一种基于PSO‑PID算法的燃气自动控制阀门智能调控方法技术

技术编号:15545789 阅读:284 留言:0更新日期:2017-06-05 18:09
本发明专利技术公开了一种基于PSO‑PID算法的燃气自动控制阀门智能调控方法,以燃气自动控制阀门为研究对象,充分考虑PID控制系统的特征,并建立了被控对象的传递函数模型;同时,引入人工智能技术,采用带有收敛因子的改进型粒子群算法搜索PID参数最优解,实现对燃气流量的自动控制。本发明专利技术克服了传统PID燃气控制阀人工调整参数的缺点,实现了PID参数的自整定;此方法具有耗时短、精确度高、自适应能力强、适用性好等优点,具有良好的应用前景和商业价值。

An automatic control valve intelligent gas PSO algorithm based on PID control method

The invention discloses an automatic control valve intelligent control method of gas PSO based on PID algorithm, the automatic control valve for gas as the research object, considering the characteristics of PID control system, and established the transfer function model of the object; at the same time, the introduction of artificial intelligence technology, using the improved particle swarm optimization algorithm with convergence factor the search for PID optimal solution, to achieve automatic control of the gas flow. The invention overcomes the disadvantages of traditional PID gas control valve manually adjust the parameters of the shortcomings, realize the self-tuning PID parameters; this method has the advantages of short time consumption, high precision, strong adaptability, good applicability, and has a good application prospect and commercial value.

