基于新型極值函數(shù)指標的智能自整定pid室溫控制算法
【專利摘要】本發(fā)明公開了一種基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，通過構建智能自整定PID控制器，將空調(diào)系統(tǒng)的期望輸出與實際輸出經(jīng)轉換器轉換為自整定算法所需要的輸入，然后經(jīng)權值學習以及比例系數(shù)的實時調(diào)整后，得到智能自整定PID控制器的輸出。本發(fā)明采用智能自整定算法和PI/PID控制相結合的算法，可在一定程度上解決空調(diào)系統(tǒng)室溫控制中PID控制器參數(shù)不易在線實時整定的問題，提高控制系統(tǒng)的魯棒性和自適應性，從而適應空調(diào)系統(tǒng)中復雜的工況變化和滿足高精度控制的要求。
【專利說明】基于新型極值函數(shù)指標的智能自整定PID室溫控制算法

【技術領域】
[0001] 本發(fā)明涉及一種基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，屬于空 調(diào)自動控制領域。

【背景技術】
[0002] 在空調(diào)控制領域，被控對象變量（如室內(nèi)溫、濕度）通常具有非線性、純延遲、時變 和強耦合等特性，并受各種不確定干擾因素（人員流動、門窗啟閉、設備散熱等）影響，解決 以上問題的最好方法是采用自適應控制，這就要求控制器參數(shù)能夠隨空調(diào)對象特性變化而 不斷地調(diào)整。自適應控制有間接和直接兩種方式，前者是通過辨識對象本身的參數(shù)模型來 調(diào)整控制器的參數(shù)，而后者則是直接估計控制器的參數(shù)。當前，線性系統(tǒng)的自適應控制問題 已基本解決，而非線性系統(tǒng)的自適應控制還存在一些難點，神經(jīng)網(wǎng)絡的興起為解決非線性 系統(tǒng)的自適應控制問題帶來了生機，其原因在于神經(jīng)網(wǎng)絡具有很強的非線性逼進能力和自 學習能力。
[0003] 人工神經(jīng)網(wǎng)絡的研究始于上世紀的40年代，60多年來，它經(jīng)歷了一條由興起到蕭 條、又由蕭條到興盛的曲折發(fā)展道路。目前神經(jīng)網(wǎng)絡的應用已經(jīng)滲透到自動控制領域的各 個方面，包括系統(tǒng)辨識、系統(tǒng)控制、優(yōu)化計算以及控制系統(tǒng)的故障診斷與容錯控制等。
[0004] 神經(jīng)網(wǎng)絡是以神經(jīng)元為節(jié)點，采用某種網(wǎng)絡拓撲結構構成的活性網(wǎng)絡，從理論上 講它能夠充分逼近任意復雜的非線性關系，且可實現(xiàn)任意的非線性映射。從20世紀90年 代初開始，控制工程領域的研究人員即開始將神經(jīng)網(wǎng)絡引入傳統(tǒng)的自適應控制研究。
[0005] 神經(jīng)網(wǎng)絡自適應控制技術在空調(diào)領域的應用同樣起源于上世紀90年代，并受到 了越來越多的重視。在神經(jīng)網(wǎng)絡自適應控制應用在空調(diào)系統(tǒng)的眾多文獻中，通常采用神經(jīng) 網(wǎng)絡對被控對象進行在線的辨識，然后在此基礎上選擇神經(jīng)網(wǎng)絡或者其他類型控制算法。 [0006] 在神經(jīng)網(wǎng)絡控制中有種特殊的控制方式--單神經(jīng)元控制，它直接利用神經(jīng)網(wǎng)絡 的連接機制來建立被控系統(tǒng)的非線性控制器，從而無須再進行被控的非線性系統(tǒng)的特性辨 識，而且控制功能的實現(xiàn)也無須事先進行網(wǎng)絡訓練。
[0007] 單神經(jīng)元具有良好的自學習和自適應能力，且結構簡單易于計算。而傳統(tǒng)PI/PID 控制器由于算法簡單、魯棒性好及可靠性高等優(yōu)點而在空調(diào)控制系統(tǒng)中得到了普遍采用， 但普遍存在著參數(shù)整定不良，對運行工況的變化適應性不好等問題。
[0008] 神經(jīng)元控制方法和普通PID控制相結合可以實現(xiàn)智能自適應PID控制方法。


