PID参数优化方法对优化效果的影响研究

第32卷第02期计算机仿真2015年02月文章编号:1006 -9348(2015)02 -0391 -04PID参数优化方法对优化效果的影响研究洪博,董泽(华北电力大学河北省发电过程仿真与优化控制工程技术研究中心.河北保定071003)摘要:PID控制器对系统的经济和安全运行有着至关重要的影响,主要研究了PID参数优化方法对优化效果的影响。目前PID优化算法有多种，选取较典型的三种优化方法,经典优化方法(单纯形法)智能优化方法(粒子群法)和专家系统三种优化方法进行分析与比较,通过实例分析讲述每种优化方法的优化原理,研究PID优化方法对系统性能的影响,得出三种优化方法优化后的参数和曲线,对它们进行分析比较,结果表明,三种优化方法在准确性、快速性、稳定性方面各有侧重点。关键词:参数优化;单纯形法;粒子群法;专家系统中團分类号:TP273文献标识码:BStudy of an Effect of PID Parameter OptimizationMethods on Optimization EffectHONG Bo,DONG Ze( Hebei Engineering Research Center of Simulation & Optimized Control for Power Generation,North China Electric Power University , Baoding Hebei 071003 , China)ABSTRACT:PID ontroller plays a very important role on the system operating safely and economically, this papermainly studies the influence on the optimization efect produced by optimization of PID paramelers. At present thereare a variety of PID optimization algorithm, this article selects the typical three optimization methods and comparesand analyzes these methods of optimization including classical optimization method ( simplex method) , itelligent 0p-timization method ( particle swarm method) and expert system. In addition, through the example this paper narratesthe optimization principle of each kind of optimization method, studies the influence on system performance exercisedby PID optimization method. Besides, it is concluded that the emphasis of each method of optimization in terms of ac-curacy , rapidity and stability is diferent by analyzing the parameter and curve got by optimizing with the three kindsof optimization method.KEYWORDS:Parameter optimization; Simplex method; PSO method; Expert system的关注。随着控制效果的要求不断提高, PID逐渐向智能化1引言发展，但形形色色的现代控制理论最终还是源自经典PID随着现在工业的飞速发展,机组容量不断增大,这就对理论。系统的经济性和安全性提出了更高的要求,即对控制器的在传统优化算法中单纯形法应用最广泛,它具有在寻优PID品质要求不断提高。控制器要有良好的抗扰动性能,较过程中不必计算 目标的函数梯度,只是针对一定图形的顶好的稳定性以及较强的鲁棒性等,虽然在机组运行前调试人点,按照一定的规则进行搜索,具有操作简单,计算量小,适员已经对系统的运行指标进行了调整,但是在运行期间随着用面广,便于计算机实现等优点。