模糊pid控制方法和裝置及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種模糊PID控制方法和裝置及系統(tǒng)。該方法包括：通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)；通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)，其中，模糊算法參數(shù)用于計(jì)算模糊控制參數(shù)，其中，第一預(yù)設(shè)算法和/或第二預(yù)設(shè)算法為單變量分布估計(jì)算法；獲取被控對象的輸出量和目標(biāo)量，其中，被控對象為模糊PID控制器的控制對象，被控對象的目標(biāo)量為被控對象預(yù)設(shè)的目標(biāo)輸出量；根據(jù)被控對象的輸出量和目標(biāo)量、PID控制參數(shù)和模糊算法參數(shù)確定被控對象的控制參數(shù)；以及向被控對象輸入確定的控制參數(shù)。通過本發(fā)明，解決了相關(guān)技術(shù)中的模糊PID控制方法的控制性能較差的問題。
【專利說明】
模糊PID控制方法和裝置及系統(tǒng)
技術(shù)領(lǐng)域
[0001 ]本發(fā)明設(shè)及控制領(lǐng)域，具體而言，設(shè)及一種模糊PID控制方法和裝置及系統(tǒng)。
【背景技術(shù)】
[0002] 模糊PID控制方法是控制科學(xué)中的經(jīng)典控制方法，模糊PID控制方法通過模糊PID 控制器對被控量進(jìn)行控制，模糊PID控制器的輸入量為被控量與目標(biāo)量的差值，模糊PID控 制器通過輸入量的變化對模糊PID控制器的控制參數(shù)進(jìn)行調(diào)整，達(dá)到使模糊PID控制器的被 控量跟隨目標(biāo)量的目的。但是，現(xiàn)有的模糊PID控制方法仍存在一定的弊端，對大滯后的被 控量的控制性能較差。
[0003] 例如，在對大滯后的火力發(fā)電廠機(jī)組主蒸汽溫度和壓力進(jìn)行控制時(shí)，存在響應(yīng)時(shí) 間較長、超調(diào)量過大、穩(wěn)態(tài)誤差較大等缺點(diǎn)。火力發(fā)電廠是通過燃燒產(chǎn)生電能的工廠，燃料 在燃燒時(shí)加熱水生成蒸汽，蒸汽通過壓力推動汽輪機(jī)旋轉(zhuǎn)，汽輪機(jī)帶動發(fā)電機(jī)旋轉(zhuǎn)產(chǎn)生電 能，實(shí)現(xiàn)燃料的化學(xué)能一熱能一機(jī)械能一電能的轉(zhuǎn)換過程。火力發(fā)電廠通過火電機(jī)組主蒸 汽溫度壓力控制系統(tǒng)對火電機(jī)組蒸汽的溫度和壓力進(jìn)行控制。
[0004] 鍋爐汽包出口的飽和蒸汽經(jīng)由過熱器與爐膛的高溫?zé)煔膺M(jìn)行熱交換，最終加熱為 汽輪發(fā)電機(jī)組所需的具有合格的溫度壓力品質(zhì)的過熱蒸汽，其中，過熱器是指從汽包出口 到汽輪機(jī)入口前的蒸汽加熱管道。大型鍋爐的過熱器工作于高溫、高壓的惡劣環(huán)境中，尤其 是鍋爐過熱器出口處的過熱蒸汽在整個(gè)汽水行程中溫度最高。對鍋爐蒸汽溫度的控制品質(zhì) 是考核火電廠機(jī)組運(yùn)行質(zhì)量的首選評價(jià)指標(biāo)之一，對火力發(fā)電機(jī)組的安全經(jīng)濟(jì)生產(chǎn)有著重 要的影響。如果主蒸汽溫度過高，可能會使過熱器管壁的金屬強(qiáng)度降低，損傷過熱器管道的 高溫段，甚至可能會燒壞汽輪機(jī)高壓缸設(shè)備，嚴(yán)重影響安全;如果主蒸汽溫度過低，經(jīng)過汽 輪機(jī)高壓缸的過熱蒸汽濕度增加，會腐蝕高壓缸的葉片，降低汽輪機(jī)的輸出功率。一般說 來，大型火電機(jī)組對蒸汽溫度的暫時(shí)偏差要求為設(shè)定值±10°c W內(nèi)，長期偏差要求為±5°C W內(nèi)，運(yùn)對火電廠機(jī)組主蒸汽溫度控制系統(tǒng)的要求相當(dāng)高。由于鍋爐爐膛內(nèi)燃燒工況的擾 動，如風(fēng)量擾動、燃料量擾動等，造成沿著過熱器整個(gè)管道的煙氣傳熱量幾乎同時(shí)變化，所 W過熱器出口主蒸汽溫度的動態(tài)特性反應(yīng)較快，其特征時(shí)間和特征滯后時(shí)間均比其它擾動 小。因此，在工業(yè)生產(chǎn)過程中，主蒸汽溫度控制系統(tǒng)需滿足克服各種干擾的能力，使主蒸汽 溫度在允許的范圍內(nèi)變動，W保證過熱器溫度不超過允許值。但是主蒸汽溫度控制系統(tǒng)的 本質(zhì)是利用一個(gè)動態(tài)特性反應(yīng)較緩慢的減溫水?dāng)_動來克服動態(tài)特性反應(yīng)較快的過熱器吸 熱擾動，運(yùn)是鍋爐蒸汽溫度品質(zhì)通常難W達(dá)到較高品質(zhì)的根本原因。
[0005] 鍋爐蒸汽壓力作為表征鍋爐運(yùn)行狀態(tài)的重要參數(shù)，不僅直接關(guān)系到鍋爐設(shè)備的安 全運(yùn)行，而且其穩(wěn)定狀況反映了燃燒過程中能量的供求關(guān)系，主蒸汽壓力與機(jī)組的發(fā)電功 率。通常采用協(xié)調(diào)控制鍋爐跟隨方式（Coordinated Control of Boiler Following Mode， 簡稱CCBF)或協(xié)調(diào)控制汽輪機(jī)跟隨方式（Coordinated Control of Steam Turbine Following Mode,簡稱CCTF)兩種方式對機(jī)組主蒸汽壓力進(jìn)行控制。
[0006] 由于火電廠中機(jī)組復(fù)雜度增加，主蒸汽溫度控制系統(tǒng)的不確定性，非線性，大慣 性，大時(shí)延的特征更加突出，常規(guī)的PID控制已經(jīng)難W滿足主蒸汽溫度控制系統(tǒng)對控制品質(zhì) 的要求。
[0007] 而蒸汽壓力控制系統(tǒng)具有時(shí)變、大滯后等特點(diǎn)，常規(guī)的PID算法由于每次輸出均與 過去的狀態(tài)有關(guān)，計(jì)算時(shí)要對誤差進(jìn)行累加，會導(dǎo)致計(jì)算輸出的控制量大幅度變化而引起 執(zhí)行機(jī)構(gòu)的大幅度變化，運(yùn)種情況在實(shí)際生產(chǎn)過程中是不允許的。
[0008] 針對相關(guān)技術(shù)中的模糊PID控制方法的控制性能較差的問題，目前尚未提出有效 的解決方案。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的主要目的在于提供一種模糊PID控制方法和裝置及系統(tǒng)，W解決相關(guān)技 術(shù)中的模糊PID控制方法的控制性能較差的問題。
[0010] 為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種模糊PID控制方法。該方 法包括:通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù);通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)，其中， 模糊算法參數(shù)用于計(jì)算模糊控制參數(shù)，其中，第一預(yù)設(shè)算法和/或第二預(yù)設(shè)算法為單變量分 布估計(jì)算法;獲取被控對象的輸出量和目標(biāo)量，其中，被控對象為模糊PID控制器的控制對 象，被控對象的目標(biāo)量為被控對象預(yù)設(shè)的目標(biāo)輸出量；W及根據(jù)被控對象的輸出量和目標(biāo) 量、PID控制參數(shù)和模糊算法參數(shù)確定被控對象的控制參數(shù)；向被控對象輸入確定的控制參 數(shù)。