【發(fā)明內(nèi)容】

[0009] 本發(fā)明提供了一種基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，利用 智能自適應控制算法和PI/PID控制相結合的方法，不需要在線辨識環(huán)節(jié)。
[0010] 本發(fā)明所采用的技術方案如下：
[0011] 基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，包括以下步驟：
[0012] 1)構建智能自整定PID控制器；
[0013] 2)基于改進的極值函數(shù)指標函數(shù)，得到智能自整定PID控制器的權值的學習算 法；
[0014] 3)建立比例系數(shù)的實時調(diào)整算法；
[0015] 4)將所述步驟2)的權值的學習算法和步驟3)的比例系數(shù)的實時調(diào)整算法帶入智 能自整定PID控制器進行實時調(diào)整，得到智能自整定PID控制器的實時輸出。
[0016] 前述的步驟1)，智能自整定PID控制器是指將空調(diào)系統(tǒng)的期望輸出與實際輸出經(jīng) 轉換器轉換為自整定算法所需要的輸入，經(jīng)權值學習以及比例系數(shù)的實時調(diào)整后，得到智 能自整定PID控制器的輸出。
[0017] 前述的將空調(diào)系統(tǒng)的期望輸出與實際輸出經(jīng)轉換器轉換為自整定算法所需要的 輸入的表達式如下：
[0018]

【權利要求】
1. 基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，其特征在于，包括以下步 驟： 1) 構建智能自整定PID控制器； 2) 基于改進的極值函數(shù)指標函數(shù)，得到智能自整定PID控制器的權值的學習算法； 3) 建立比例系數(shù)的實時調(diào)整算法； 4) 將所述步驟2)的權值的學習算法和步驟3)的比例系數(shù)的實時調(diào)整算法帶入智能自 整定PID控制器進行實時調(diào)整，得到智能自整定PID控制器的實時輸出。
2. 根據(jù)權利要求1所述的基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，其 特征在于，所述步驟1)，智能自整定PID控制器是指將空調(diào)系統(tǒng)的期望輸出與實際輸出經(jīng) 轉換器轉換為自整定算法所需要的輸入，經(jīng)權值學習以及比例系數(shù)的實時調(diào)整后，得到智 能自整定PID控制器的輸出。
3. 根據(jù)權利要求2所述的基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，其 特征在于，所述將空調(diào)系統(tǒng)的期望輸出與實際輸出經(jīng)轉換器轉換為自整定算法所需要的輸 入的表達式如下：
(4) 其中，Xi(k) (i = 1，2,3)為自整定算法所需要的輸入，r(k)為期望輸出，y(k)為實際 輸出，e(k)為偏差，k為采樣時刻。
4. 根據(jù)權利要求2所述的基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，其 特征在于，所述智能自整定PID控制器的輸出的增量式表達形式如下：
(5) 其中，Au(k)為輸出增量，K為比例系數(shù)，cojk)為智能自整定PID控制器中權值，Xi(k) 為自整定算法所需要的輸入量，k表示采樣時刻； 所述Κ ω i (k)，Κ ω 2 (k)，Κ ω 3 (k)即為智能自整定PID控制器的積分系數(shù)、比例系數(shù)和微 分系數(shù)。
5. 根據(jù)權利要求1所述的基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，其 特征在于，所述步驟2)中，得到權值的學習算法的具體過程： 2-1)經(jīng)過改進后的智能自整定PID控制器的新型極值函數(shù)指標J'如下：
(16) 其中：y(k+d)為k+d時刻空調(diào)系統(tǒng)的實際輸出，r(k+d)為k+d時刻空調(diào)系統(tǒng)的期望輸 入，d為總滯后時間，Au為輸出增量，P為輸出偏差的加權系數(shù)，Q為控制增量的加權系數(shù)； 2-2)使權值函數(shù)ω ' Jk)的修正沿著新型極值函數(shù)指標J'減小的方向，即對 i(k)的負梯度方向搜索調(diào)整，得到權值的學習算法如下： (19) (、)）
其中，W表示基于新型的極值函數(shù)指標的自整定PID控制器的積分系數(shù)的學習速率， (21) 以表示基于新型的極值函數(shù)指標的自整定PID控制器的比例系數(shù)的學習速率，￥表示基于 新型的極值函數(shù)指標的自整定PID控制器的微分系數(shù)的學習速率；k為零初態(tài)時過程輸入 端加單位階躍時輸出響應的第一個值。
6. 根據(jù)權利要求1所述的基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，其 特征在于，所述步驟3)中，比例系數(shù)的實時調(diào)整算法為： K (k) = K〇+ a [r (k) -y (k) ] Vr2 (k) (24) 其中，為K的穩(wěn)態(tài)值，α為待定參數(shù)。
7. 根據(jù)權利要求6所述的基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，其 特征在于，所述a的初始取值為&的1/10。
8. 根據(jù)權利要求1所述的基于新型極值函數(shù)指標的智能自整定PID室溫控制算法，其 特征在于，所述步驟4)智能自整定PID控制器的輸出為：
(22) 其中，
(23)。
【文檔編號】G05B13/04GK104122795SQ201410337098
【公開日】2014年10月29日 申請日期:2014年7月15日 優(yōu)先權日:2014年7月15日
【發(fā)明者】白建波, 王孟, 李洋 申請人:河海大學常州校區(qū)