但是单纯形法不适合优化机组运行特性的不断改变,运行指标难免会发生变化，所以形态较复杂的系统,并且优化速度较慢。而智能优化方法较深知每种方法对系统的哪种指标有较好的矫正特性具有较好的弥补了这些缺点,粒子群优化算法(PS0)具有易于描重要的现实意义。述便于实现要调整的参数少、收敛速度快等优点而得到广PID参数整定是由Ziegler和Nichols提出并引起了广泛泛应用,因为其中国煤化工以及不易陷入局部极小的特点CNMHG的问题。专家系收稿日期:2014-05 -06统是PID理论方法走向实际应用的重大突破,它可以看作是-391-.-类具有专门知识和经验的计算机智能程序系统,- -般采用向,然后粒子们就跟随当前最好的粒子在空间中进行搜索。人工智能中的知识表示和知识推理技术来模拟通常由领域PSO首先初始化- -群随机粒子(初始速度、位移及其决专家才能解决的复杂问题。定的适应值都随机化) ,然后通过迭代搜索粒子的最优解。本文在循环硫化床实例的基础上分析研究单纯形法、粒设以求某- - 函数Q(X)的极小值为例,粒子i在第t次迭子群法和专家系统三种优化方法对系统好坏的影响,对三种代时的位置表示为向量X(t) =(x(t) ,xa(),",*0x(t)),i优化方法的优化原理进行了详细介绍,更加深人的了解三种=1 ,2,.. ,m,其速度也是一-个N维的向量,记为V,(t) =(ua优化方法的异同点,通过优化后的参数和曲线可以直观的看(t) ,0a(t),.. ,0w(I)),则在这种情况下粒子所经历的最优出它们各自的侧重点,从而更好的指导人们学习和工作。位置记为Xbest, =(xa ,,. ,xv) ,相应的当前适应值记为Qbest, ,则粒子i的当前最好位置可表示为2 PID 优化算法简介Xbest(1+1) =[Xbest()Q[X(1+1) > QVbest(1)2.1基于单纯形的 PID优化算法lx,(t+ 1)Q[X(1+1)≤QVbest,单纯形法是发展较早的- -种优化方法,它的基本思想可在寻优过程中,粒子所经历的最优位置为Xbest, = (xg，以描述为盲人爬山，每次在向前走一步之前,都会把拐棍向*.. ,*gn) ,其对应的适应值即全局最优解记为Qbestgo在前试探几下,然后向试探的最高一点迈出- -步。第t+1次迭代计算时,粒子i根据下列规则来更新自己的位可以选定--个出发点,构成初始单纯形,从初始单纯形置和速度'。出发,通过每次迭代构成一个新的单纯形来取代初始单纯0.(1+1) =.(t) +er[Xbestm -xa(t)] +C252[Xbestm形,使新的单纯形不断向目标函数小的方向靠近,从而找到-xn(1)](2)极小值为止。即对于一般的n元函数,取n维空间的n+1xn(t+1) =xm(1) +02(1+1)(3)个点构成初始单纯形。而这n+1个点应使n维向量x -式中:10 是惯性权重,C ,C2是加速度常数,一般情况下c=c2x。一x0线性无关。在平面上即n=2时取不在 =2,r和r2为0到1之间的随机数,k=1,"",d。同一直线上的三点构成单纯形(三角形)。在三维空间即nPSO优化PID时要根据以下几个步骤:=3时则取不在同-平面上的四点构成单纯形(四面体)。1)根据实际现场的需要初始化种群。主要初始化优化如果点取的少或上述n个向量中有一部分线性 相关那么就变量的上下限,优化变量的速度限制,惯性权重区间等。会使搜索极小点的范围局限在一个低维空间内,若极小点不2)计算当前种群的适应度,求出Xbest, 和Xbestgo在这个空间内,那就搜索不到,从而造成寻优失败"。3)根据迭代计算进行速度和位置的更新,计算新种群单纯形法优化PID参数的方法为:的适应度并比较Xbest,和Xbest。1)设置优化变量的初值。主要包括优化变量的上下4)根据算法精度要求判断结束条件。限,步长和优化精度等初始参数。从单纯形法和PS0算法优化PID的方法可以看出,PSO2)确定初始单纯形。有调整的参数少,收敛速度快,算法容易实现等优点(”。3)根据传递函数求出初始时确定的三个变量的函数2.3基于专家系统的PID优化算法值,比较最好点、次差点和最差点。利用专家经验来设计PID参数便构成专家整定PID控4)求反射点。把最差点扬弃,求其相应的反射点的函制。在进行专家整定PID控制设计时,从特性识别获得的系数值。统状态特征和性能特征出发,根据控制专家的经验,由专家5)求扩张点。把反射点的函数值与次差点的函数值比系统归纳出PID参数的控制规律,把该控制规律存人知识库较,若反射点小于次差点则求相应的扩张点,扩张点与反射并对知识库进行完善。