[发明专利]一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法

说明书

技术领域

本发明涉及一种基于闭环过程信息进行控制回路辨识和基于多目标粒子群优化算法的PID控制器整定方法，针对闭环回路中的输出噪声通过反馈与输入强相关，导致闭环控制系统的辨识困难，甚至不可辨识，以及在常规整定方法中只强调性能指标或质量指标中的某一方面，而忽视另外一方面的问题，分别采用前向通道隔离输出噪声对输入的干扰，模拟闭环过程对象的动态特性，以性能指标为约束的双质量指标的多目标整定方法，获得了准确的系统动态特性，提高了闭环控制系统的整定性能和控制质量。

背景技术

系统辨识是从输入输出数据中提取过程信息进行建模的一种理论和方法，由于闭环系统输出信号的干扰噪声通过反馈作用而与输入信号密切相关，采用传统的开环辨识方法误差较大，并存在闭环的不可辨识性。实际工业应用中往往从系统稳定性、安全性、经济性的角度考虑，不允许系统在开环状态下运行，为此有必要研究有效且方便适用的闭环辨识方法。

PID控制是最早发展起来的控制策略之一，由于其具有算法简单、鲁棒性好、可靠性高等优点而被广泛应用于工业过程控制领域，《Handbook of PI and PID Controller Tuning Rules》对现存的PI和PID控制器的整定规律进行总结，给出了许多根据系统类型从而确定控制器参数的公式，使工业整定简单，但整定的前提是获得过程系统模型，并且对过程系统模型的精度要求较高。

评价一个控制器好坏的指标主要有性能指标和质量指标，其性能指标主要代表了系统对于单位阶跃响应的相应特性，而质量指标主要代表了系统输出的波动性，对于常规整定方法中，往往只重视性能指标或者质量指标中的一个而忽视另外一个，导致性能较好的系统波动较大，而波动小的系统其性能指标又无法满足要求，本发明针对上述问题，提出一种基于性能约束的双质量指标的多目标整定方法。

粒子群优化算法（Particle Swarm Optimization，PSO）是由Kennedy和Eberhart于1995年提出的一种智能优化算法，其思想来源于模拟自然界中生物的觅食行为，具有思想简单、易于实现、收敛速度快等优点，随着进化理论的发展，其由解决单目标优化问题逐步拓展到多目标优化决策问题。本发明基于粒子群优化算法提出一种新型的基于动态链接矩阵的自适应多目标粒子群优化算法，并应用于PID控制系统前向通道模型的多目标优化整定。

发明内容

本发明针对在实际工业中闭环回路中噪声通过反馈与输入强相关，造成闭环控制系统辨识难，甚至不可辨识的问题，以及只片面强调性能指标或质量指标中的一个方面而不能兼顾的缺点，提出了一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法，从而获得较好的前向通道模型动态特性，使经过整定后的控制系统性能和质量指标均较优。

本发明的技术方案如下：

一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法，其特征在于，针对闭环稳定且可辨识系统，采用前向通道模型隔离输出噪声对输入的干扰，模拟闭环过程对象的动态特性，利用已知的闭环稳定PI/PID控制器参数和闭环系统输入输出数据，提取闭环过程信息，确定前向通道模型参数优化的约束条件，利用PSO-SQP算法优化辨识获得对象的前向通道模型，在获得模型动态特性的基础上，采用多目标粒子群优化算法进行基于性能指标约束的双质量指标的多目标优化整定，其结构如图1所示。

所述闭环稳定且可辨识系统，闭环稳定是指输入有界，输出必有界，可辨识系统为控制器方程的阶大于或等于被控过程的阶的系统。

所述前向通道模型，其特征在于工业在用的闭环控制回路，采用前向通道将输出噪声对输入的干扰予以隔离，从而获得系统的动态特性，其结构如图2所示。

所述模型动态特性是对不同的输入条件，前向通道和真实过程的输出相同，前向通道具有较好的模拟真实过程对象输出特性的能力。

所述基于闭环过程信息约束的前向通道模型辨识方法的结构如图3所示，其方法描述如下：

①根据已知的PI/PID控制器和闭环系统的输入输出数据进行闭环过程信息的提取，从而获得前向通道模型参数的估计值，进行参数范围的拓展，从而获得优化参数的优化范围;

②在优化范围内初始化种群的初始位置和个体最优解以及种群大小、迭代次数、收敛阈值等参数，令当前迭代次数iter和粒子位置i均等于1;