一种多变量PID控制器参数整定方法技术

本发明专利技术涉及一种多变量PID控制器参数整定方法，包括以下步骤：导入控制系统的模型，根据设计模型的目标个数和系统采样法产生参考点集合；随机生成一个均匀分布的初始种群，种群中的每个个体为多变量PID控制器参数；综合考虑系统的稳态误差、上升时间、调整时间、超调量等多性能指标对种群进行遗传算法操作得到新的种群，将得到的新的种群与原种群混合，实现多变量PID控制器参数整定。本发明专利技术在满足相同稳定性指标的情况下的优化方案的动态性能与静态性能更优。

A multivariable PID controller parameter tuning method

The invention relates to a multivariable PID controller parameter tuning method, which comprises the following steps: introducing the model of the control system, according to the reference point set the number of target and system design model of the sampling method; randomly generated a uniform distribution of the initial population, each individual of the population for the multivariable PID controller parameters; steady state error considering the system adjusting time, rise time, overshoot and other performance index of genetic algorithm operation to get the new population on population, will be the new population and the original population mixed, the realization of multi variable PID controller parameter tuning. The invention has better dynamic performance and static performance under the condition of satisfying the same stability index.

【技术实现步骤摘要】
一种多变量PID控制器参数整定方法
本专利技术涉及自动控制
，特别是涉及一种基于高维多目标遗传算法的多变量PID控制器参数整定方法。
技术介绍
工业技术的不断发展，生产流程变得更加复杂和紧凑，这意味着传统的单变量控制已经难以满足实际生产流程的控制需求。而PID由于其自身的优点已经得到了普遍的应用，为满足复杂生产流程的需求，如何整定多变量PID参数具有重要的实际意义。目前，国内外学术界和工程界通常是系统的性能指标通过其重要性转化为一个加权目标函数，再采用传统的单目标优化算法进行优化求解。但这些现有方法都普遍存在难以准确设定权重系数、配置方案难以指导工程实践等缺陷。虽然已有部分研发人员采用传统的多目标优化方法试图解决多变量PID控制参数整定，但是传统的多目标优化算法通常只能够有效处理2-3个目标，无法全面考虑系统的全部性能，且计算效率较低，不便于具体工程实施。
技术实现思路
本专利技术所要解决的技术问题是提供一种多变量PID控制器参数整定方法，在满足相同稳定性指标的情况下的优化方案的动态性能与静态性能更优。本专利技术解决其技术问题所采用的技术方案是：提供一种多变量PID控制器参数整定方法，包括以下步骤：(1)导入控制系统的模型，根据设计模型的目标个数和系统采样法产生参考点集合，并确定目标个数M和均分点数S，所述均分点数是指用S个点将区间[0,1]进行均分；(2)随机生成一个均匀分布、种群大小为NP的初始种群P＝{Pi,i＝1,2,…,NP}，其中每一个个体Pi均包括有多个控制器的比例系数、控制器的积分系数和控制器的微分系数；(3)对种群P中的每一个个体Pi,i＝1,2,…,NP，进行多目标函数评估计算、选择、交叉、变异和非支配排序的多目标优化操作，得到新的个体种群；(4)将得到的新的个体种群与原种群进行混合得到混合种群R，并根据支配的情况对混合种群R进行分层，记为F1,F2,…；(5)从混合种群R中选择出N个个体作为下一代种群Pt+1；(6)重复步骤(3)-步骤(5)，直到满足用户设定的最大迭代次数；(7)输出Pareto最优解和对应的控制器的比例系数、控制器的积分系数和控制器的微分系数作为多变量PID控制器参数。所述步骤(1)中参考点集合的产生过程为：将M维坐标的每个维度区间[0,1]用S个点均分，则每一维度会产生[0,1/S,2/S,…,1]的刻度；从[0,1/S,2/S,…,1]刻度中取出1～M维的值，且这M个值的和为1，此M个值便可构成一组M维向量，即参考点的坐标。若M≥8，则需要产生两层参考点；首先确定目标个数M，第一层均分点数S1和第二层均分点数S2；确定第一层参考点时，将M维坐标的每个维度区间[0,1]用S1个点均分，则每一维度会产生[0,1/S1,2/S1,…,1]的刻度；从[0,1/S1,2/S1,…,1]刻度中取出1～M维的值，且这M个值的和为1，此M个值便可构成一组M维向量，即为第一层参考点的坐标；确定第二层参考点时，将M维坐标的每个维度区间[0,1]用S2个点均分，则每一维度会产生[0,1/S2,2/S2,…,1]的刻度；从[0,1/S2,2/S2,…,1]刻度中取出1～M维的值，且这M个值的和为1，此M个值便可构成一组M维向量，即为第二层参考点的坐标。所述步骤(3)具体包括以下子步骤：(31)对种群P进行多目标操作，根据每个个体的非支配排序情况，将种群中的每个个体进行分层；(32)选择操作，从i＝{1,2,3…,NP}中随机选择出两个编号，通过比较两个个体的所在层数，选择出较优的个体，重复该步骤直至选择出NP个个体构成一个新的种群NewP；(33)交叉操作，从新的种群NewP中选在2个个体，将这两个个体进行算术交叉，则得到的两个新的个体；(34)变异操作，对新的种群NewP中的个体执行多项式变异，得到新的个体种群。所述步骤(31)中对种群P进行多目标操作时选取控制系统的稳态误差Fess、上升时间Ftr、调整时间Fts和超调量Fov作为高维多目标函数，即：其中，Kpm、Kim、Kdm：分别为控制器的比例系数、控制器的积分系数和控制器的微分系数的最小值；KpM、KiM、KdM：分别为控制器的比例系数、控制器的积分系数和控制器的微分系数的最大值。有益效果由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术以控制系统的动态性能、静态性能等因素为基本经本要求，综合考虑系统的稳态误差、上升时间、调整时间、超调量等多性能指标，设计了高维多目标遗传算法作为求解器，实现多变量PID控制器参数整定。采用本专利技术的方法可实现多变量PID控制器参数整定，相比传统单目标优化方法和传统多目标优化方法，具有以下优点：为多变量PID控制器参数选取提供的方案更为合理，在满足相同稳定性指标情况下的优化方案的动态性能与静态性能更优，优化方法实施简单，无需复杂目标函数权重系数整定，无需复杂的优化参数整定，且优化效率更高。附图说明图1是多变量控制系统的多变量PID控制器结构图；图2是高维多目标遗传算法的多变量PID控制器参数整定方法流程图；图3是M＝3，s＝5时参考点产生方法和结果图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。图1是多变量控制系统的多变量PID控制器结构图，包括多变量PID控制器D(s)，多变量控制系统传递函数G(s)，其中选取的G(s)是终端组成蒸馏塔控制器：选取的耦合系数图2是本专利技术提出的高维多目标遗传算法的多变量PID控制器参数整定方法流程图。以终端组成蒸馏塔的控制系统为例，采用本专利技术提出的高维多目标遗传算法的多变量PID控制器参数整定方法进行设计实施。所述的高维多目标遗传算法的多变量PID控制器参数整定方法，包括以下步骤：(1)导入上述控制系统的模型，由模型确定M个目标函数，根据目标函数个数和系统采样法产生参考点集合。产生的过程如下：本实施例中确定目标个数M＝3和均分点数S＝5，所谓均分点数是指用S个点将区间[0,1]均分。由于目标个数为M＜8，则确定每个参考点需要M维坐标表示。将M维坐标的每个维度区间[0,1]用S个点均分，则每一维度会产生[0,1/S,2/S,…,1]的刻度。从[0,1/S,2/S,…,1]刻度中取出1～M维的值，且这M个值的和为1，此M个值便可构成一组M维向量，即参考点的坐标。图3所示的是M＝3，s＝5时参考点产生方法和结果图。值得一提的是，若M≥8，若只产生一层参考点，点的数量会很庞大，为避免产生过多的参考点，则需要产生两层参考点；产生过程如下：首先确定目标个数M，第一层均分点数S1和第二层均分点数S2；确定第一层参考点，产生过程同M＜8的情况，并将生成的参考点存放于集合A中。再按照类似规则确定第二层参考点。(2)初始化，随机生成一个均匀分布种群大小为NP的初始种群P＝{Pi,i＝1,2,…,NP}，其中第i个个体Pi＝(Kpi1,Kii1,Kdi1,Kpi2,Kii2,Kdi2,…,Kpin,Kiin,Kdin)，Kpi为控制器的比例系数本文档来自技高网...