系统工作时,被控对象的状态被输人点比较,得出的最小点放到最差点的位置。专家控制器,由推理机根据知识库进行启发式推理,决定此6)求收缩点。若反射点大于次差点则求收缩点,若收时系统所需的PID控制器控制参数[5]。缩点小于次差点则压缩单纯形,得出的最小点扔放到最差专家整定PID控制系统的结构如图1所示。点处。从图1可以看出专家系统对PID控制参数的整定过程最后求出PID参数和绘制曲线。若经过N次搜索后仍包括对系统控制性能的判别，过程响应曲线的特征识别,控不能满足精度要求,则认为搜索失败,不能达到优化要求。制参数调整量的确定以及PID控制参数的修改。在热工系统中的PID控制器,比例带为8,积分时间为T,专家系统优化PID参数主要是通过三个模块组成,分和微分时间为T,比例带8的取值范围为0.01 -2,积分时间别是:T:为5 -2000(2]。1)仿真棋也。甘更h的县计笛被仿真对象的阶跃中国煤化工2.2基于粒子群的 PID优化算法响应。PSO算法是根据鸟类飞行现象衍化而来的,所以它的原2)求系HC N M H G它的作用是通过阶理是像鸟飞行一样,有个速度向量决定它们飞行的距离和方跃响应曲线求出特征值和品质指标。一392一知识库y(h+1) =x(k+1-8)(13)↓用单纯形法优化PID参数时，设置优化变量的下限是推理机]←特征识到4[0.1 ,20],上限是[2,500] ,单纯形步长delta为0.01 ,优化精性能识别Kp{ n| Td度epsF为0.0000,根据上述单纯形法优化PID参数的方法可得优化后的δ为1.86,T为455.9。SV] P)PID控制器→[对象PSO优化PID时设置优化上下限为[- 10, 300]和[ - 20,100] ,优化变量速度限制为[2,20],惯性权重区间为[0.8,1.2],认知和社会因子为[2,2], PSO优化PID后可得围1专家整定 PD控制系统结构图δ为-10,T,为224.7。在本模型中设置专家系统的允许最大超调量为25 ,最小.3)专家系统模块,该模块是专家系统的核心,作用是对衰减率是0. 75 ,最大上升时间为1000,优化后的8为9.4,T,系统的指标如衰减率、上升时间等进行分析优化,从而得到为200. 2。一组新的PID参数,以改善系统的性能°6。设初始参数下的阶跃响应为y,专家系统优化后的阶跃响应为y ,粒子群优化后的阶跃响应为yz ,单纯形优化后的3不同优化算法 下的PID优化分析与比较阶跃响应为y3。得到优化后的仿真对比图像如图3所示。某300MW循环流化床锅炉运行在60%负荷下,燃料量与床温关系的数学模型为1.8+(224. 18s + 1)21.6-采用单回路PID控制器对其进行控制并优化参数。对该系统进行离散化得到离散相似系统框图为图2a”所示。每063|0.40.四母500 1000150020002500 30000 3500 4000仿真时间/s围2离散相似系统框圉圈3优化后的仿真对比图像按图2所示即可得到系统的状态方程和输出方程。三种优化方法优化PID后的δ和T;如表1所示。云=8T(R-y)(4)表1 PID 优化后的结果对比5.77优化方法T名=224. i8x+224.18(5)初始参数22002=xg(6)专家系统9.4200.23“224.18*+22418号(7)粒子群-10224. 7y =xq(I- 86)(8)单纯形1.86455.9由上式的状态方程和输出方程可得系统的差分方程。提取各类优化曲线下的调节参数,如表2所示。x(k+1) =x(k) +7[R-r(k+1)](9)表2各类优化曲线下参数对比调节参数u =x(k+1) +R-x(k+1)(10)中(FAI)x(k+1) =etix2(h) +(1 -e2x) *5.77*山2个1890. 96中国煤化工(11)粒子群法.二-680. 98x(k+1) =eixq(k) +(1 -e2l8)*x(k+1)单纯形法CCHCNM H G"。0.9912)一393--从图表2可以看出:专家系统的上升时间较小，衰减率[3] 韩璞.智能控制理论及应用[M].北京:中国电力出版也相对较好,但是超调量大,系统不稳定。粒子群算法的超社, 2013.调量比较好,但是牺牲了上升时间与调节时间。单纯形法的[4]张家骏. 基于粒子群算法的PID控制器参数优化研究[J].计算机仿真, 2010,27(10 ): 191 -193.超调量、上升时间与调节时间都较好但是衰减率不太理想。[5] 郭晨.智能控制原理及应用[M].大连:大连海事大学出版4结束语社,1998.本文通过对经典优化方法(单纯形法)智能优化方法[6] 蔡自兴.