[0011] 進(jìn)一步地，第一預(yù)設(shè)算法為單變量分布估計(jì)算法，在通過第一預(yù)設(shè)算法計(jì)算PID控 制參數(shù)之前，該方法還包括:確定PID控制參數(shù)的初始染色體種群，其中，PID控制參數(shù)的初 始染色體種群包括多個(gè)染色體，多個(gè)染色體用于在通過預(yù)設(shè)解碼算法進(jìn)行解碼之后確定 PID控制參數(shù)的初始值，通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)包括:通過適應(yīng)度函數(shù)計(jì)算PID 控制參數(shù)的初始染色體種群中各個(gè)染色體的適應(yīng)度值;根據(jù)適應(yīng)度值的大小對PID控制參 數(shù)的初始染色體種群中各個(gè)染色體進(jìn)行排序;通過預(yù)設(shè)更新算法更新在PID控制參數(shù)的初 始染色體種群中排序在預(yù)設(shè)序號之后的染色體，得到PID控制參數(shù)的優(yōu)化染色體種群;判斷 是否滿足停止單變量分布估計(jì)算法的條件;如果判斷出滿足停止單變量分布估計(jì)算法的條 件，通過預(yù)設(shè)解碼算法對PID控制參數(shù)的優(yōu)化染色體種群進(jìn)行解碼，得到PID控制參數(shù)；W及 如果判斷出不滿足停止單變量分布估計(jì)算法的條件，將PID控制參數(shù)的優(yōu)化染色體種群作 為PID控制參數(shù)的初始染色體種群，重新執(zhí)行通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)。
[0012] 進(jìn)一步地，第二預(yù)設(shè)算法為單變量分布估計(jì)算法，在通過第二預(yù)設(shè)算法計(jì)算模糊 算法參數(shù)之前，該方法還包括:確定模糊算法參數(shù)的初始染色體種群，其中，模糊算法參數(shù) 的初始染色體種群包括多個(gè)染色體，多個(gè)染色體用于在通過預(yù)設(shè)解碼算法進(jìn)行解碼之后確 定模糊算法參數(shù)的初始值，通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)包括:通過適應(yīng)度函數(shù)計(jì) 算模糊算法參數(shù)的初始染色體種群中各個(gè)染色體的適應(yīng)度值;根據(jù)適應(yīng)度值的大小對模糊 算法參數(shù)的初始染色體種群中各個(gè)染色體進(jìn)行排序;通過預(yù)設(shè)更新算法更新在模糊算法參 數(shù)的初始染色體種群中排序在預(yù)設(shè)序號之后的染色體，得到模糊算法參數(shù)的優(yōu)化染色體種 群;判斷是否滿足停止單變量分布估計(jì)算法的條件；如果判斷出滿足停止單變量分布估計(jì) 算法的條件，通過預(yù)設(shè)解碼算法對模糊算法參數(shù)的優(yōu)化染色體種群進(jìn)行解碼，得到模糊算 法參數(shù)；W及如果判斷出不滿足停止單變量分布估計(jì)算法的條件，將模糊算法參數(shù)的優(yōu)化 染色體種群作為模糊算法參數(shù)的初始染色體種群，重新執(zhí)行通過第二預(yù)設(shè)算法計(jì)算模糊算 法參數(shù)。
[0013] 進(jìn)一步地，在通過適應(yīng)度函數(shù)計(jì)算模糊算法參數(shù)的初始染色體種群中各個(gè)染色體 的適應(yīng)度值之后，該方法還包括:更新模糊算法參數(shù)的歷史最優(yōu)染色體種群中的染色體，其 中，模糊算法參數(shù)的歷史最優(yōu)染色體種群中的各個(gè)染色體的值為模糊算法參數(shù)的初始染色 體種群中各個(gè)染色體的歷史記錄中適應(yīng)度值最大的值，確定模糊算法參數(shù)的初始染色體種 群包括:根據(jù)模糊算法參數(shù)的歷史最優(yōu)染色體種群確定模糊算法參數(shù)的初始染色體種群。
[0014] 進(jìn)一步地，在根據(jù)被控對象的輸出量和目標(biāo)量、PID控制參數(shù)和模糊算法參數(shù)向被 控對象輸入總控制量之前，該方法還包括:通過模糊規(guī)則系統(tǒng)生成模糊規(guī)則庫，其中，模糊 規(guī)則系統(tǒng)用于生成模糊規(guī)則庫，模糊規(guī)則庫包括多個(gè)模糊規(guī)則，模糊規(guī)則庫用于根據(jù)被控 對象的輸出量和目標(biāo)量確定對應(yīng)的模糊規(guī)則，對應(yīng)的模糊規(guī)則用于確定模糊控制參數(shù)的模 糊量，模糊控制參數(shù)的模糊量用于根據(jù)模糊算法參數(shù)計(jì)算模糊控制參數(shù)。
[0015] 進(jìn)一步地，獲取被控對象的輸出量和目標(biāo)量包括:獲取主蒸汽參數(shù)采樣值，其中， 主蒸汽參數(shù)采樣值是對主蒸汽參數(shù)進(jìn)行采樣得到的采樣值，其中，主蒸汽參數(shù)是鍋爐的主 蒸汽的溫度參數(shù)或壓力參數(shù)，主蒸汽參數(shù)是被控對象，主蒸汽參數(shù)采樣值是被控對象的輸 出量;W及獲取主蒸汽參數(shù)設(shè)定值，其中，主蒸汽參數(shù)設(shè)定值為被控對象的目標(biāo)量。
[0016] 進(jìn)一步地，根據(jù)被控對象的輸出量和目標(biāo)量、PID控制參數(shù)和模糊算法參數(shù)確定被 控對象的控制參數(shù)包括:根據(jù)被控對象的輸出量和目標(biāo)量和模糊算法參數(shù)計(jì)算模糊控制參 數(shù);根據(jù)被控對象的輸出量和目標(biāo)量和模糊控制參數(shù)確定被控對象的模糊控制參數(shù);根據(jù) 被控對象的輸出量和目標(biāo)量和PID控制參數(shù)確定被控對象的PID控制參數(shù)；W及將確定的模 糊控制參數(shù)和PID控制參數(shù)相加，得到被控對象的控制參數(shù)。
[0017] 進(jìn)一步地，在通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)之前，該方法還包括:獲取被控 對象的傳遞函數(shù);確定PID控制參數(shù)的初始值，在通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)之 前，該方法還包括:確定模糊算法參數(shù)的初始值，通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)包括： 通過第一評價(jià)算法計(jì)算PID控制參數(shù)的初始值對被控對象的傳遞函數(shù)的控制指標(biāo);通過第 一優(yōu)化算法對PID控制參數(shù)的初始值進(jìn)行優(yōu)化，得到PID控制參數(shù)，通過第二預(yù)設(shè)算法計(jì)算 模糊算法參數(shù)包括:通過第二評價(jià)算法計(jì)算模糊算法參數(shù)的初始值對被控對象的傳遞函數(shù) 的控制指標(biāo);通過第二優(yōu)化算法對模糊算法參數(shù)的初始值進(jìn)行優(yōu)化，得到模糊算法參數(shù)。
[0018] 為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種模糊PID控制裝置。該裝 置包括:第一計(jì)算單元，用于通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù);第二計(jì)算單元，用于通過 第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)，其中，模糊算法參數(shù)用于計(jì)算模糊控制參數(shù)，其中，第一 預(yù)設(shè)算法和/或第二預(yù)設(shè)算法為單變量分布估計(jì)算法;獲取單元，用于獲取被控對象的輸出 量和目標(biāo)量，其中，被控對象為模糊PID控制器的控制對象，被控對象的目標(biāo)量為被控對象 預(yù)設(shè)的目標(biāo)輸出量;確定單元，用于根據(jù)被控對象的輸出量和目標(biāo)量、PID控制參數(shù)和模糊 算法參數(shù)確定被控對象的控制參數(shù);W及輸入單元，用于向被控對象輸入確定的控制參數(shù)。
