如何自整定pid参数

Posted 2023-05-02

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了如何自整定pid参数相关的知识，希望对你有一定的参考价值。

参考技术A 确定控制器参数
数字PID控制器控制参数的选择，可按连续-时间PID参数整定方法进行。
在选择数字PID参数之前，首先应该确定控制器结构。对允许有静差（或稳态误差）的系统，可以适当选择P或PD控制器，使稳态误差在允许的范围内。对必须消除稳态误差的系统，应选择包含积分控制的PI或PID控制器。一般来说，PI、PID和P控制器应用较多。对于有滞后的对象,往往都加入微分控制。
选择参数
控制器结构确定后，即可开始选择参数。参数的选择，要根据受控对象的具体特性和对控制系统的性能要求进行。工程上，一般要求整个闭环系统是稳定的，对给定量的变化能迅速响应并平滑跟踪，超调量小；在不同干扰作用下，能保证被控量在给定值；当环境参数发生变化时，整个系统能保持稳定，等等。这些要求，对控制系统自身性能来说，有些是矛盾的。我们必须满足主要的方面的要求，兼顾其他方面，适当地折衷处理。

PID控制器的参数整定，可以不依赖于受控对象的数学模型。工程上，PID控制器的参数常常是通过实验来确定，通过试凑，或者通过实验经验公式来确定。

常用的方法，采样周期选择，
实验凑试法
实验凑试法是通过闭环运行或模拟，观察系统的响应曲线，然后根据各参数对系统的影响，反复凑试参数，直至出现满意的响应，从而确定PID控制参数。
整定步骤
实验凑试法的整定步骤为"先比例，再积分，最后微分"。

（1）整定比例控制

将比例控制作用由小变到大，观察各次响应，直至得到反应快、超调小的响应曲线。

（2）整定积分环节

若在比例控制下稳态误差不能满足要求，需加入积分控制。

先将步骤（1）中选择的比例系数减小为原来的50～80％，再将积分时间置一个较大值，观测响应曲线。然后减小积分时间，加大积分作用，并相应调整比例系数，反复试凑至得到较满意的响应，确定比例和积分的参数。

（3）整定微分环节

若经过步骤（2），PI控制只能消除稳态误差，而动态过程不能令人满意，则应加入微分控制，构成PID控制。

先置微分时间TD=0，逐渐加大TD，同时相应地改变比例系数和积分时间，反复试凑至获得满意的控制效果和PID控制参数。

实验经验法
扩充临界比例度法
实验经验法调整PID参数的方法中较常用的是扩充临界比例度法,其最大的优点是，参数的整定不依赖受控对象的数学模型，直接在现场整定、简单易行。

扩充比例度法适用于有自平衡特性的受控对象，是对连续-时间PID控制器参数整定的临界比例度法的扩充。
整定步骤
扩充比例度法整定数字PID控制器参数的步骤是：

（1）预选择一个足够短的采样周期TS。一般说TS应小于受控对象纯延迟时间的十分之一。

（2）用选定的TS使系统工作。这时去掉积分作用和微分作用，将控制选择为纯比例控制器，构成闭环运行。逐渐减小比例度，即加大比例放大系数KP，直至系统对输入的阶跃信号的响应出现临界振荡（稳定边缘），将这时的比例放大系数记为Kr,临界振荡周期记为Tr。

（3）选择控制度。

控制度，就是以连续-时间PID控制器为基准，将数字PID控制效果与之相比较。

通常采用误差平方积分

作为控制效果的评价函数。

定义控制度

（3-25）

采样周期TS的长短会影响采样-数据控制系统的品质，同样是最佳整定，采样-数据控制系统的控制品质要低于连续-时间控制系统。因而，控制度总是大于1的，而且控制度越大，相应的采样-数据控制系统的品质越差。控制度的选择要从所设计的系统的控制品质要求出发。

（4）查表确定参数。根据所选择的控制度，查表3一2，得出数字PID中相应的参数TS,KP,TI和TD。

（5）运行与修正。将求得的各参数值加入PID控制器,闭环运行,观察控制效果,并作适当的调整以获得比较满意的效果。本回答被提问者和网友采纳

模糊PID控温算法的具体实现：参数自整定模糊PID算法概念

　　上个学期已经基本上实现了PID的温控算法，为了撰写小论文，这个学期最先要做的事情就是实现模糊PID的温控算法。

　　模糊控制系统的构成与与常规的反馈控制系统的主要区别在于控制器主要是由模糊化，模糊推理机和精确化三个功能模块和知识库（包括数据库和规则库）构成的。具体实现过程如下所示：

(1)预处理：

　　输入数据往往是通过测量设备测量得到的一个具体数据，预处理就是在它们进入控制器前对这些数据进行分类，或性质程度的定义。预处理过程也是量化过程，它是在离散空间中把输入数据划分为若干个数字级别。例如，假设一个反馈误差为 4.5，误差空间是(-5,-4…4,5)，量化器会使它靠近离它最近的级别，四舍五入到 5。称量化器量化的比例为量化因子。量化过程是个削减数据量的方法，但是如果量化过于粗糙，控制器会振荡甚至失去平衡。