智能控制基础与应用[M].北京:国防工业出版社t,1998.(粒子群法)和专家系统三种优化方法进行分析与比较,可知三种优化方法在准确性、快速性、稳定性方面各有侧重点,在[作者简介]实际生产过程中,可以根据不同的要求有选择的舍弃要求相洪博(1989-),男(蒙古族),河北承德人,硕士对弱的环节,从而更好的达到效果。研究生,研究方向为分散控制系统设计与开发，燃料智能管理系统设计与开发。参考文献:董泽(1970-), 男(汉族),河北省保定市人,教[1]韩璞,张丽静. 热工过程控制系统参数优化方法的研究[J].授,硕士研究生导师，研究方向为智能控制及其在华北电力学院学报, 1993 ,20(1):50 -57.工程中的应用,非线性控制,网络化控制等。[2] 刘娜.控制系统参数优化方法的研究[D].华北电力大学, 2002.(上接第368页)[7]何娟,涂中英 ,牛玉刚. - -种遗传蚁群算法的机器人路径规划借鉴二维蚁群算法取得的切实有效的研究手段和方法,分析方法[J].计算机仿真, 2010,27(3);170-174.了蚁群算法的优势与劣势,改进了启发式函数和信息素更新[8]王沛栋,唐功友. 带容量约束车辆路由问题的改进蚁群算法[J].控制与决策, 2012 ,2711);163 -164.策略,引入了逆转变异和插人变异避免算法陷入停滞,提出[9] 石铁峰. 改进遗传算法在移动机器人路径规划中的应用[J].了一种适于三维机器人路径规划的变异算子蚁群算法。仿计算机仿真，2011 ,2(28): 193-196.真结果表明, MOACA在搜索路径、收敛时间、适应度等方面[10] 李士勇. 蚁群算法及其应用[ M].哈尔滨:哈尔滨工业大学较传统蚁群算法有明显改善,算法是有效可行的。此外,本出版社, 2005.文提出的变异算子蚁群算法也可推广应用于其它类似优化[11] J Amores, N Sebe, P Radeva. Context - based object - class rec-问题的求解。本文研究的路径规划问题规模有限，当规模增ognition and retrieval by generalized crrelogams[J]. IEEETrans大时,改进算法能否取得满意的效果,尚需进--步验证和on Ptterm Analysis and Machine Ieligence, 2007 ,29 ( 10):完善。1818 - 1833.12] W J Gutjahr. A Graph - Based Ant Systemn and its Convergence[J]. Future Generation Computer System, 2000 , 32 (16):886[1]齐勇,魏志强,殷波.增强蚁群算法的机器人最优路径规划- 88[J].计算机工程与应用, 2008 ,4(1):54 -56.[13] 马良,朱刚，宁爱兵蚁群优化算法[M].北京:科学出版[2] P C Kevin, et al. AUV Path planning: An A * Approach to Path社, 2010.Planning Widh Consideration of Varable Vehicle Speeds and Mul-tiple, Overapping, Time Dependent Exclusion Zone[C]. Proe ofSymp on AUV Technology, 1992 ,23(3):79 -84.李向军(1972-),男(汉族) ,江西萍乡人,教授,主[3] 郝艳玲,张京娟.基于遗传算法的AUV三维海底路径规划要研究领域为人工智能及应用,数据挖掘,智能[J].中国工程科学, 2003 ,5(1):56 -60.计算。[4] 刘雄,雷勇,除国强.基于蚁群算法的移动机器人路径规划霍艳丽(1987-),女(满族) ,吉林人,硕士生,主要[J].计算机仿真，2011,11(28):185 - 188.研究领域为人工智能及应用,数据挖掘。5]胡小兵 ,黄席樾.基于蚁群算法的三维空间机器人路径规划.曾勃炜(1973-),男(汉族),江西人,硕士,教授,研究方向为计算重庆大学学报[J].重庆大学学报，2004,27(8);132 - 135.机网络与应用、信息安全。[6] 胡荟,蔡秀珊.机器人三维路径规划问题的-种改进蚁群算法徐鹰(1957-),女(满族) ,辽宁人,教授,主要研究领域为计算机[J].计算机工程与科学，2012 ,411);1513 -157.网络及应用。中国煤化工MHCNMHG一394一