基于机器学习的PID参数自整定方法及其装置制造方法及图纸

本发明专利技术公开了一种基于机器学习的PID参数自整定方法及其装置。所述方法通过设备不断进行机器学习，自动对电子膨胀阀的PID控制参数进行整定，并且在不同的环境模式下分别整定一套控制参数，实现在不同环境下自动匹配最佳控制参数，始终保持最佳运行状态。所述参数包括：检测当前环境模式下的各项参数，从历史数据中进行匹配，获得历史数据中该环境模式下最佳的PID控制参数；按照获得的PID控制参数运行，通过判断控制效果的优劣，进行自整定，使电子膨胀阀在最佳的控制效果下运行，本发明专利技术通过机器学习实现PID控制参数的自动整定，大大减轻调试人员的工作量；通过机器学习实现电子膨胀阀在不同环境下自动匹配最佳控制参数，始终保持最佳运行状态。

【技术实现步骤摘要】
基于机器学习的PID参数自整定方法及其装置
本专利技术涉及家电设备领域，尤其涉及一种基于机器学习的PID参数自整定方法及其装置。
技术介绍
电子膨胀阀利用被调节参数产生的电信号，控制施加于膨胀阀上的电压或电流，进而达到调节供液量的目的。无级变容量制冷系统制冷供液量调节范围宽，要求调节反应快，传统的节流装置（如热力膨胀阀）难以良好胜任，而电子膨胀阀可以很好地满足要求。现有空调系统中多采用电子膨胀阀作为节流装置，为了提供控制精度和响应速度，PID控制（ProportionIntegrationDifferentiation.比例-积分-微分控制）方法在电子膨胀阀上的应用也越来越成熟。然而PID控制的最大难点在于PID参数的整定，需要经验丰富的人员花大量时间进行工程测试和参数调优，并且在选择确定最优控制参数时还需要综合考虑不同工况、不同工作场合的影响，实际工作当中并不是一直都处于最优运行状态。因此，设计一种自动整定PID控制参数，使控制效果达到最佳的方法是业内亟待解决的技术问题，该方法能够自动整定PID控制参数，无需经验丰富的人员花大量时间进行工程测试和参数调优。
技术实现思路
本专利技术的目的是针对上述现有技术存在的缺陷，提供一种基于机器学习的PID参数自整定方法及其装置。本专利技术采用的技术方案是，设计一种基于机器学习的PID参数自整定方法，该方法通过设备不断进行机器学习，自动对PID控制参数进行整定，并且在不同的环境模式下分别整定一套控制参数，实现在不同环境下自动匹配最佳控制参数，始终保持最佳运行状态，所述方法包括：检测当前环境模式下的各项参数，与历史数据中的环境模式进行对比，获得该环境模式下运行的PID控制参数；在获得的PID控制参数下运行，通过该套PID控制参数控制效果的优劣，对PID控制参数进行整定，使控制效果达到最佳。优选地，所述方法具体包括：步骤1、检测当前环境模式下的各项参数，与历史数据中的环境模式进行匹配，如果匹配成功，进入步骤2，如果匹配不成功，进入步骤3；步骤2、获取历史数据中该环境模式下最佳的PID控制参数；步骤3、获取出厂前设定最佳的PID控制参数；步骤4、按照获取的PID控制参数运行，如果在该PID控制参数下运行，其控制效果最佳，则按照该PID控制参数运行，如果在该PID控制参数下运行其控制效果并非最佳，则进入步骤5；步骤5、对PID控制参数进行整定，使电子膨胀阀在最佳的控制效果下运行。优选地，所述步骤1中的环境模式包括预设模式和自定义模式，在匹配时，先对自定义模式进行匹配，如果无法匹配，则对预设模式进行匹配。优选地，所述步骤1从历史数据中进行匹配时，首先从设备本地历史数据中进行匹配；如果在本地历史数据中无法匹配的，则从云端历史数据中进行匹配。优选地，所述预设模式由运行阶段、压缩机负荷区间、环境温度区间、出水温度区间、过热度设定区间的各项参数进行组合而成；所述自定义模式在预设模式的基础上，增加新的参数组合而成。优选地，所述步骤5中PID控制参数的整定按照比例系数Kp、积分时间Ti和微分时间Td的顺序进行整定。优选地，所述比例系数Kp的范围控制在1-5之间，每次的调节变化范围按照0.1的增幅从小到大进行调节；所述积分时间Ti按照T的倍数从大到小进行调节；所述微分时间Td按照T的倍数由小到大进行调节。优选地，对于每次整定的效果如果比历史上都要好则更新对应的最佳PID控制参数，否则不更新，直到该套PID控制参数的控制效果达到最优，不再进行整定和更新。优选地，所述步骤4和步骤5中通过过热度变化与电子膨胀阀开度变化以及过热度设定值形成的曲线判断控制效果的优劣；使用衰减曲线法和临界比例曲线法作为判断依据。本专利技术还提出了一种基于机器学习的PID参数自整定装置，所述装置包括：电子膨胀阀；PID控制器，与所述电子膨胀阀相连接，用于检测电子膨胀阀工作环境模式下的各种参数；与云端服务器相连接，将检测的参数在历史数据中进行匹配，获得历史数据中该参数下最佳的PID控制参数，运行该PID控制参数，并且通过判断在该PID控制参数下运行的控制效果是否最佳，对PID控制参数进行整定，同时，将整定过程中优于历史数据中控制效果的该套PID控制参数进行更新；数据传输模块，与PID控制器相连接，用于云端服务器和PID控制器之间的数据交互；以及云端服务器，与数据传输模块无线连接，用于历史数据的储存以及新数据的更新。与现有技术相比，本专利技术至少具有以下有益效果：本专利技术通过机器学习实现PID控制参数的自动整定，大大减轻调试人员的工作量；通过机器学习实现电子膨胀阀在不同环境下自动匹配最佳控制参数，始终保持最佳运行状态。附图说明图1为本专利技术PID参数自整定方法的流程图；图2为本专利技术环境模式的分类图；图3为本专利技术临界比例曲线法的图表；图4为本专利技术衰减曲线法的图表；图5为本专利技术PID参数自整定装置的框图。具体实施方式下面结合附图和实施例对本专利技术做进一步说明。如图1所示，本专利技术公开了一种基于机器学习的PID参数自整定方法，该方法通过设备不断进行机器学习，自动对PID控制参数进行整定，并且在不同的环境模式下分别整定一套控制参数，实现在不同环境下自动匹配最佳控制参数，始终保持最佳运行状态，所述方法包括：检测当前环境模式下的各项参数，与历史数据中的环境模式进行对比，获得该环境模式下运行的PID控制参数；在获得的PID控制参数下运行，通过该套PID控制参数控制效果的优劣，对PID控制参数进行整定，使控制效果达到最佳。优选为，所述方法具体包括：步骤1、检测当前环境模式下的各项参数，与历史数据中的环境模式进行匹配，如果匹配成功，进入步骤2，如果匹配不成功，进入步骤3；步骤2、获取历史数据中该环境模式下最佳的PID控制参数；步骤3、获取出厂前设定最佳的PID控制参数；步骤4、按照获取的PID控制参数运行，如果在该PID控制参数下运行，其控制效果最佳，则按照该PID控制参数运行，如果在该PID控制参数下运行其控制效果并非最佳，则进入步骤5；步骤5、对PID控制参数进行整定，使电子膨胀阀在最佳的控制效果下运行。当今的闭环自动控制技术都是基于反馈的概念以减少不确定性。反馈理论的要素包括三个部分：测量、比较和执行。测量关键的是被控变量的实际值，与期望值相比较，用这个偏差来纠正系统的响应，执行调节控制。在工程实际中，应用最为广泛的调节器控制规律为比例、积分、微分控制，简称PID控制，又称PID调节。PID控制器是一个在工业控制应用中常见的反馈回路部件，由比例单元P、积分单元I和微分单元D组成。PID控制的基础是比例控制；积分控制可消除稳态误差，但可能增加超调；微分控制可加快大惯性系统响应速度以及减弱超调趋势。这个理论和应用的关键是，做出正确的测量和比较后，如何才能更好地纠正系统。PID控制器作为最早实用化的PID控制器已有近百年历史，现在仍然是应用最广泛的工业PID控制器。PID控制器简单易懂，使用中不需精确的系统模型等先决条件，因而成为应用最为广泛的PID控制器。具体的，本专利技术将用户空调作为庞大的实验室，通过设备不断进行机器学习，自动对电子膨胀阀的PID控制参数进行整定，并且在不同的环境模式下分别整定一套控制参数，实现在不同环境下自动匹配最佳控制参数，始终保持本文档来自技高网...