[0019] 為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種鍋爐主蒸汽溫度和壓力 的模糊PID控制系統(tǒng)。該系統(tǒng)包括本發(fā)明提供的模糊PID控制裝置，用于向被控對象輸入確 定的控制參數(shù)，其中，被控對象為鍋爐的主蒸汽溫度參數(shù)和壓力參數(shù)，W及采樣器，用于采 集被控對象的輸出量。
[0020] 本發(fā)明通過單變量分布估計(jì)算法計(jì)算PID控制參數(shù)和/或模糊算法參數(shù)，W對PID 控制器和模糊控制器的控制參數(shù)進(jìn)行自整定優(yōu)化，解決了相關(guān)技術(shù)中的模糊PID控制方法 的控制性能較差的問題，進(jìn)而達(dá)到了提高模糊PID控制方法的控制性能的效果。
【附圖說明】
[0021] 構(gòu)成本申請的一部分的附圖用來提供對本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí) 施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：
[0022] 圖1是根據(jù)本發(fā)明實(shí)施例的模糊PID控制方法的流程圖；
[0023] 圖2是根據(jù)本發(fā)明實(shí)施例的單變量分布估計(jì)算法的流程圖；
[0024] 圖3是根據(jù)本發(fā)明實(shí)施例的模糊算法的流程圖；
[0025] 圖4是根據(jù)本發(fā)明實(shí)施例的PID控制參數(shù)和模糊算法參數(shù)優(yōu)化方法的流程圖；
[0026] 圖5是根據(jù)PID控制方法的仿真控制結(jié)果示意圖；
[0027] 圖6是根據(jù)常規(guī)的模糊PID控制方法的仿真控制結(jié)果示意圖；
[002引圖7是根據(jù)本發(fā)明實(shí)施例的模糊PID控制方法的仿真控制結(jié)果示意圖；
[0029] 圖8是根據(jù)本發(fā)明實(shí)施例的模糊PID控制裝置的示意圖；W及
[0030] 圖9是根據(jù)本發(fā)明實(shí)施例的模糊PID控制系統(tǒng)的示意圖。
【具體實(shí)施方式】
[0031] 需要說明的是，在不沖突的情況下，本申請中的實(shí)施例及實(shí)施例中的特征可W相 互組合。下面將參考附圖并結(jié)合實(shí)施例來詳細(xì)說明本發(fā)明。
[0032] 為了使本技術(shù)領(lǐng)域的人員更好地理解本申請方案，下面將結(jié)合本申請實(shí)施例中的 附圖，對本申請實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是 本申請一部分的實(shí)施例，而不是全部的實(shí)施例?；诒旧暾堉械膶?shí)施例，本領(lǐng)域普通技術(shù)人 員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本申請保護(hù)的范 圍。
[0033] 需要說明的是，本申請的說明書和權(quán)利要求書及上述附圖中的術(shù)語"第一"、"第 二"等是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應(yīng)該理解運(yùn)樣使用 的數(shù)據(jù)在適當(dāng)情況下可W互換，W便運(yùn)里描述的本申請的實(shí)施例。此外，術(shù)語"包括"和"具 有"W及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的 過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清 楚地列出的或?qū)τ谶\(yùn)些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。
[0034] 本發(fā)明的實(shí)施例提供了一種模糊PID控制方法。
[0035] 圖1是根據(jù)本發(fā)明實(shí)施例的模糊PID控制方法的流程圖。如圖1所示，該方法包括W 下步驟：
[0036] 步驟SlOl，通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)。
[0037] PID控制參數(shù)是PID控制器的系數(shù)，PID控制器是一種常用的控制器，根據(jù)被控對象 的給定輸出與實(shí)際輸出構(gòu)成的偏差作為PID控制器的輸入，將偏差分別通過比例環(huán)節(jié)、積分 環(huán)節(jié)和微分環(huán)節(jié)的線性組合構(gòu)成控制器，根據(jù)PID控制器的輸入輸出控制參數(shù)對被控對象 進(jìn)行控制。
[0038] PID控制器的輸出用于輸入被控對象，也即，輸入PID控制器的控制對象，W使被控 對象根據(jù)該輸入量相應(yīng)的輸出一個(gè)量，達(dá)到對被控對象的控制，其中，PID控制器的輸出為 被控對象的PID控制參數(shù)。PID控制器的輸入量是被控對象的輸出量與目標(biāo)量的偏差值e，其 中，目標(biāo)量是預(yù)設(shè)的被控對象的輸出的目標(biāo)量。
[0039] PID控制器的連續(xù)數(shù)學(xué)模型如公式1所示，
[0040]
(公式 1)
[0041] 公式1中，PIDnut(t)為PID控制器的輸出，e(t)是被控對象的實(shí)際輸出與目標(biāo)輸出 的偏差，kp是比例系數(shù)，Tl是積分系數(shù)，Td是微分系數(shù)，由被控對象的特性決定，其中，比例系 數(shù)、積分系數(shù)和微分系數(shù)為PID控制器的系數(shù)，也即，PID控制參數(shù)。
[0042] 在工程應(yīng)用中，按照采樣周期T對被控對象進(jìn)行采樣，則得到PID控制器的離散數(shù) 學(xué)模型如公式2所示，
[0044] 公中，UoUj足束k/|、米巧町刻的FiU粒制帯的輸出，e化）是第k個(gè)采樣時(shí)刻的被 控對象的實(shí)際輸出與目標(biāo)輸出的偏差，積分系I
[0043] (公式 2)
[0045] PID控制參數(shù)是指PID控制器的數(shù)學(xué)模型的系數(shù)，例如，離散數(shù)學(xué)模型中的kp、ki和 kd。通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)即是通過算法確定出PID控制器的數(shù)學(xué)模型的系 數(shù)，W控制被控對象輸出的量。
[0046] 在通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)之前，還需要獲取被控對象的傳遞函數(shù)。通 過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)可W是通過試驗(yàn)法，通過人工試驗(yàn)不同的PID控制參數(shù)對 被控對象的控制效果，根據(jù)被控對象的輸出與目標(biāo)輸出的差值來人工調(diào)試PID控制參數(shù)。
[0047] 優(yōu)選地，第一預(yù)設(shè)算法也可W是在通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)之前，確定 PID控制參數(shù)的初始值，通過第一評價(jià)算法計(jì)算PID控制參數(shù)的初始值對被控對象的傳遞函 數(shù)的控制指標(biāo);通過第一優(yōu)化算法對PID控制參數(shù)的初始值進(jìn)行優(yōu)化，得到PID控制參數(shù)。 [004引優(yōu)選地，上述第一預(yù)設(shè)算法可W是單變量分布估計(jì)算法。通過單變量分布估計(jì)算 法確定一個(gè)數(shù)學(xué)模型中待定參數(shù)的取值的方法如圖2所示，單變量分布估計(jì)算法包括：
