[发明专利]一种优化的PI控制器参数工程整定方法

摘要

本发明提出一种优化的PI控制器参数工程整定方法。该方法采用遗传算法优化技术，通过仿真获得不同热工过程对应的优化PI控制器参数，并以优化的PI控制器参数作为样本，采用神经网络技术建立PI控制器参数工程整定模型，进而实现PI控制器参数的工程整定，有效克服了传统PI控制器参数工程整定方法的不足。

主权项

1.一种优化的PI控制器参数工程整定方法，其特征在于：包括步骤：步骤1：PI控制器传递函数K_P为比例系数，K_I为积分系数，s为复数域内的复变量；采用BP神经网络技术，建立以过程阶跃响应曲线的特征参数滞后时间τ和惯性时间T_c为模型输入变量，以PI控制器参数K_P和K_I为模型输出变量的神经网络模型，并以该神经网络作为PI控制器参数工程整定模型；其中用于建立神经网络模型的辨识样本通过如下方法获取：(1)神经网络模型输入辨识样本通过如下计算：(11)设置热工过程传递函数两个参数T₀和n的取值范围，分别为：T₀∈[10,110]、整数n∈[1,8]，T₀为时间常数，n为过程的阶次；T₀和n在上述范围内以等间隔的方式分别取若干值，并将T₀和n的取值两两配对组合，共有N种不同组合，记每种组合中所对应的二个参数T₀和n的值分别为T_0i和n_i，以每种组合中的T_0i和n_i作为热工过程传递函数的对应参数，得到N个传递函数(12)通过仿真得到热工过程传递函数Gi(s)的阶跃响应曲线，并计算获得该传递函数的阶跃响应曲线的特征参数τi和Tci，i＝1，2，……，N，其中τi为滞后时间，其值为阶跃响应曲线上拐点处的切线与横坐标轴的交点值，Tci为惯性时间，其值为以阶跃响应曲线上的最大速度，从起始值变化到最终平衡值所需要的时间；以τi和Tci作为神经网络模型的输入辨识样本；(2)与τi和Tci对应的神经网络模型输出辨识样本通过如下计算：由热工过程Gi(s)和PI控制器构成单回路负反馈控制系统，热工过程输出为y(t)，输入为PI控制器的输出u(t)，PI控制器的输入为热工过程输出设定值r与y(t)之差，t为时间；设定值r作单位阶跃扰动，采用遗传算法通过仿真计算优化PI控制器的参数，得到对应于热工过程传递函数Gi(s)的优化的PI控制器的参数KPi和KIi，并以KPi和KIi作为与τi和Tci对应的神经网络模型的输出辨识样本，i＝1，2，……，N，遗传算法以使如下的性能指标J最小为优化目标：其中α为常数，取0.8～2之间的值，t₂＝3(τ_i+T_ci)，i＝1，2，……，N；步骤2：对于实际被控热工过程，通过试验得到过程的阶跃响应曲线，计算阶跃响应曲线的特征参数：稳态增益K、滞后时间τ和惯性时间T_c，并以τ和T_c作为步骤1中神经网络模型的输入，计算得到神经网络的输出K_P'和K_I'，则相应PI控制器参数的整定值分别为