模糊pid控制方法和裝置及系統的制作方法

模糊pid控制方法和裝置及系統的制作方法
【專利摘要】本發明公開了一種模糊PID控制方法和裝置及系統。該方法包括：通過第一預設算法計算PID控制參數；通過第二預設算法計算模糊算法參數，其中，模糊算法參數用于計算模糊控制參數，其中，第一預設算法和/或第二預設算法為單變量分布估計算法；獲取被控對象的輸出量和目標量，其中，被控對象為模糊PID控制器的控制對象，被控對象的目標量為被控對象預設的目標輸出量；根據被控對象的輸出量和目標量、PID控制參數和模糊算法參數確定被控對象的控制參數；以及向被控對象輸入確定的控制參數。通過本發明，解決了相關技術中的模糊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
技術領域
[0001 ]本發明設及控制領域，具體而言，設及一種模糊PID控制方法和裝置及系統。
【背景技術】
[0002] 模糊PID控制方法是控制科學中的經典控制方法，模糊PID控制方法通過模糊PID 控制器對被控量進行控制，模糊PID控制器的輸入量為被控量與目標量的差值，模糊PID控 制器通過輸入量的變化對模糊PID控制器的控制參數進行調整，達到使模糊PID控制器的被 控量跟隨目標量的目的。但是，現有的模糊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電廠機組主蒸汽溫度和壓力進行控制時，存在響應時 間較長、超調量過大、穩態誤差較大等缺點。火力發電廠是通過燃燒產生電能的工廠，燃料 在燃燒時加熱水生成蒸汽，蒸汽通過壓力推動汽輪機旋轉，汽輪機帶動發電機旋轉產生電 能，實現燃料的化學能一熱能一機械能一電能的轉換過程。火力發電廠通過火電機組主蒸 汽溫度壓力控制系統對火電機組蒸汽的溫度和壓力進行控制。
[0004] 鍋爐汽包出口的飽和蒸汽經由過熱器與爐膛的高溫煙氣進行熱交換，最終加熱為 汽輪發電機組所需的具有合格的溫度壓力品質的過熱蒸汽，其中，過熱器是指從汽包出口 到汽輪機入口前的蒸汽加熱管道。大型鍋爐的過熱器工作于高溫、高壓的惡劣環境中，尤其 是鍋爐過熱器出口處的過熱蒸汽在整個汽水行程中溫度最高。對鍋爐蒸汽溫度的控制品質 是考核火電廠機組運行質量的首選評價指標之一，對火力發電機組的安全經濟生產有著重 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度降低，損傷過熱器管道的 高溫段，甚至可能會燒壞汽輪機高壓缸設備，嚴重影響安全;如果主蒸汽溫度過低，經過汽 輪機高壓缸的過熱蒸汽濕度增加，會腐蝕高壓缸的葉片，降低汽輪機的輸出功率。一般說 來，大型火電機組對蒸汽溫度的暫時偏差要求為設定值±10°c W內，長期偏差要求為±5°C W內，運對火電廠機組主蒸汽溫度控制系統的要求相當高。由于鍋爐爐膛內燃燒工況的擾 動，如風量擾動、燃料量擾動等，造成沿著過熱器整個管道的煙氣傳熱量幾乎同時變化，所 W過熱器出口主蒸汽溫度的動態特性反應較快，其特征時間和特征滯后時間均比其它擾動 小。因此，在工業生產過程中，主蒸汽溫度控制系統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的 本質是利用一個動態特性反應較緩慢的減溫水擾動來克服動態特性反應較快的過熱器吸 熱擾動，運是鍋爐蒸汽溫度品質通常難W達到較高品質的根本原因。
[0005] 鍋爐蒸汽壓力作為表征鍋爐運行狀態的重要參數，不僅直接關系到鍋爐設備的安 全運行，而且其穩定狀況反映了燃燒過程中能量的供求關系，主蒸汽壓力與機組的發電功 率。通常采用協調控制鍋爐跟隨方式（Coordinated Control of Boiler Following Mode， 簡稱CCBF)或協調控制汽輪機跟隨方式（Coordinated Control of Steam Turbine Following Mode,簡稱CCTF)兩種方式對機組主蒸汽壓力進行控制。