【技术保护点】
一种多变量PID控制器参数整定方法，其特征在于，包括以下步骤：(1)导入控制系统的模型，根据设计模型的目标个数和系统采样法产生参考点集合，并确定目标个数M和均分点数S，所述均分点数是指用S个点将区间[0,1]进行均分；(2)随机生成一个均匀分布、种群大小为NP的初始种群P＝{P

【技术特征摘要】
1.一种多变量PID控制器参数整定方法，其特征在于，包括以下步骤：(1)导入控制系统的模型，根据设计模型的目标个数和系统采样法产生参考点集合，并确定目标个数M和均分点数S，所述均分点数是指用S个点将区间[0,1]进行均分；(2)随机生成一个均匀分布、种群大小为NP的初始种群P＝{Pi,i＝1,2,…,NP}，其中每一个个体Pi均包括有多个控制器的比例系数、控制器的积分系数和控制器的微分系数；(3)对种群P中的每一个个体Pi,i＝1,2,…,NP，进行多目标函数评估计算、选择、交叉、变异和非支配排序的多目标优化操作，得到新的个体种群；(4)将得到的新的个体种群与原种群进行混合得到混合种群R，并根据支配的情况对混合种群R进行分层，记为F1,F2,…；(5)从混合种群R中选择出N个个体作为下一代种群Pt+1；(6)重复步骤(3)-步骤(5)，直到满足用户设定的最大迭代次数；(7)输出Pareto最优解和对应的控制器的比例系数、控制器的积分系数和控制器的微分系数作为多变量PID控制器参数。2.根据权利要求1所述的多变量PID控制器参数整定方法，其特征在于，所述步骤(1)中参考点集合的产生过程为：将M维坐标的每个维度区间[0,1]用S个点均分，则每一维度会产生[0,1/S,2/S,…,1]的刻度；从[0,1/S,2/S,…,1]刻度中取出1～M维的值，且这M个值的和为1，此M个值便可构成一组M维向量，即参考点的坐标。3.根据权利要求2所述的多变量PID控制器参数整定方法，其特征在于，若M≥8，则需要产生两层参考点；首先确定目标个数M，第一层均分点数S1和第二层均分点数S2；确定第一层参考点时，将M维坐标的每个维度区间[0,1]用S1个点均分，则每一维度会产生[0,1...

【专利技术属性】
技术研发人员：陆康迪，周武能，陈杰，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31