取它们对应的PID控制器估计输出同样地，用步骤(3-3)相同的融合方法对被激活的前k条规则进行融合有：其中，表示相对于评价结果的置信度。步骤(4-3)由式(25)算出PID控制器估计输出为：步骤(5)依据构造kp的推理规则模型的相同步骤，可以构建关于kd的产生式规则推理规则模型，模型包含如下形式的规则：步骤(5-1)建立产生式规则库模型，由L条规则组成，它能够描述输入信号r(t)、闭环输出y(t)以及闭环控制系统偏差量error(t)与PID控制器参数kd之间存在的复杂非线性关系，建立的产生式规则库中的第k条规则可描述为：式(17)中，Rk的后项共有N个输出元素(后项属性)并满足为分配给的置信度，后项两个元素组集合并满足当时，第k条规则是完整的，否则第k条规则是不完整的；与的上标D表示PID控制器参数kd的产生式规则推理模型；式中关于前项属性的特征设置与步骤(2)相同。步骤(5-2)在t时刻产生的样本数据矩阵X＝[x1,x2,x3]作为所建模型的输入量，通过步骤(2)与相同产生式规则推理获取与之对应的PID控制器估计输出同样地，用步骤(3-3)相同的融合方法对被激活的前k条规则进行融合有：其中，表示相本文档来自技高网...

【技术保护点】
一种基于产生式规则推理的PID参数整定方法，其特征在于该方法包括以下步骤：步骤(1)给出增量式的PID形式，增量式PID控制算法的表达式为：Δu(k)=kp[e(t)-e(t-1)]+kie(t)+kd[e(t)-2e(t-1)+e(t-2)]=(kp+ki+kd)e(t)-(kp+2kd)e(t-1)+kde(t-2)---(1)]]>这里kp、ki、kd分别为比例系数、积分系数和微分系数，kp∈[0,1]、ki∈[0,1]、kd∈[0,1]；e(t)、e(t‑1)和e(t‑2)分别为第t、(t‑1)和(t‑2)采样时刻输入控制系统的偏差值，e(t)∈[‑1,1]、e(t‑1)∈[‑1,1]、e(t‑2)∈[‑1,1]；步骤(2)构造关于PID控制器参数kp的产生式规则推理模型，模型包含如下形式的规则：构建产生式规则库，由L条规则组成，用于描述输入信号r(t)、闭环输出y(t)以及闭环控制系统偏差量error(t)与PID控制器参数kp之间存在的复杂非线性关系，建立的产生式规则库中的第k条规则描述为：式中:xi表示t时刻的第i个输入变量，i＝1,2,3；表示在第k条规则中第i个输入变量的参考值；且有Ii为的取值集合空间，其中的元素满足‑∞≤Ai,1<Ai,2<…<Ai,M≤+∞；M表示参考值取值的个数M≥1；取m1、m2和m3个元素分别作为输入变量x1、x2和x3参考值，共计产生L＝m1×m2×m3条规则，这里L≥1，k＝1,2,…,L为规则的编号；式(2)中，Rk的后项共有N个输出元素并满足为分配给Dj的置信度，后项两个元素组集合并满足当时，第k条规则是完整的，否则第k条规则是不完整的；与的上标P表示PID控制器参数kp的产生式规则推理模型；步骤(3)在t时刻产生的样本数据矩阵X＝[x1,x2,x3]作为所建模型的输入量，通过产生式规则推理获取与之对应的PID控制器估计输出具体步骤如下：步骤(3‑1)获取t时刻样本数据矩阵X＝[x1,x2,x3]，且有x1∈[A1,1,A1,M]，x2∈[A2,1,A2,M]，x3∈[A3,1,A3,M]，计算它们与相对于参考值的匹配度(a)当或时，xi对和的匹配度取值均为1，对于其他参考值的匹配度均为0；(b)当时，xi对于和的匹配度取值由式(3)和(4)给出，q＝1,2,…,M‑1：αi,qk=(Ai,q+1k-xi)/(Ai,q+1k-Ai,qk)---(3)]]>αi,q+1k=(xi-Ai,qk)/(Ai,q+1k-Ai,qk)---(4)]]>此时，输入变量xi对于其他参考值的匹配度均为0；步骤(3‑2)根据t时刻样本数据X＝[x1,x2,x3]及步骤(3‑1)计算匹配度，来寻找被激活的规则，并计算所激活的各规则的权重wk：ωk=Πi=1M(αik)/Πi=1M(αil)---(5)]]>其中，wk∈[0,1]；步骤(3‑3)在得到被激活规则的规则权重ωk后，将所有规则后项进行融合，得到输入X＝[x1,x2,x3]对应输出参考值的置信度具体步骤如下：(a)首先，将输出部分的信度转化为如下基本概率质量，即有：mj,kP=ωkβj,kP---(6)]]>mD,kP=1-ωkΣj=1Nβj,kP---(7)]]>m‾D,kP=1-ωk---(8)]]>其中，表示相对于评价结果的基本概率设置；表示相对于集合的基本概率设置，也就是未设置给任意评价结果的基本概率；是由第k条规则的激活权重引起的，如果第k条规则是绝对重要的，即ωk＝1，此时(b)对L条规则进行组合，得到相对于评价结果的置信度，具体过程如下：令和对前两条规则进行融合有：mj,I(2)P=KI(2)P[mj,I(1)Pmj,2P+mj,I(1)PmD,2P+mD,I(1)Pmj,2P]---(9)]]>mD,I(1)P=m‾D,I(1)P---(10)]]>m‾D,I(2)P=KI(2)P[m‾D,I(1)Pm‾D,2P]---(11)]]>KI(1)P=[1-Σj=1NΣt=1t≠jNmj,I(k)Pmt,3P]-1,k=1---(12)]]>对前三条规则进行组合有：mj,I(3)P=KI(3)P[mj,I(2)Pmj,3P+mj,I(2)PmD,3P+mD,I(2)Pmj,3P]---(13)]]>mD,I(2)P=m&...