[0049] 步驟SlOll，初始化染色體種群q(0)，q(0)是一個(gè)包含m個(gè)數(shù)值的矩陣，每個(gè)數(shù)值稱 為染色體，每個(gè)染色體的取值為0或1。初始化時(shí)，優(yōu)化次數(shù)t記為0。
[0050] 步驟S1012,按照預(yù)設(shè)解碼方式對染色體種群q(t)解碼。解碼過程可W簡述為：q (t)在解碼之后對應(yīng)n個(gè)參數(shù)，其中，第i個(gè)參數(shù)Wi的取值范圍是WiG [0，1]，假設(shè)Wi的染色體 是[qi Q2…qn]，貝賄Wi ' = qi X 2〇+q2 X 21+... +Qn X ，再將Wi ' 映射到區(qū)間[0，1 ]，菊
在步驟S1012之后，得到了待優(yōu)化的數(shù)學(xué)模型。
[0051] 步驟S1013,計(jì)算染色體種群q(t)中m個(gè)染色體的適應(yīng)度值。根據(jù)待優(yōu)化的數(shù)學(xué)模 型計(jì)算染色體種群q(t)中各個(gè)染色體的適應(yīng)度值，適應(yīng)度值是通過適應(yīng)度函數(shù)計(jì)算的值， 用于評價(jià)各個(gè)染色體的適應(yīng)度。
[0052] 步驟S1014,選取適應(yīng)度值最高的前r個(gè)染色體保留。在對m個(gè)染色體進(jìn)行排序之 后，保留排序在前r的染色體，其中，r<m。
[0053] 步驟S1015,用分布估計(jì)產(chǎn)生后m-r個(gè)染色體。對于排序在r之后的染色體，采用分 布估計(jì)算法重新生成m-r個(gè)染色體來替換排序在r之后的染色體。
[0054] 步驟S1016,令優(yōu)化次數(shù)t = t+l，在步驟S1015之后產(chǎn)生的染色體種群為q(t)。
[0化5] 步驟S1017,判斷t是否等于N，如果t等于N，結(jié)束優(yōu)化過程，如果t不等于N，返回步 驟S1012。
[0056] 在完成優(yōu)化過程之后，單變量分布估計(jì)算法結(jié)束，得到了優(yōu)化好的參數(shù)。
[0057] 如果通過單變量分布估計(jì)算法計(jì)算PID控制參數(shù)，則在通過第一預(yù)設(shè)算法計(jì)算PID 控制參數(shù)之前，確定PID控制參數(shù)的初始染色體種群，其中，PID控制參數(shù)的初始染色體種群 包括多個(gè)染色體，多個(gè)染色體用于在通過預(yù)設(shè)解碼算法進(jìn)行解碼之后確定PID控制參數(shù)的 初始值。
[0化引例如，PID控制參數(shù)包括kp、ki和kdS個(gè)參數(shù)，對應(yīng)的染色體種群分別包括化、化和 Nd位二進(jìn)制碼，染色體種群分別對應(yīng)kp、ki和kd取值大小。
[0059] PID控制參數(shù)的初始染色體種群可W是通過隨機(jī)算法產(chǎn)生的。在確定PID控制參數(shù) 的初始染色體種群之后，通過適應(yīng)度函數(shù)計(jì)算PID控制參數(shù)的初始染色體種群中各個(gè)染色 體的適應(yīng)度值;根據(jù)適應(yīng)度值的大小對PID控制參數(shù)的初始染色體種群中各個(gè)染色體進(jìn)行 排序;通過預(yù)設(shè)更新算法更新在PID控制參數(shù)的初始染色體種群中排序在預(yù)設(shè)序號之后的 染色體，得到PID控制參數(shù)的優(yōu)化染色體種群。
[0060] 在得到PID控制參數(shù)的優(yōu)化染色體種群之后，判斷是否滿足停止單變量分布估計(jì) 算法的條件。判斷條件可W是判斷優(yōu)化次數(shù)是否到達(dá)預(yù)設(shè)次數(shù)，也可W判斷優(yōu)化染色體種 群在通過預(yù)設(shè)解碼算法解碼之后得到的PID控制參數(shù)是否達(dá)到預(yù)設(shè)的控制指標(biāo)，其中，控制 指標(biāo)是指響應(yīng)時(shí)間、超調(diào)量、穩(wěn)態(tài)誤差等對控制器的控制性能進(jìn)行評價(jià)的指標(biāo)。
[0061] 在判斷是否滿足停止單變量分布估計(jì)算法的條件之后，如果判斷出滿足停止單變 量分布估計(jì)算法的條件，通過預(yù)設(shè)解碼算法對PID控制參數(shù)的優(yōu)化染色體種群進(jìn)行解碼，得 至化ID控制參數(shù);如果判斷出不滿足停止單變量分布估計(jì)算法的條件，將PID控制參數(shù)的優(yōu) 化染色體種群作為PID控制參數(shù)的初始染色體種群，重新執(zhí)行通過第一預(yù)設(shè)算法計(jì)算PID控 制參數(shù)，并將優(yōu)化次數(shù)累加一次。
[0062] 步驟S102,通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)。
[0063] 模糊算法參數(shù)用于計(jì)算模糊控制參數(shù)，計(jì)算模糊控制參數(shù)的方式為根據(jù)模糊算法 計(jì)算模糊控制參數(shù)。
[0064] 模糊控制參數(shù)是模糊控制器的參數(shù)，是PID控制參數(shù)的增量，模糊控制器用于調(diào)整 PID控制器的系數(shù)。
[0065] 模糊控制器的輸入量是被控對象的輸出量與目標(biāo)量的偏差值e，模糊控制器的輸 出用于輸入被控對象，模糊控制器的輸出為被控對象的模糊控制參數(shù)，被控對象同時(shí)受PID 控制器和模糊控制器的控制，接收模糊控制器輸出的被控對象的控制參數(shù)和PID控制器輸 出的被控對象的控制參數(shù)的總和。
[0066] 模糊控制器的數(shù)學(xué)模型如公式3所示，
[0067]
(公式 3)
[006引公式3中，山化)是第k個(gè)采樣時(shí)刻的模糊控制器的輸出，A kp、A ki和A kd是kp、ki和 kd的增量。通過第二預(yù)設(shè)算法計(jì)算模糊控制參數(shù)即是通過算法確定出模糊控制器的數(shù)學(xué)模 型的系數(shù)，W調(diào)整被控對象輸出的量，其中，模糊控制參數(shù)可W是A kp、A ki和A kd。
[0069] 模糊算法是一種常用的算法，包括模糊化、模糊推理和反模糊化=個(gè)計(jì)算過程。在 確定出模糊算法參數(shù)之后，可W通過模糊算法計(jì)算出模糊控制參數(shù)。
[0070] 模糊化過程是對模糊控制器的輸入量進(jìn)行模糊化得到輸入量的模糊量的過程，模 糊化過程需要兩個(gè)輸入量，一個(gè)是被控對象的輸出量與目標(biāo)量的偏差值e，另一個(gè)是被控對 象的輸出量與目標(biāo)量的偏差的變化率e。。對于離散系統(tǒng)來說，e。是當(dāng)前采樣時(shí)刻的被控對象 的輸出量與目標(biāo)量的偏差值e化)與當(dāng)前時(shí)刻的上一時(shí)刻的被控對象的輸出量與目標(biāo)量的 偏差值e化-1)的差值。
[0071] 首先確定對兩個(gè)輸入量模糊化的目標(biāo)，也即，將兩個(gè)輸入量定義到n個(gè)模糊子集 中，每個(gè)模糊子集用一個(gè)模糊語言值來表示。例如，分別將e和e。定義到7個(gè)模糊子集{NB， 醒，NS，ZO，PS，PM，PB}中，其中，NB，醒，NS，ZO，PS，PM和PB為模糊語言值，分別表示負(fù)大，負(fù) 中，負(fù)小，零，正小，正中，正大。將兩個(gè)輸入量定義到n個(gè)模糊子集中是采用隸屬度函數(shù)進(jìn)行 定義的，隸屬度函數(shù)可W是均勻隸屬度函數(shù)(公式4)、S角形隸屬度函數(shù)(公式5)或者高斯 隸屬度函數(shù)(公式6)。
[0072] (:勞式 4):
[0073] (公式 5)
[麵] (公式6)