【技术保护点】
一种基于机器学习的PID参数自整定方法，其特征在于，所述方法包括：检测当前环境模式下的各项参数，与历史数据中的环境模式进行对比，获得该环境模式下运行的PID控制参数；在获得的PID控制参数下运行，通过该套PID控制参数控制效果的优劣，对PID控制参数进行整定，使控制效果达到最佳。

【技术特征摘要】
1.一种基于机器学习的PID参数自整定方法，其特征在于，所述方法包括：检测当前环境模式下的各项参数，与历史数据中的环境模式进行对比，获得该环境模式下运行的PID控制参数；在获得的PID控制参数下运行，通过该套PID控制参数控制效果的优劣，对PID控制参数进行整定，使控制效果达到最佳。2.根据权利要求1所述的基于机器学习的PID参数自整定方法，其特征在于，所述方法具体包括：步骤1、检测当前环境模式下的各项参数，与历史数据中的环境模式进行匹配，如果匹配成功，进入步骤2，如果匹配不成功，进入步骤3；步骤2、获取历史数据中该环境模式下最佳的PID控制参数；步骤3、获取出厂前设定最佳的PID控制参数；步骤4、按照获取的PID控制参数运行，如果在该PID控制参数下运行，其控制效果最佳，则按照该PID控制参数运行，如果在该PID控制参数下运行其控制效果并非最佳，则进入步骤5；步骤5、对PID控制参数进行整定，使电子膨胀阀在最佳的控制效果下运行。3.根据权利要求2所述的基于机器学习的PID参数自整定方法，其特征在于，所述步骤1中的环境模式包括预设模式和自定义模式，在匹配时，先对自定义模式进行匹配，如果无法匹配，则对预设模式进行匹配。4.根据权利要求3所述的基于机器学习的PID参数自整定方法，其特征在于，所述步骤1从历史数据中进行匹配时，首先从设备本地历史数据中进行匹配；如果在本地历史数据中无法匹配的，则从云端历史数据中进行匹配。5.根据权利要求4所述的基于机器学习的PID参数自整定方法，其特征在于，所述预设模式由运行阶段、压缩机负荷区间、环境温度区间、出水温度区间、过热度设定区间的各项参数进行组合而成；所述自定义模式在预设模式的基础上，增加新的参...

【专利技术属性】
技术研发人员：颜超，宋海川，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东,44