[0006] 由于火電廠中機組復雜度增加，主蒸汽溫度控制系統的不確定性，非線性，大慣 性，大時延的特征更加突出，常規的PID控制已經難W滿足主蒸汽溫度控制系統對控制品質 的要求。
[0007] 而蒸汽壓力控制系統具有時變、大滯后等特點，常規的PID算法由于每次輸出均與 過去的狀態有關，計算時要對誤差進行累加，會導致計算輸出的控制量大幅度變化而引起 執行機構的大幅度變化，運種情況在實際生產過程中是不允許的。
[0008] 針對相關技術中的模糊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。

【發明內容】

[0009] 本發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，W解決相關技 術中的模糊PID控制方法的控制性能較差的問題。
[0010] 為了實現上述目的，根據本發明的一個方面，提供了一種模糊PID控制方法。該方 法包括:通過第一預設算法計算PID控制參數;通過第二預設算法計算模糊算法參數，其中， 模糊算法參數用于計算模糊控制參數，其中，第一預設算法和/或第二預設算法為單變量分 布估計算法;獲取被控對象的輸出量和目標量，其中，被控對象為模糊PID控制器的控制對 象，被控對象的目標量為被控對象預設的目標輸出量；W及根據被控對象的輸出量和目標 量、PID控制參數和模糊算法參數確定被控對象的控制參數；向被控對象輸入確定的控制參 數。
[0011] 進一步地，第一預設算法為單變量分布估計算法，在通過第一預設算法計算PID控 制參數之前，該方法還包括:確定PID控制參數的初始染色體種群，其中，PID控制參數的初 始染色體種群包括多個染色體，多個染色體用于在通過預設解碼算法進行解碼之后確定 PID控制參數的初始值，通過第一預設算法計算PID控制參數包括:通過適應度函數計算PID 控制參數的初始染色體種群中各個染色體的適應度值;根據適應度值的大小對PID控制參 數的初始染色體種群中各個染色體進行排序;通過預設更新算法更新在PID控制參數的初 始染色體種群中排序在預設序號之后的染色體，得到PID控制參數的優化染色體種群;判斷 是否滿足停止單變量分布估計算法的條件;如果判斷出滿足停止單變量分布估計算法的條 件，通過預設解碼算法對PID控制參數的優化染色體種群進行解碼，得到PID控制參數；W及 如果判斷出不滿足停止單變量分布估計算法的條件，將PID控制參數的優化染色體種群作 為PID控制參數的初始染色體種群，重新執行通過第一預設算法計算PID控制參數。
[0012] 進一步地，第二預設算法為單變量分布估計算法，在通過第二預設算法計算模糊 算法參數之前，該方法還包括:確定模糊算法參數的初始染色體種群，其中，模糊算法參數 的初始染色體種群包括多個染色體，多個染色體用于在通過預設解碼算法進行解碼之后確 定模糊算法參數的初始值，通過第二預設算法計算模糊算法參數包括:通過適應度函數計 算模糊算法參數的初始染色體種群中各個染色體的適應度值;根據適應度值的大小對模糊 算法參數的初始染色體種群中各個染色體進行排序;通過預設更新算法更新在模糊算法參 數的初始染色體種群中排序在預設序號之后的染色體，得到模糊算法參數的優化染色體種 群;判斷是否滿足停止單變量分布估計算法的條件；如果判斷出滿足停止單變量分布估計 算法的條件，通過預設解碼算法對模糊算法參數的優化染色體種群進行解碼，得到模糊算 法參數；W及如果判斷出不滿足停止單變量分布估計算法的條件，將模糊算法參數的優化 染色體種群作為模糊算法參數的初始染色體種群，重新執行通過第二預設算法計算模糊算 法參數。
[0013] 進一步地，在通過適應度函數計算模糊算法參數的初始染色體種群中各個染色體 的適應度值之后，該方法還包括:更新模糊算法參數的歷史最優染色體種群中的染色體，其 中，模糊算法參數的歷史最優染色體種群中的各個染色體的值為模糊算法參數的初始染色 體種群中各個染色體的歷史記錄中適應度值最大的值，確定模糊算法參數的初始染色體種 群包括:根據模糊算法參數的歷史最優染色體種群確定模糊算法參數的初始染色體種群。