[0075] 其中，X是輸入變量，a、b、c是不同隸屬度函數(shù)的參數(shù)，通過調(diào)整參數(shù)可W改變函數(shù) 形狀，W適應(yīng)不同系統(tǒng)不同輸入變量在不同值域時(shí)的控制要求。模糊算法參數(shù)可W包括隸 屬度函數(shù)標(biāo)識和/或隸屬度函數(shù)參數(shù)。隸屬度函數(shù)標(biāo)識為隸屬度函數(shù)的標(biāo)識，可W用數(shù)字代 碼來表示，例如，00表示均勻隸屬度函數(shù)，Ol表示=角形隸屬度函數(shù)，10表示高斯隸屬度函 數(shù)。隸屬度函數(shù)參數(shù)為隸屬度函數(shù)的參數(shù)。
[0076] 在將輸入量模糊化之后，根據(jù)模糊算法的輸入量的模糊量通過模糊推理過程推出 模糊控制參數(shù)的模糊量。模糊算法的輸入量的模糊量為采用模糊語言值表示的模糊算法的 輸入量，模糊控制參數(shù)的模糊量為采用模糊語言值表示的模糊控制參數(shù)，模糊控制參數(shù)的 模糊量可W在反模糊化過程之后求解出模糊控制參數(shù)，其中，反模糊化過程需要用到隸屬 度函數(shù)和隸屬度函數(shù)參數(shù)。
[0077] 模糊推理過程為根據(jù)模糊規(guī)則庫確定模糊控制參數(shù)的模糊量的過程。模糊規(guī)則庫 包括多個(gè)模糊規(guī)則，模糊規(guī)則庫用于根據(jù)模糊算法的輸入量的模糊量確定對應(yīng)的模糊規(guī) 貝1J，對應(yīng)的模糊規(guī)則用于確定模糊控制參數(shù)的模糊量。模糊規(guī)則庫可W是通過模糊規(guī)則系 統(tǒng)生成的模糊規(guī)則庫，模糊規(guī)則系統(tǒng)可W是一個(gè)專家系統(tǒng)，該專家系統(tǒng)用于生成模糊規(guī)則。 [007引舉例而言，分別將e和ec定義到7個(gè)模糊子集{NB，匪，NS，ZO，PS，PM，PB}中，其中， NB，醒，NS，ZO，PS，PM和PB分別表示負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大，模糊規(guī)則庫的二 維控制表可W如表1所示。
[0079] 表1模糊規(guī)則庫的A kp的二維控制表
[0080]
[0081] 表1為模糊控制參數(shù)Akp的二維控制表，根據(jù)e和e。的模糊量可W找到對應(yīng)的模糊 控制參數(shù)Akp的模糊量。
[0082] 表2模糊規(guī)則庫的A ki的二維控制表
[0083]
[0084] 表2為模糊控制參數(shù)A ki的二維控制表，根據(jù)e和ec的模糊量可W找到對應(yīng)的模糊 控制參數(shù)Aki的模糊量。
[0085] 表3模糊規(guī)則庫的A kd的二維控制表
[0086]
[0087] 表3為模糊控制參數(shù)A kd的二維控制表，根據(jù)e和ec的模糊量可W找到對應(yīng)的模糊 控制參數(shù)Akd的模糊量。
[0088] 在確定模糊控制參數(shù)的模糊量之后，通過反模糊化過程求解除模糊控制參數(shù)。反 模糊化的過程如公式7所示，
[0089]
(公式 7)
[0090] 式中，Ak表示任意一個(gè)模糊控制參數(shù)，G為該模糊控制參數(shù)對應(yīng)的比例因子，G等 于模糊控制參數(shù)的范圍與模糊子集的個(gè)數(shù)之比，Wi為模糊控制參數(shù)的模糊量，化為Wi在各個(gè) 模糊子集中對應(yīng)的隸屬度函數(shù)值。
[0091] 圖3是根據(jù)本發(fā)明實(shí)施例的模糊算法的流程圖，通過模糊算法求解模糊控制參數(shù) 的流程如圖3所示。
[0092] 步驟S1021為通過第二預(yù)設(shè)算法確定模糊算法參數(shù)，步驟S1022在步驟S1021之后 執(zhí)行，步驟S1022為根據(jù)模糊算法參數(shù)對e和ec執(zhí)行模糊化過程，得到e和ec的模糊量，模糊算 法參數(shù)可W包括隸屬度函數(shù)標(biāo)識和隸屬度函數(shù)參數(shù)。步驟S1023為模糊推理過程，具體地， 根據(jù)e和e。的模糊量在模糊規(guī)則庫中確定模糊控制參數(shù)的模糊量，在確定模糊控制參數(shù)的 模糊量之后，執(zhí)行步驟S1024,解模糊化過程，根據(jù)模糊算法參數(shù)求解模糊控制參數(shù)的模糊 量，得到模糊控制參數(shù)。
[0093] 在通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)之前，還需要獲取被控對象的傳遞函數(shù)。 通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)可W是通過試驗(yàn)法，通過人工試驗(yàn)不同的模糊算法參 數(shù)計(jì)算出來的模糊控制參數(shù)對被控對象的控制效果，根據(jù)被控對象的輸出與目標(biāo)輸出的差 值來人工調(diào)試模糊算法參數(shù)。
[0094] 優(yōu)選地，在通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)之前，確定模糊算法參數(shù)的初始 值，通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)包括:通過第二評價(jià)算法計(jì)算模糊算法參數(shù)的初 始值對被控對象的傳遞函數(shù)的控制指標(biāo);通過第二優(yōu)化算法對模糊算法參數(shù)的初始值進(jìn)行 優(yōu)化，得到模糊算法參數(shù)。
[00M]在確定PID控制參數(shù)和模糊算法參數(shù)之后，PID控制參數(shù)和模糊算法參數(shù)不變，PID 控制器的數(shù)學(xué)模型的系數(shù)不變，模糊控制器的數(shù)學(xué)模型的系數(shù)根據(jù)模糊控制器的輸入量的 變化而變化。
[0096] 優(yōu)選地，第二預(yù)設(shè)算法為單變量分布估計(jì)算法，在通過第二預(yù)設(shè)算法計(jì)算模糊算 法參數(shù)之前，確定模糊算法參數(shù)的初始染色體種群，其中，模糊算法參數(shù)的初始染色體種群 包括多個(gè)染色體，多個(gè)染色體用于在通過預(yù)設(shè)解碼算法進(jìn)行解碼之后確定模糊算法參數(shù)的 初始值。
[0097] 在確定模糊算法參數(shù)的初始染色體種群之后，通過適應(yīng)度函數(shù)計(jì)算模糊算法參數(shù) 的初始染色體種群中各個(gè)染色體的適應(yīng)度值;根據(jù)適應(yīng)度值的大小對模糊算法參數(shù)的初始 染色體種群中各個(gè)染色體進(jìn)行排序;通過預(yù)設(shè)更新算法更新在模糊算法參數(shù)的初始染色體 種群中排序在預(yù)設(shè)序號之后的染色體，得到模糊算法參數(shù)的優(yōu)化染色體種群;判斷是否滿 足停止單變量分布估計(jì)算法的條件；如果判斷出滿足停止單變量分布估計(jì)算法的條件，通 過預(yù)設(shè)解碼算法對模糊算法參數(shù)的優(yōu)化染色體種群進(jìn)行解碼，得到模糊算法參數(shù)；W及如 果判斷出不滿足停止單變量分布估計(jì)算法的條件，將模糊算法參數(shù)的優(yōu)化染色體種群作為 模糊算法參數(shù)的初始染色體種群，重新執(zhí)行通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)。
[0098] 優(yōu)選地，在通過適應(yīng)度函數(shù)計(jì)算模糊算法參數(shù)的初始染色體種群中各個(gè)染色體的 適應(yīng)度值之后，更新模糊算法參數(shù)的歷史最優(yōu)染色體種群中的染色體，其中，模糊算法參數(shù) 的歷史最優(yōu)染色體種群中的各個(gè)染色體的值為模糊算法參數(shù)的初始染色體種群中各個(gè)染 色體的歷史記錄中適應(yīng)度值最大的值，確定模糊算法參數(shù)的初始染色體種群包括:根據(jù)模 糊算法參數(shù)的歷史最優(yōu)染色體種群確定模糊算法參數(shù)的初始染色體種群。
