先进PID控制技术报告

先进PID控制技术报告自动化113班李东阳120113101102先进PID控制技术报告1串级PID控制及仿真串级控制系统的计算顺序是先主回路，后副回路。控制方法有两种：一种是异步采样控制，即主回路的采样控制周期T1是副回路的采样控制周期T2的整数倍。这是因为一般串级控制系统中主控制对象的响应速度慢、副控制对象的响应速度快的缘故。另一种是同步采样控制，即主、副回路的采样控制周期相同。这时应根据副回路选择采样周期，因为副回路的受控对象的响应速度较快。串及控制的主要优点：⑴将干扰加到副回路中，由副回路控制对其进行抑制；⑵副回路中参数的变化，由副回路给予控制，对被控量1G的影响大为减弱；⑶副回路的惯性由副回路给予调节，因而提高了整个系统的响应速度。副回路是串级系统设计的关键。副回路设计的方式有很多种，下面介绍按预期闭环特性设计副调节器的设计方法。由副回路框图可得副回路闭环系统的传递函数为)()(1)()()()()(2222122zGzGzGzGzUzYzcc式（2-1）可得副调节器控制律))(1)(()()(2222zzGzzGc式（2-2）一般选择nzz)(2式（2-3)，n为)(2zG有理多项式分母最高次幂。设副对象特性为11)(022sTsG，主对象特性为11)(011sTsG，100201TT,采样时间为2s,外加干扰信号为一幅度为0.01的随机信号)1(01.0)(2randskd。在离散方式下进行仿真，采用M语言进行编程。按预期闭环方法设计副调节器。由于副对象的传递环数为一阶，故由式(2-3)得到副回路闭环系统传递函数12)(zz。主调节器采用PI控制，取02.0,2.1ipkk，副调节器按控制律式（2-2）。副回路输入、输出，阶跃响应结果及外加干扰信号如图所示。0500100015002000250030003500400000.20.40.60.811.21.4time(s)u1,y2u1y2副回路输入、输出0500100015002000250030003500400000.20.40.60.811.21.4time(s)R1,y1R1y1副回路阶跃响应05001000150020002500300035004000-0.01-0.008-0.006-0.004-0.00200.0020.0040.0060.0080.01time(s)disturbance心得体会：这样的好处是具有较强的抗干扰能力，快速性。3.积分分离PID控制算法及仿真积分分离控制基本思路是：当被控量与设定值偏差较大时，取消积分作用，以免由于积分作用使系统稳定性降低，超调量增大；当被控量接近给定值时，引入积分控制，以便消除静差，提高控制精度。积分分离控制算法可表示为下式：TkerrorkerrorkdTjerrorkkerrorkkukjip/))1()(()()()(0式（1-1）其中T为采样时间，为积分项的开关系数，)(0)(1kerrorkerror式（1-2）。设被控对象为一延迟对象，160)(80sesGs，采样时间为20s,延迟时间为4个采样时间，即为80s,采用M语言进行仿真，被控对象离散化为)5()2()1()2()(kunumkydenky。取：0.3,005.0,80.0dipkkk。应用M语言仿真，取M=1,采用积分分离式PID控制器进行仿真。对积分分离式PID控制算法进行改进，采用分段积分分离方式，即根据误差绝对值的不同，采用不同的积分强度。仿真中指令信号为40)(kyd，控制器输出限制在110,110，其阶跃式跟踪结果如图1-1所示。050010001500200025003000350040000510152025303540time(s)yd,yIdealpositionsignalPositiontracking积分分离式PID阶跃跟踪（M=1）取M=2，采用普通PID控制，其阶跃式跟踪结果如图1-2所示。050010001500200025003000350040000510152025303540time(s)yd,yIdealpositionsignalPositiontracking普通PID阶跃跟踪（M=2）心得体会：由仿真结果可以看出，采用积分分离方法控制效果有很大的改善。注意：为保证引入积分作用后系统的稳定性不变，在输入积分作用时比例系数pk可作相应变化；值应根据具体对象及要求而定，过大达不到积分分离的目的，过小会导致无法进入积分区；若只进行PD控制，会使控制出现余差。5单神经元PID控制及仿真将)(kxi改为)()(keke，改进后算法如下：31)()()1()(iiikxkwKkuku31)(/)()(jjjikwkwkw))()()(()()1()(11kekekukzkwkwI))()()(()()1()(22kekekukzkwkwP))()()(()()1()(33kekekukzkwkwD被控对象为)2(632.0)1(10.0)2(26.0)1(368.0)(kukukkyky输入指令为一方波信号：))4sgn(sin(5.0)(tkyd，采样时间为1ms。6基于RBF神经网络整定的PID控制采用增量式控制器，控制误差为)()(kyked，PID三项输入为)2()1(2)()3()()2()1()()1(kekekexckexckekexc控制算法为)()1()(kukuku))2()1(2)(()())1()(()(kekekekkekkekekkudip神经网络整定指标为2)(21)(kekEdipkkk,,的调整采用梯度下降法)1()(xcuykekuuyyEkEkppp)2()(xcuykekuuyyEkEkiii)3()(xcuykekuuyyEkEkddd式中，uy为被控对象的Jabcobian信息，可通过神经网络的辨识而得。被控对象为2)1(1)1()1(1.0)(kykukyky，输入指令信号为1.0，RBF网络结构选为3-6-1，网络辨识的三个输入为：)1(),(),(kykyku。M=1时为RBF整定的PID控制，其结果如图所示，M=2时为未整定的PID控制，其结果如图所示。心得体会是：对改善控制品质有独到之处，因而在生产过程中应用变得越来越广泛。