(2)模糊化

　　在进行模糊化时，需要确定模糊集论域中语言变量各值所对应的模糊子集的隶属度函数。隶属度函数一般是根据操作者的经验初步确定，在调试开发甚至控制器运行中需不断修正和优化，以满足控制的要求。隶属度函数的形状很多，但是影响模糊控制器性能的关键因素是各模糊集覆盖论域的情况，而隶属函数的形状在达到控制要求方面并无大的差别，为使数学表达和运算简单，一般选用三角形、梯形隶属函数。但隶属函数的幅宽大小对性能影响较大，隶属函数形状较陡时，引起的输出变化较剧烈，控制的灵敏度高；隶属函数形状平缓时，引起的输出变化较缓慢，对系统的稳定性好。因此，在选择隶属函数时，一般在偏差较小或接近于零附近时，采用形状较陡的隶属函数；而在偏差较大的区域采用形状平缓的隶属函数，以使系统具有良好的鲁棒性。而且在实际工作中，不应出现三个隶属函数相交的状态。一般，任何两个模糊子集的交集的最大隶属度中的最大值取为 0.4~0.8 之间。另外，隶属函数的位置分布对控制性能也有一定的影响，当函数在整个论域平均分布时，控制效果并不好，因此，一般将零固定，其它模糊子集向零集靠拢，以达到较好的控制效果。

(3)设计控制规则表　　

　　规则的条件和结论中要用到一些变量，控制器用来解决多输入多输出和单输入单输出问题，传统的单输入单输出问题是基于误差 E 调节控制信号，有时也需要误差的变化速度还有累积误差，但是我们也称之为单输入单输出系统，因为从原则上讲，这三个量都来源于对误差的测量。简单地说，我们的控制对象如果是围绕着一个标准值被调节，我们的陈述及研究仅限于单输入单输出系统而言。

　　规则格式：基本上，一个模糊语言控制器都包含 LIWKHQ 形式的规则，但也有其他规则格式。在多数系统中，规则以这样的形式展现：

　　if A is NB and B is NB, then c is NB (2-11) 　　

　　式中 Zero，Pos，Nag——模糊集的标签： Z、PB 、 NM ——表示零点，正大和负中

(4)推理机

　　规则只反应了控制信号是误差和误差变化率等量通过了计算得到的。而推理决策才是模糊控制的核心，它利用知识库中的信息和模糊运算方式，模拟人的推理决策的思想方法，在一定的输入条件下激活相应的控制规则给出适当的模糊控制输出。

　　这一部分可以通过设计不同推理算法的软件在计算机上来实现，也可以采用专门设计的模糊推理硬件集成电路芯片来实现。由于基于模糊推理的硬件集成电路价格一般比较高，目前多数模糊控制器采用软件在计算机上实现。

(5)精确化

　　通过模糊化推理得到的结果是一个模糊量，是一组具有多个隶属度值的模糊向量。而控制系统执行的输出信号是一个确定的量值，因此，在模糊控制应用中，必须将控制器的模糊输出量转化成一个确定值，即进行精确化过程。常用的精确化方法有两种，即最大隶属度法和重心法。对于最大隶属度法，若输出量模糊集合的隶属度函数只有一个峰值，则取隶属度函数的最大值为精确值，选取模糊子集中隶属度最大的元素作为控制量。若输出模糊向量中有多个最大值，一般取这些元素的平均值作为控制量。最大隶属度法的优点是计算简单，但由于该法利用的信息量较少，会引起一定的控制偏差，一般应用于控制精度要求不高的场合。

　　重心法是取模糊隶属度函数曲线与横坐标围成面积的中心为模糊推理输出的精确值，对于有 N个输出量化级数的离散域情况有：技术分享

　　这里 x_i是离散空间里不同的点，i(x_i) 是它在隶属函数中的隶属度，表达式可以理解为在设定隶属集中的重心。对于连续的情况，可以把作和替换成积分来算。计算量相对高些，但算法相对精确，因此也是最常用的算法之一。

　　最大隶属度法，这种方法最简单，只要在推理结论的模糊集合中取隶属度最大的那个元素作为输出量即可。这种方法不考虑隶属函数的形状。

(6) 后处理

　　系统控制输出值只是相对的，并不是实际控制量，相对控制量与实际工程所需值有个比例关系，再后处理过程中，要乘上这个输出比例因子，并赋予有实际意义的单位像是电压、米、公斤等，例如(-2，2)表示电压(-10 V，10V)。

　　以上就是模糊控制算法的主要内容。模糊控制算法最大的特点是不必完全通晓一个系统的数学模型，就可以实现控制效果。所以对于数学模型难以确定的系统而言有很大的优势，但是由于模糊控制算法中不存在积分项，所以控制结果容易产生静差。为了消除这一个缺陷，我们可以将模糊控制算法和PID算法结合起来，从而得到参数自整定模糊PID算法。

　　参数自整定模糊PID算法的框图如下所示：

　　技术分享