[0099] 步驟S103,獲取被控對象的輸出量和目標(biāo)量，其中，被控對象為模糊PID控制器的 控制對象，被控對象的目標(biāo)量為被控對象預(yù)設(shè)的目標(biāo)輸出量。
[0100] 優(yōu)選地，獲取被控對象的輸出量和目標(biāo)量可W是獲取主蒸汽參數(shù)采樣值，其中，主 蒸汽參數(shù)采樣值是對主蒸汽參數(shù)進(jìn)行采樣得到的采樣值，其中，主蒸汽參數(shù)是鍋爐的主蒸 汽的溫度參數(shù)或壓力參數(shù)，主蒸汽參數(shù)是被控對象，主蒸汽參數(shù)采樣值是被控對象的輸出 量;W及獲取主蒸汽參數(shù)設(shè)定值，其中，主蒸汽參數(shù)設(shè)定值為被控對象的目標(biāo)量。
[0101] 步驟S104,根據(jù)被控對象的輸出量和目標(biāo)量、PID控制參數(shù)和模糊算法參數(shù)確定被 控對象的控制參數(shù)。
[0102] 優(yōu)選地，根據(jù)被控對象的輸出量和目標(biāo)量、PID控制參數(shù)和模糊算法參數(shù)確定被控 對象的控制參數(shù)可W是根據(jù)被控對象的輸出量和目標(biāo)量和模糊算法參數(shù)計(jì)算模糊控制參 數(shù);根據(jù)被控對象的輸出量和目標(biāo)量和模糊控制參數(shù)確定被控對象的模糊控制參數(shù);根據(jù) 被控對象的輸出量和目標(biāo)量和PID控制參數(shù)確定被控對象的PID控制參數(shù)；W及將確定的模 糊控制參數(shù)和PID控制參數(shù)相加，得到被控對象的控制參數(shù)。
[0103] 步驟S105,向被控對象輸入確定的控制參數(shù)。
[0104] 向被控對象輸入確定的控制參數(shù)，確定的控制參數(shù)為確定的模糊控制參數(shù)和PID 控制參數(shù)的總和，確定的控制參數(shù)的值是模糊控制器和PID控制器分別根據(jù)被控對象的目 標(biāo)量與輸出量的偏差所輸出的值的總和。
[0105] 該實(shí)施例提供的模糊PID控制方法，通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù);通過第 二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)，其中，模糊算法參數(shù)用于計(jì)算模糊控制參數(shù)，其中，第一預(yù) 設(shè)算法和/或第二預(yù)設(shè)算法為單變量分布估計(jì)算法;獲取被控對象的輸出量和目標(biāo)量，其 中，被控對象為模糊PID控制器的控制對象，被控對象的目標(biāo)量為被控對象預(yù)設(shè)的目標(biāo)輸出 量；W及根據(jù)被控對象的輸出量和目標(biāo)量、PID控制參數(shù)和模糊算法參數(shù)確定被控對象的控 制參數(shù)；向被控對象輸入確定的控制參數(shù)，解決了相關(guān)技術(shù)中的模糊PID控制方法的控制性 能較差的問題，進(jìn)而達(dá)到了提高模糊PID控制方法的控制性能的效果。
[0106] 圖4是根據(jù)本發(fā)明實(shí)施例的PID控制參數(shù)和模糊算法參數(shù)優(yōu)化方法的流程圖。通過 PID控制參數(shù)和模糊算法參數(shù)優(yōu)化方法確定出PID控制參數(shù)和模糊算法參數(shù)之后，可W根據(jù) 被控對象的輸出量與目標(biāo)量的偏差對被控對象執(zhí)行控制。
[0107] 如圖4所示，PID控制參數(shù)和模糊算法參數(shù)優(yōu)化方法包括W下步驟：
[0108] 步驟一，產(chǎn)生PID控制參數(shù)和模糊算法參數(shù)的染色體種群。染色體種群為一個(gè)矩 陣，包括多個(gè)染色體，每個(gè)染色體為一個(gè)數(shù)值。PID控制參數(shù)和模糊算法參數(shù)的染色體種群 中包括PID控制參數(shù)基因和模糊算法參數(shù)基因，其中，基因?yàn)槿旧w種群中的染色體。
[0109] 步驟二，將PID控制參數(shù)基因和模糊算法參數(shù)基因分別轉(zhuǎn)換為基因顯型，也即，通 過預(yù)設(shè)解碼算法分別對PID控制參數(shù)基因和模糊算法參數(shù)基因進(jìn)行解碼，得到PID控制參數(shù) 和模糊算法參數(shù)。
[0110] 步驟=，將PID控制參數(shù)和模糊算法參數(shù)分別賦值到PID控制模塊和模糊控制模 塊，得到參數(shù)確定的模糊PID控制系統(tǒng)。
[0111] 步驟四，在步驟=之前，產(chǎn)生模擬信號。其中，模擬信號分為訓(xùn)練信號和測試信號。 訓(xùn)練信號用于作為PID控制器和模糊控制器的輸入信號對PID控制參數(shù)和模糊算法參數(shù)進(jìn) 行訓(xùn)練。
[0112] 步驟五，在步驟=和步驟四之后，將訓(xùn)練信號輸入到參數(shù)確定的模糊PID控制系 統(tǒng)，根據(jù)模糊PID控制系統(tǒng)對訓(xùn)練新號的響應(yīng)對PID控制參數(shù)基因和模糊算法參數(shù)基因進(jìn)行 適應(yīng)度評估。
[0113] 步驟六，判斷是否滿足終止條件。
[0114] 步驟屯，在步驟六之后，如果判斷出不滿足終止條件，更新概率分布向量，其中， PID控制參數(shù)和模糊算法參數(shù)的染色體種群根據(jù)分布估計(jì)算法計(jì)算概率分布向量的結(jié)果進(jìn) 行更新，W調(diào)整PID控制參數(shù)和模糊算法參數(shù)。
[0115] 步驟八，在步驟六之后，如果判斷出滿足終止條件，則停止更新，得到調(diào)整好的模 糊PID控制系統(tǒng)。
[0116] 步驟九，在步驟六之后，如果判斷出滿足終止條件，則更新最優(yōu)染色體種群，其中， 最優(yōu)染色體種群中的各個(gè)染色體的值是歷史中適應(yīng)度最高的染色體值。
[0117] 步驟九，在步驟八之后，將測試信號輸入調(diào)整好的模糊PID控制系統(tǒng)，對調(diào)整好的 模糊PID控制系統(tǒng)對測試信號的控制性能進(jìn)行適應(yīng)度評估。
[0118] W具有不確定性、非線性、大慣性、大時(shí)延特性的火電廠鍋爐的主蒸汽溫度作為被 控對象，被控對象的傳遞函數(shù)為
'對其進(jìn)行仿真控制，輸入的測試信 號為方波，采用不同的控制方法進(jìn)行控制，得到結(jié)果如下：
[0119] 圖5是根據(jù)PID控制方法的仿真控制結(jié)果示意圖。如圖5所示，僅采用PID控制時(shí)，雖 然PID控制方法可W快速地進(jìn)行響應(yīng)，最終也能夠穩(wěn)定在目標(biāo)值上，但是由此帶來了較顯著 的超調(diào)，并且震蕩明顯，延長了調(diào)整時(shí)間。
[0120] 圖6是根據(jù)常規(guī)的模糊PID控制方法的仿真控制結(jié)果示意圖。常規(guī)的模糊PID控制 方法在PID控制的基礎(chǔ)上疊加了模糊控制修正，如圖6所示，常規(guī)的模糊PID控制方法不僅快 速地進(jìn)行了響應(yīng)，最終也能夠穩(wěn)定在目標(biāo)值上，而且基本消除了超調(diào)量，與僅采用PID控制 相比明顯縮短了調(diào)整時(shí)間，但是在模糊控制消除慣性的過程中帶來了一次明顯的震蕩。
[0121] 圖7是根據(jù)本發(fā)明實(shí)施例的模糊PID控制方法的仿真控制結(jié)果示意圖。如圖7所示， 采用單變量分布估計(jì)算法對PID控制參數(shù)和模糊算法參數(shù)進(jìn)行自整定優(yōu)化后，不僅可W快 速地進(jìn)行響應(yīng)，最終也能夠穩(wěn)定在目標(biāo)值上，而且基本消除了超調(diào)量，與PID控制方法和常 規(guī)的模糊PID控制方法相比明顯縮短了調(diào)整時(shí)間，并且也消除了模糊PID控制方法在消除慣 性的過程中帶來的一次明顯的震蕩。