[0014] 進一步地，在根據被控對象的輸出量和目標量、PID控制參數和模糊算法參數向被 控對象輸入總控制量之前，該方法還包括:通過模糊規則系統生成模糊規則庫，其中，模糊 規則系統用于生成模糊規則庫，模糊規則庫包括多個模糊規則，模糊規則庫用于根據被控 對象的輸出量和目標量確定對應的模糊規則，對應的模糊規則用于確定模糊控制參數的模 糊量，模糊控制參數的模糊量用于根據模糊算法參數計算模糊控制參數。
[0015] 進一步地，獲取被控對象的輸出量和目標量包括:獲取主蒸汽參數采樣值，其中， 主蒸汽參數采樣值是對主蒸汽參數進行采樣得到的采樣值，其中，主蒸汽參數是鍋爐的主 蒸汽的溫度參數或壓力參數，主蒸汽參數是被控對象，主蒸汽參數采樣值是被控對象的輸 出量;W及獲取主蒸汽參數設定值，其中，主蒸汽參數設定值為被控對象的目標量。
[0016] 進一步地，根據被控對象的輸出量和目標量、PID控制參數和模糊算法參數確定被 控對象的控制參數包括:根據被控對象的輸出量和目標量和模糊算法參數計算模糊控制參 數;根據被控對象的輸出量和目標量和模糊控制參數確定被控對象的模糊控制參數;根據 被控對象的輸出量和目標量和PID控制參數確定被控對象的PID控制參數；W及將確定的模 糊控制參數和PID控制參數相加，得到被控對象的控制參數。
[0017] 進一步地，在通過第一預設算法計算PID控制參數之前，該方法還包括:獲取被控 對象的傳遞函數;確定PID控制參數的初始值，在通過第二預設算法計算模糊算法參數之 前，該方法還包括:確定模糊算法參數的初始值，通過第一預設算法計算PID控制參數包括： 通過第一評價算法計算PID控制參數的初始值對被控對象的傳遞函數的控制指標;通過第 一優化算法對PID控制參數的初始值進行優化，得到PID控制參數，通過第二預設算法計算 模糊算法參數包括:通過第二評價算法計算模糊算法參數的初始值對被控對象的傳遞函數 的控制指標;通過第二優化算法對模糊算法參數的初始值進行優化，得到模糊算法參數。
[0018] 為了實現上述目的，根據本發明的一個方面，提供了一種模糊PID控制裝置。該裝 置包括:第一計算單元，用于通過第一預設算法計算PID控制參數;第二計算單元，用于通過 第二預設算法計算模糊算法參數，其中，模糊算法參數用于計算模糊控制參數，其中，第一 預設算法和/或第二預設算法為單變量分布估計算法;獲取單元，用于獲取被控對象的輸出 量和目標量，其中，被控對象為模糊PID控制器的控制對象，被控對象的目標量為被控對象 預設的目標輸出量;確定單元，用于根據被控對象的輸出量和目標量、PID控制參數和模糊 算法參數確定被控對象的控制參數;W及輸入單元，用于向被控對象輸入確定的控制參數。
[0019] 為了實現上述目的，根據本發明的一個方面，提供了一種鍋爐主蒸汽溫度和壓力 的模糊PID控制系統。該系統包括本發明提供的模糊PID控制裝置，用于向被控對象輸入確 定的控制參數，其中，被控對象為鍋爐的主蒸汽溫度參數和壓力參數，W及采樣器，用于采 集被控對象的輸出量。
[0020] 本發明通過單變量分布估計算法計算PID控制參數和/或模糊算法參數，W對PID 控制器和模糊控制器的控制參數進行自整定優化，解決了相關技術中的模糊PID控制方法 的控制性能較差的問題，進而達到了提高模糊PID控制方法的控制性能的效果。
【附圖說明】
[0021] 構成本申請的一部分的附圖用來提供對本發明的進一步理解，本發明的示意性實 施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：
[0022] 圖1是根據本發明實施例的模糊PID控制方法的流程圖；
[0023] 圖2是根據本發明實施例的單變量分布估計算法的流程圖；
[0024] 圖3是根據本發明實施例的模糊算法的流程圖；
[0025] 圖4是根據本發明實施例的PID控制參數和模糊算法參數優化方法的流程圖；
[0026] 圖5是根據PID控制方法的仿真控制結果示意圖；