【技术实现步骤摘要】
一种基于PSO-PID算法的燃气自动控制阀门智能调控方法
本专利技术涉及燃气自动阀优化控制领域,具体地说涉及一种基于PSO-PID算法的燃气自动控制阀门智能调控方法。
技术介绍
城市燃气管网是为城镇居民和工商业用户提供燃气需求的管道网络,是燃气用户日常生活生产过程中赖以生存的“生命线”。由于城市燃气用户的需求随季节、月份、时日均有变化,为解决气源供应与用户需求之间的矛盾,燃气公司需要实时监控管网流量和压力,并根据实际工况做出相应调整。其中,调压阀是实现流量和压力控制的必备元件。在城市燃气实际的输配过程中,通常是调度中心根据管网系统实时监测数据的变化向各个场站发出调度指令,场站工人接收到指令后通过人为的方式调节管道阀门,改变场站相关设备进出口流量和压力。随着“工业4.0”等概念的不断深化以及物联网技术在燃气领域的成功应用,燃气公司不断加大管网智能升级的改革力度,而实现对各个场站压力和流量的自动化控制是建设智能场站必要途径。目前,针对燃气阀门自动控制的算法有PID、LQR、LQG等,其中PID算法由于结构简单、鲁棒性强,不依赖于被控对象的精确模型,被广泛应用于工业生产中。但是,基于PID的传统燃气控制阀没有自适应能力,针对某一种特殊工况其参数调整多采用试凑方式,往往依赖于操作人员的技巧和经验,当控制目标变化时需要重新作出参数的调整;此种人工参数整定的手段耗时长、精确度低,限制了PID控制阀的应用。
技术实现思路
本专利技术的目的在于提供一种基于PSO-PID算法的燃气自动控制阀门智能调控方法,解决传统燃气控制阀门参数整定过程中存在人为误差、耗时长、精度低的问题,实现提高阀门对不同燃气流量和压力系统的调控能力及适应能力的目的。本专利技术通过下述技术方案实现:一种基于PSO-PID算法的燃气自动控制阀门智能调控方法,包括以下步骤:(1)建立燃气阀门被控对象的传递函数模型,所述传递函数模型为(2)在传递函数模型的基础上,进行PID算法控制器的设置;(3)在进行PID算法控制器设置的同时,初始化PSO算法中的粒子群参数;(4)利用粒子群算法对PID控制器的参数进行优化,比较计算结果是否达到精度或迭代次数,记录最佳Kp、Ki、Kd参数值;(5)若计算结果达到性能目标,则结束计算,输出Kp、Ki、Kd参数值作为最佳控制参数;若计算结果达不到性能要求,则重复第(3)步、第(4)步,在K时步的结果基础上更新粒子群的速度和位置,输出最佳Kp、Ki、Kd参数值。进一步的,随着人工智能技术的发展,出现了很多基于智能算法整定PID参数的方法,而PSO算法具有逼近任意连续有界非线性函数的能力,对于PID参数整定过程中的非线性和不确定性,无疑是一种有效的解决途径。所以本专利技术人将带有收敛因子的粒子群算法能迅速搜索最优可行解的特点与PID控制相结合,建立燃气自动控制阀被控对象传递函数模型;初始化PSO算法粒子群数量、位置等参数,通过将Kp、Ki、Kd三个参数作为PSO算法的空间解集,以适应度函数为评价指标并通过循环迭代的方式获取PID参数的全局最优解,然后将最优解作为PID控制器输入参数实现燃气阀门对流量的自动控制。具体是指通过比例项(Kp)、积分项(Ki)和微分项(Kd)三个参数的合理配置,用以控制燃气自动阀门电机的输出信号。因为根据采集时步前后误差项的实际情况,参数Kp能快速调节输出信号的变化幅度、参数Ki能减小稳定误差、参数Kd能增强系统稳定性,预防超调现象,所以用此方式提高了阀门对不同燃气流量和压力系统的调控能力及适应能力。所述步骤(1)中燃气阀门被控对象的传递函数模型建模是依据如下步骤完成的:首先,设定电动机的初始转速为ω,减速后的转速为ω,,将电磁惯性和机械惯性均设置为0,其减速输出:ω,=k1k2Ur公式(1)其中,k1为电机转换系数,k2为减速比,Ur为电动机的工作电压;其次,根据阀门联轴器的传递作用,使电机减速后的速度与阀门转轴的速度相等,电机减速后的转速为ω,与阀门转角的关系为:接着,将公式(1)和公式(2)联立,积分可得:其中,t0为电磁惯性和机械惯性;最后,对公式(3)进行拉普拉斯变换可得到传递函数G(s)为:其中,s为复数。进一步的,燃气自动阀的结构主要是将电动机通过减速器和联轴器与阀门对接,依靠改变电动机转速的方式实现对阀门开闭程度的控制,因此过阀流量与阀门转轴的转角相关;被控对象传递函数推导过程可参看公式(1)-公式(4)。所述步骤(2)中的PID算法控制器的设置,包括如下步骤:首先,根据给定的目标值r(t)与实际输出值y(t)构成的偏差e(t),将偏差的Kp、Ki和Kd通过线性组合构成控制项,对被控对象进行控制,其控制规律为:e(t)=r(t)-y(t)公式(5)然后,对公式(6)进行离散化处理,即得到燃气自动控制阀增量型PID算法函数Δu(k):Δu(k)=Kp[e(k)-e(k-1)]+Kie(k)+Kd[e(k)+e(k-2)-2e(k-1)公式(8)其中,比例系数积分系数微分系数进一步的,PID算法实质是一种线性控制算法,给定的目标值r(t)与实际输出值y(t)构成的偏差e(t),将偏差的比例、积分、微分通过线性组合构成控制项,对被控对象进行控制。这里的r(t)指的是t时刻要求阀门达到的开度,y(t)指的是阀门实际的开度。所述步骤(4)中利用粒子群算法对PID控制器的参数进行优化,包括如下步骤:首次,将初始化的粒子群参数赋值到PID控制器的Kp、Ki、Kd参数数组中;其次,根据系统偏差与时间的关系,在此以时间绝对偏差积分ITAE的倒数作为适应度函数,适应度函数变化过程如下:对于增量型的PID控制器,将适应度函数进行离散化处理,处理后适应度函数如下:然后,根据适应度函数公式(10)和公式(11)计算每一粒子的适应度值,并找出粒子群中适应度最佳个体的Kp、Ki、Kd参数值。进一步的,初始化粒子群参数包括粒子群个数和维度等,由于Kp、Ki、Kd参数作为PSO优化的对象,因此粒子群的维度为三维;参数名称及符号可参看表1。表1初始化粒子群参数PSO算法的基本思想是随机初始化一定个数和维度的粒子群,每一个粒子就是优化问题的一个可行解,粒子的优劣由适应度函数作为评判标准;粒子群在可行空间中的位置随速度变化,通过对粒子群位置的追踪并进过迭代搜索寻找全局最优解,即Kp、Ki、Kd参数值。初始化粒子群参数后,粒子i在初始时刻状态的数学表达式可参看表2。表2粒子群中任意粒子初始状态表所述的更新粒子群的速度和位置的步骤如下:根据公式(10)和公式(11)计算粒子新位置及更新后的适应度值,然后根据公式(12)进行适应度比对:若当前粒子适应度优于粒子本身前一时刻的最优适应度,则把当前粒子位置作为自身最优位置若粒子当前适应度优于整个粒子群前一时刻的最优适应度,则把当前位置粒子群作为全局最优其中,在公式(12)中,r1和r2是在(0,1)之间均匀分布的随机数,ωstart和ωend分别为起始权重和终止权重,tmax是最大迭代次数,t是当前迭代次数。进一步的,这个参数实际就是KPI参数数组Kp、Ki、Kd,而就是这个数组里面最优的一组参数。将计算出的全局最优位置的个体的进行循环迭代,不断计算粒子群适应度值和粒子群位置,判断是否达到收本文档来自技高网...
一种<a href="http://www.xjishu.com/zhuanli/54/201611192138.html" title="一种基于PSO‑PID算法的燃气自动控制阀门智能调控方法原文来自X技术">基于PSO‑PID算法的燃气自动控制阀门智能调控方法</a>