[0122] 需要說明的是，在附圖的流程圖示出的步驟可W在諸如一組計(jì)算機(jī)可執(zhí)行指令的 計(jì)算機(jī)系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可W W不 同于此處的順序執(zhí)行所示出或描述的步驟。
[0123] 本發(fā)明的實(shí)施例還提供了一種模糊PID控制裝置。需要說明的是，本發(fā)明實(shí)施例的 模糊PID控制裝置可W用于執(zhí)行本發(fā)明的模糊PID控制方法。
[0124] 圖8是根據(jù)本發(fā)明實(shí)施例的模糊PID控制裝置的示意圖。如圖8所示，該裝置包括第 一計(jì)算單元10，第二計(jì)算單元20，獲取單元30，確定單元40和輸入單元50。
[0125] 第一計(jì)算單元10用于通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)。第二計(jì)算單元20用于 通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)，其中，模糊算法參數(shù)用于計(jì)算模糊控制參數(shù)，其中， 第一預(yù)設(shè)算法和/或第二預(yù)設(shè)算法為單變量分布估計(jì)算法。獲取單元30用于獲取被控對象 的輸出量和目標(biāo)量，其中，被控對象為模糊PID控制器的控制對象，被控對象的目標(biāo)量為被 控對象預(yù)設(shè)的目標(biāo)輸出量。確定單元40用于根據(jù)被控對象的輸出量和目標(biāo)量、PID控制參數(shù) 和模糊算法參數(shù)確定被控對象的控制參數(shù)。輸入單元50用于向被控對象輸入確定的控制參 數(shù)。
[0126] 該實(shí)施例提供的模糊PID控制裝置解決了相關(guān)技術(shù)中的模糊PID控制方法的控制 性能較差的問題，進(jìn)而達(dá)到了提高模糊PID控制方法的控制性能的效果。
[0127] 本發(fā)明的實(shí)施例還提供了一種鍋爐主蒸汽溫度和壓力的模糊PID控制系統(tǒng)。需要 說明的是，本發(fā)明實(shí)施例的鍋爐主蒸汽溫度和壓力的模糊PID控制系統(tǒng)包括本發(fā)明實(shí)施例 的模糊PID控制裝置，其中，被控對象為鍋爐的主蒸汽溫度參數(shù)和壓力參數(shù)，用于向被控對 象輸入確定的控制參數(shù)，該系統(tǒng)還包括采樣器，用于采集被控對象的輸出量。
[0128] 圖9是根據(jù)本發(fā)明實(shí)施例的鍋爐主蒸汽溫度和壓力的模糊PID控制系統(tǒng)的示意圖。 如圖9所示，該系統(tǒng)包括模糊PID控制裝置100和采樣器201。模糊PID控制裝置100包括數(shù)字 PID控制模塊101、模糊控制器102、后向差分器1021和單變量分布估計(jì)優(yōu)化模塊103。
[0129] 數(shù)字PID控制模塊101為PID控制器，單變量分布估計(jì)優(yōu)化模塊103對數(shù)字PID控制 模塊101的控制參數(shù)和計(jì)算模糊控制器102的控制參數(shù)的模糊算法參數(shù)進(jìn)行自整定優(yōu)化，確 定出數(shù)字PID控制模塊101的控制參數(shù)和模糊算法參數(shù)。
[0130] 采樣器201采集被控對象200的輸出量y(t)，與被控對象200的目標(biāo)量r(t)相減，得 到被控對象200的輸出量y(t)與目標(biāo)量r(t)的偏差e(t)。被控對象200可W是鍋爐的主蒸汽 溫度參數(shù)和壓力參數(shù)。
[0131] 數(shù)字PID控制模塊101對偏差e(t)進(jìn)行處理得到被控對象的第一控制參數(shù)U0。
[0132] 后向差分器1021對偏差e(t)進(jìn)行處理，將當(dāng)前采樣時(shí)刻的偏差e化)和上一采樣時(shí) 刻的偏差e化-1)相減得到偏差變化率e。，模糊控制器102根據(jù)模糊算法參數(shù)、偏差e (t)和偏 差e化-1)得到被控對象的第二控制參數(shù)m。
[0133] 將第一控制參數(shù)UO和第二控制參數(shù)Ui相加，得到被控對象的控制參數(shù)U，將控制參 數(shù)U輸入被控對象200 W實(shí)現(xiàn)對被控對象200的控制。
[0134] 顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可W用通用 的計(jì)算裝置來實(shí)現(xiàn)，它們可W集中在單個(gè)的計(jì)算裝置上，或者分布在多個(gè)計(jì)算裝置所組成 的網(wǎng)絡(luò)上，可選地，它們可W用計(jì)算裝置可執(zhí)行的程序代碼來實(shí)現(xiàn)，從而，可W將它們存儲 在存儲裝置中由計(jì)算裝置來執(zhí)行，或者將它們分別制作成各個(gè)集成電路模塊，或者將它們 中的多個(gè)模塊或步驟制作成單個(gè)集成電路模塊來實(shí)現(xiàn)。運(yùn)樣，本發(fā)明不限制于任何特定的 硬件和軟件結(jié)合。
[0135] W上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技 術(shù)人員來說，本發(fā)明可W有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修 改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種模糊PID控制方法，其特征在于，包括： 通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)； 通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)，其中，所述模糊算法參數(shù)用于計(jì)算模糊控制參 數(shù)，其中，所述第一預(yù)設(shè)算法和/或所述第二預(yù)設(shè)算法為單變量分布估計(jì)算法； 獲取被控對象的輸出量和目標(biāo)量，其中，所述被控對象為模糊PID控制器的控制對象， 所述被控對象的目標(biāo)量為所述被控對象預(yù)設(shè)的目標(biāo)輸出量； 根據(jù)所述被控對象的輸出量和目標(biāo)量、所述PID控制參數(shù)和所述模糊算法參數(shù)確定所 述被控對象的控制參數(shù);以及 向所述被控對象輸入確定的控制參數(shù)。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一預(yù)設(shè)算法為所述單變量分布估計(jì) 算法， 在通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)之前，所述方法還包括:確定所述PID控制參數(shù) 的初始染色體種群，其中，所述PID控制參數(shù)的初始染色體種群包括多個(gè)染色體，所述多個(gè) 染色體用于在通過預(yù)設(shè)解碼算法進(jìn)行解碼之后確定所述PID控制參數(shù)的初始值， 通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)包括:通過適應(yīng)度函數(shù)計(jì)算所述PID控制參數(shù)的初 始染色體種群中各個(gè)染色體的適應(yīng)度值;根據(jù)所述適應(yīng)度值的大小對所述PID控制參數(shù)的 初始染色體種群中各個(gè)染色體進(jìn)行排序;通過預(yù)設(shè)更新算法更新在所述PID控制參數(shù)的初 始染色體種群中排序在預(yù)設(shè)序號之后的染色體，得到所述PID控制參數(shù)的優(yōu)化染色體種群； 判斷是否滿足停止所述單變量分布估計(jì)算法的條件;如果判斷出滿足停止所述單變量分布 估計(jì)算法的條件，通過所述預(yù)設(shè)解碼算法對所述PID控制參數(shù)的優(yōu)化染色體種群進(jìn)行解碼， 得到所述PID控制參數(shù)；以及如果判斷出不滿足停止所述單變量分布估計(jì)算法的條件，將所 