[0027] 圖6是根據常規的模糊PID控制方法的仿真控制結果示意圖；
[002引圖7是根據本發明實施例的模糊PID控制方法的仿真控制結果示意圖；
[0029] 圖8是根據本發明實施例的模糊PID控制裝置的示意圖；W及
[0030] 圖9是根據本發明實施例的模糊PID控制系統的示意圖。
【具體實施方式】
[0031] 需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可W相 互組合。下面將參考附圖并結合實施例來詳細說明本發明。
[0032] 為了使本技術領域的人員更好地理解本申請方案，下面將結合本申請實施例中的 附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是 本申請一部分的實施例，而不是全部的實施例。基于本申請中的實施例，本領域普通技術人 員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本申請保護的范 圍。
[0033] 需要說明的是，本申請的說明書和權利要求書及上述附圖中的術語"第一"、"第 二"等是用于區別類似的對象，而不必用于描述特定的順序或先后次序。應該理解運樣使用 的數據在適當情況下可W互換，W便運里描述的本申請的實施例。此外，術語"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、產品或設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 楚地列出的或對于運些過程、方法、產品或設備固有的其它步驟或單元。
[0034] 本發明的實施例提供了一種模糊PID控制方法。
[0035] 圖1是根據本發明實施例的模糊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，通過第一預設算法計算PID控制參數。
[0037] PID控制參數是PID控制器的系數，PID控制器是一種常用的控制器，根據被控對象 的給定輸出與實際輸出構成的偏差作為PID控制器的輸入，將偏差分別通過比例環節、積分 環節和微分環節的線性組合構成控制器，根據PID控制器的輸入輸出控制參數對被控對象 進行控制。
[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 對象根據該輸入量相應的輸出一個量，達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。PID控制器的輸入量是被控對象的輸出量與目標量的偏差值e，其 中，目標量是預設的被控對象的輸出的目標量。
[0039] PID控制器的連續數學模型如公式1所示，
[0040]
(公式 1)
[0041] 公式1中，PIDnut(t)為PID控制器的輸出，e(t)是被控對象的實際輸出與目標輸出 的偏差，kp是比例系數，Tl是積分系數，Td是微分系數，由被控對象的特性決定，其中，比例系 數、積分系數和微分系數為PID控制器的系數，也即，PID控制參數。
[0042] 在工程應用中，按照采樣周期T對被控對象進行采樣，則得到PID控制器的離散數 學模型如公式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個采樣時刻的被 控對象的實際輸出與目標輸出的偏差，積分系I
[0043] (公式 2)
[0045] PID控制參數是指PID控制器的數學模型的系數，例如，離散數學模型中的kp、ki和 kd。通過第一預設算法計算PID控制參數即是通過算法確定出PID控制器的數學模型的系 數，W控制被控對象輸出的量。
[0046] 在通過第一預設算法計算PID控制參數之前，還需要獲取被控對象的傳遞函數。通 過第一預設算法計算PID控制參數可W是通過試驗法，通過人工試驗不同的PID控制參數對 被控對象的控制效果，根據被控對象的輸出與目標輸出的差值來人工調試PID控制參數。