【技术特征摘要】
1.一种基于产生式规则推理的PID参数整定方法，其特征在于该方法包括以下步骤：步骤(1)给出增量式的PID形式，增量式PID控制算法的表达式为：Δu(k)=kp[e(t)-e(t-1)]+kie(t)+kd[e(t)-2e(t-1)+e(t-2)]=(kp+ki+kd)e(t)-(kp+2kd)e(t-1)+kde(t-2)---(1)]]>这里kp、ki、kd分别为比例系数、积分系数和微分系数，kp∈[0,1]、ki∈[0,1]、kd∈[0,1]；e(t)、e(t-1)和e(t-2)分别为第t、(t-1)和(t-2)采样时刻输入控制系统的偏差值，e(t)∈[-1,1]、e(t-1)∈[-1,1]、e(t-2)∈[-1,1]；步骤(2)构造关于PID控制器参数kp的产生式规则推理模型，模型包含如下形式的规则：构建产生式规则库，由L条规则组成，用于描述输入信号r(t)、闭环输出y(t)以及闭环控制系统偏差量error(t)与PID控制器参数kp之间存在的复杂非线性关系，建立的产生式规则库中的第k条规则描述为：式中:xi表示t时刻的第i个输入变量，i＝1,2,3；表示在第k条规则中第i个输入变量的参考值；且有Ii为的取值集合空间，其中的元素满足-∞≤Ai,1<Ai,2<…<Ai,M≤+∞；M表示参考值取值的个数M≥1；取m1、m2和m3个元素分别作为输入变量x1、x2和x3参考值，共计产生L＝m1×m2×m3条规则，这里L≥1，k＝1,2,…,L为规则的编号；式(2)中，Rk的后项共有N个输出元素并满足为分配给Dj的置信度，后项两个元素组集合并满足当时，第k条规则是完整的，否则第k条规则是不完整的；与的上标P表示PID控制器参数kp的产生式规则推理模型；步骤(3)在t时刻产生的样本数据矩阵X＝[x1,x2,x3]作为所建模型的输入量，通过产生式规则推理获取与之对应的PID控制器估计输出具体步骤如下：步骤(3-1)获取t时刻样本数据矩阵X＝[x1,x2,x3]，且有x1∈[A1,1,A1,M]，x2∈[A2,1,A2,M]，x3∈[A3,1,A3,M]，计算它们与相对于参考值的匹配度(a)当或时，xi对和的匹配度取值均为1，对于其他参考值的匹配度均为0；(b)当时，xi对于和的匹配度取值由式(3)和(4)给出，q＝1,2,…,M-1：αi,qk=(Ai,q+1k-xi)/(Ai,q+1k-Ai,qk)---(3)]]>αi,q+1k=(xi-Ai,qk)/(Ai,q+1k-Ai,qk)---(4)]]>此时，输入变量xi对于其他参考值的匹配度均为0；步骤(3-2)根据t时刻样本数据X＝[x1,x2,x3]及步骤(3-1)计算匹配度，来寻找被激活的规则，并计算所激活的各规则的权重wk：ωk=Πi=1M(αik)/Πi=1M(αil)---(5)]]>其中，wk∈[0,1]；步骤(3-3)在得到被激活规则的规则权重ωk后，将所有规则后项进行融合，得到输入X＝[x1,x2,x3]对应输出参考值的置信度具体步骤如下：(a)首先，将输出部分的信度转化为如下基本概率质量，即有：mj,kP=ωkβj,kP---(6)]]>mD,kP=1-ωkΣj=1Nβj,kP---(7)]]>m‾D,kP=1-ωk---(8)]]>其中，表示相对于评价结果的基本概率设置；表示相对于集合的基本概率设置，也就是未设置给任意评价结果的基本概率；是由第k条规则的激活权重引起的，如果第k条规则是绝对重要的，即ωk＝1，此时(b)对L条规则进行组合，得到相对于评价结果的置信度，具体过程如下：令和对前两条规则进行融合有：mj,I(2)P=KI(2)P[mj,I(1)Pmj,2P+mj,I(1)PmD,2P+mD,I(1)Pmj,2P]---(9)]]>mD,I(1)P=m‾D,I(1)P---(10)]]>m‾D,I(2)P=KI(2)P[m‾D,I(1)Pm‾D,2P]---(11)]]>KI(1)P=[1-Σj=1NΣt=...

【专利技术属性】
技术研发人员：徐晓滨，马雪，文成林，黄大荣，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33