【技术保护点】
一种基于PSO‑PID算法的燃气自动控制阀门智能调控方法,其特征在于,包括以下步骤:(1)建立燃气阀门被控对象的传递函数模型,所述传递函数模型为

【技术特征摘要】
1.一种基于PSO-PID算法的燃气自动控制阀门智能调控方法,其特征在于,包括以下步骤:(1)建立燃气阀门被控对象的传递函数模型,所述传递函数模型为(2)在传递函数模型的基础上,进行PID算法控制器的设置;(3)在进行PID算法控制器设置的同时,初始化PSO算法中的粒子群参数;(4)利用粒子群算法对PID控制器的参数进行优化,比较计算结果是否达到精度或迭代次数,记录最佳Kp、Ki、Kd参数值;(5)若计算结果达到性能目标,则结束计算,输出Kp、Ki、Kd参数值作为最佳控制参数;若计算结果达不到性能要求,则重复第(3)步、第(4)步,在K时步的结果基础上更新粒子群的速度和位置,输出最佳Kp、Ki、Kd参数值。2.根据权利要求1所述的一种基于PSO-PID算法的燃气自动控制阀门智能调控方法,其特征在于,所述步骤(1)中燃气阀门被控对象的传递函数模型建模是依据如下步骤完成的:首先,设定电动机的初始转速为ω,减速后的转速为ω’,将电磁惯性和机械惯性均设置为0,其减速输出:ω’=k1k2Ur公式(1)其中,k1为电机转换系数,k2为减速比,Ur为电动机的工作电压;其次,根据阀门联轴器的传递作用,使电机减速后的速度与阀门转轴的速度相等,电机减速后的转速为ω’与阀门转角的关系为:接着,将公式(1)和公式(2)联立,积分可得:其中,t0为电磁惯性和机械惯性;最后,对公式(3)进行拉普拉斯变换可得到传递函数G(s)为:其中,s为复数。3.根据权利要求1所述的一种基于PSO-PID算法的燃气自动控制阀门智能调控方法,其特征在于,所述步骤(2)中的PID算法控制器的设置,包括如下步骤:首先,根据给定的目标值r(t)与实际输出值y(t)构成的偏差e(t),将偏差的Kp、Ki和Kd通过线性组合构成控制项,对被控对象进行控制,其控制规律为:e(t)=r...

【专利技术属性】
技术研发人员:周鑫浩张海军
申请(专利权)人:成都千嘉科技有限公司
类型:发明
国别省市:四川,51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1