述PID控制參數(shù)的優(yōu)化染色體種群作為所述PID控制參數(shù)的初始染色體種群，重新執(zhí)行通過 第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第二預(yù)設(shè)算法為所述單變量分布估計(jì) 算法， 在通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)之前，所述方法還包括:確定所述模糊算法參 數(shù)的初始染色體種群，其中，所述模糊算法參數(shù)的初始染色體種群包括多個(gè)染色體，所述多 個(gè)染色體用于在通過預(yù)設(shè)解碼算法進(jìn)行解碼之后確定所述模糊算法參數(shù)的初始值， 通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)包括:通過適應(yīng)度函數(shù)計(jì)算所述模糊算法參數(shù)的 初始染色體種群中各個(gè)染色體的適應(yīng)度值;根據(jù)所述適應(yīng)度值的大小對所述模糊算法參數(shù) 的初始染色體種群中各個(gè)染色體進(jìn)行排序;通過預(yù)設(shè)更新算法更新在所述模糊算法參數(shù)的 初始染色體種群中排序在預(yù)設(shè)序號之后的染色體，得到所述模糊算法參數(shù)的優(yōu)化染色體種 群;判斷是否滿足停止所述單變量分布估計(jì)算法的條件；如果判斷出滿足停止所述單變量 分布估計(jì)算法的條件，通過所述預(yù)設(shè)解碼算法對所述模糊算法參數(shù)的優(yōu)化染色體種群進(jìn)行 解碼，得到所述模糊算法參數(shù)；以及如果判斷出不滿足停止所述單變量分布估計(jì)算法的條 件，將所述模糊算法參數(shù)的優(yōu)化染色體種群作為所述模糊算法參數(shù)的初始染色體種群，重 新執(zhí)行通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于， 在通過適應(yīng)度函數(shù)計(jì)算所述模糊算法參數(shù)的初始染色體種群中各個(gè)染色體的適應(yīng)度 值之后，所述方法還包括:更新所述模糊算法參數(shù)的歷史最優(yōu)染色體種群中的染色體，其 中，所述模糊算法參數(shù)的歷史最優(yōu)染色體種群中的各個(gè)染色體的值為所述模糊算法參數(shù)的 初始染色體種群中各個(gè)染色體的歷史記錄中適應(yīng)度值最大的值， 確定所述模糊算法參數(shù)的初始染色體種群包括:根據(jù)所述模糊算法參數(shù)的歷史最優(yōu)染 色體種群確定所述模糊算法參數(shù)的初始染色體種群。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，在根據(jù)所述被控對象的輸出量和目標(biāo)量、 所述PID控制參數(shù)和所述模糊算法參數(shù)向所述被控對象輸入總控制量之前，所述方法還包 括： 通過模糊規(guī)則系統(tǒng)生成模糊規(guī)則庫，其中，所述模糊規(guī)則系統(tǒng)用于生成所述模糊規(guī)則 庫，所述模糊規(guī)則庫包括多個(gè)模糊規(guī)則，所述模糊規(guī)則庫用于根據(jù)所述被控對象的輸出量 和目標(biāo)量確定對應(yīng)的模糊規(guī)則，所述對應(yīng)的模糊規(guī)則用于確定所述模糊控制參數(shù)的模糊 量，所述模糊控制參數(shù)的模糊量用于根據(jù)所述模糊算法參數(shù)計(jì)算所述模糊控制參數(shù)。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取所述被控對象的輸出量和目標(biāo)量包 括： 獲取主蒸汽參數(shù)采樣值，其中，所述主蒸汽參數(shù)采樣值是對主蒸汽參數(shù)進(jìn)行采樣得到 的采樣值，其中，所述主蒸汽參數(shù)是鍋爐的主蒸汽的溫度參數(shù)或壓力參數(shù)，所述主蒸汽參數(shù) 是所述被控對象，所述主蒸汽參數(shù)采樣值是所述被控對象的輸出量;以及 獲取主蒸汽參數(shù)設(shè)定值，其中，所述主蒸汽參數(shù)設(shè)定值為所述被控對象的目標(biāo)量。7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述被控對象的輸出量和目標(biāo)量、所 述PID控制參數(shù)和所述模糊算法參數(shù)確定所述被控對象的控制參數(shù)包括： 根據(jù)所述被控對象的輸出量和目標(biāo)量和所述模糊算法參數(shù)計(jì)算所述模糊控制參數(shù)； 根據(jù)所述被控對象的輸出量和目標(biāo)量和所述模糊控制參數(shù)確定所述被控對象的模糊 控制參數(shù)； 根據(jù)所述被控對象的輸出量和目標(biāo)量和所述PID控制參數(shù)確定所述被控對象的PID控 制參數(shù)；以及 將確定的模糊控制參數(shù)和PID控制參數(shù)相加，得到所述被控對象的控制參數(shù)。8. 根據(jù)權(quán)利要求1所述的方法，其特征在于， 在通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)之前，所述方法還包括:獲取所述被控對象的傳 遞函數(shù);確定所述PID控制參數(shù)的初始值， 在通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)之前，所述方法還包括:確定所述模糊算法參 數(shù)的初始值， 通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)包括:通過第一評價(jià)算法計(jì)算所述PID控制參數(shù)的 初始值對所述被控對象的傳遞函數(shù)的控制指標(biāo);通過第一優(yōu)化算法對所述PID控制參數(shù)的 初始值進(jìn)行優(yōu)化，得到所述PID控制參數(shù)， 通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)包括:通過第二評價(jià)算法計(jì)算所述模糊算法參數(shù) 的初始值對所述被控對象的傳遞函數(shù)的控制指標(biāo);通過第二優(yōu)化算法對所述模糊算法參數(shù) 的初始值進(jìn)行優(yōu)化，得到所述模糊算法參數(shù)。9. 一種模糊PID控制裝置，其特征在于，包括： 第一計(jì)算單元，用于通過第一預(yù)設(shè)算法計(jì)算PID控制參數(shù)； 第二計(jì)算單元，用于通過第二預(yù)設(shè)算法計(jì)算模糊算法參數(shù)，其中，所述模糊算法參數(shù)用 于計(jì)算模糊控制參數(shù)，其中，所述第一預(yù)設(shè)算法和/或所述第二預(yù)設(shè)算法為單變量分布估計(jì) 算法； 獲取單元，用于獲取被控對象的輸出量和目標(biāo)量，其中，所述被控對象為模糊PID控制 器的控制對象，所述被控對象的目標(biāo)量為所述被控對象預(yù)設(shè)的目標(biāo)輸出量； 確定單元，用于根據(jù)所述被控對象的輸出量和目標(biāo)量、所述PID控制參數(shù)和所述模糊算 法參數(shù)確定所述被控對象的控制參數(shù);以及 輸入單元，用于向所述被控對象輸入確定的控制參數(shù)。10.-種鍋爐主蒸汽溫度和壓力的模糊PID控制系統(tǒng)，其特征在于，包括權(quán)利要求9所述 的模糊PID控制裝置，用于向被控對象輸入確定的控制參數(shù)，其中，所述被控對象為鍋爐的 主蒸汽溫度參數(shù)和壓力參數(shù)，所述系統(tǒng)還包括： 采樣器，用于采集所述被控對象的輸出量。
【文檔編號】G05B13/04GK105955026SQ201610371439
【公開日】2016年9月21日
【申請日】2016年5月30日
【發(fā)明人】王天堃, 黃波波, 彭大天
【申請人】神華集團(tuán)有限責(zé)任公司, 神華國能集團(tuán)有限公司, 陜西德源府谷能源有限公司