[0047] 優選地，第一預設算法也可W是在通過第一預設算法計算PID控制參數之前，確定 PID控制參數的初始值，通過第一評價算法計算PID控制參數的初始值對被控對象的傳遞函 數的控制指標;通過第一優化算法對PID控制參數的初始值進行優化，得到PID控制參數。 [004引優選地，上述第一預設算法可W是單變量分布估計算法。通過單變量分布估計算 法確定一個數學模型中待定參數的取值的方法如圖2所示，單變量分布估計算法包括：
[0049] 步驟SlOll，初始化染色體種群q(0)，q(0)是一個包含m個數值的矩陣，每個數值稱 為染色體，每個染色體的取值為0或1。初始化時，優化次數t記為0。
[0050] 步驟S1012,按照預設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n個參數，其中，第i個參數Wi的取值范圍是WiG [0，1]，假設Wi的染色體 是[qi Q2…qn]，貝賄Wi ' = qi X 2〇+q2 X 21+... +Qn X ，再將Wi ' 映射到區間[0，1 ]，菊
在步驟S1012之后，得到了待優化的數學模型。
[0051] 步驟S1013,計算染色體種群q(t)中m個染色體的適應度值。根據待優化的數學模 型計算染色體種群q(t)中各個染色體的適應度值，適應度值是通過適應度函數計算的值， 用于評價各個染色體的適應度。
[0052] 步驟S1014,選取適應度值最高的前r個染色體保留。在對m個染色體進行排序之 后，保留排序在前r的染色體，其中，r<m。
[0053] 步驟S1015,用分布估計產生后m-r個染色體。對于排序在r之后的染色體，采用分 布估計算法重新生成m-r個染色體來替換排序在r之后的染色體。
[0054] 步驟S1016,令優化次數t = t+l，在步驟S1015之后產生的染色體種群為q(t)。
[0化5] 步驟S1017,判斷t是否等于N，如果t等于N，結束優化過程，如果t不等于N，返回步 驟S1012。
[0056] 在完成優化過程之后，單變量分布估計算法結束，得到了優化好的參數。
[0057] 如果通過單變量分布估計算法計算PID控制參數，則在通過第一預設算法計算PID 控制參數之前，確定PID控制參數的初始染色體種群，其中，PID控制參數的初始染色體種群 包括多個染色體，多個染色體用于在通過預設解碼算法進行解碼之后確定PID控制參數的 初始值。
[0化引例如，PID控制參數包括kp、ki和kdS個參數，對應的染色體種群分別包括化、化和 Nd位二進制碼，染色體種群分別對應kp、ki和kd取值大小。
[0059] PID控制參數的初始染色體種群可W是通過隨機算法產生的。在確定PID控制參數 的初始染色體種群之后，通過適應度函數計算PID控制參數的初始染色體種群中各個染色 體的適應度值;根據適應度值的大小對PID控制參數的初始染色體種群中各個染色體進行 排序;通過預設更新算法更新在PID控制參數的初始染色體種群中排序在預設序號之后的 染色體，得到PID控制參數的優化染色體種群。
[0060] 在得到PID控制參數的優化染色體種群之后，判斷是否滿足停止單變量分布估計 算法的條件。判斷條件可W是判斷優化次數是否到達預設次數，也可W判斷優化染色體種 群在通過預設解碼算法解碼之后得到的PID控制參數是否達到預設的控制指標，其中，控制 指標是指響應時間、超調量、穩態誤差等對控制器的控制性能進行評價的指標。
[0061] 在判斷是否滿足停止單變量分布估計算法的條件之后，如果判斷出滿足停止單變 量分布估計算法的條件，通過預設解碼算法對PID控制參數的優化染色體種群進行解碼，得 至化ID控制參數;如果判斷出不滿足停止單變量分布估計算法的條件，將PID控制參數的優 化染色體種群作為PID控制參數的初始染色體種群，重新執行通過第一預設算法計算PID控 制參數，并將優化次數累加一次。
[0062] 步驟S102,通過第二預設算法計算模糊算法參數。
[0063] 模糊算法參數用于計算模糊控制參數，計算模糊控制參數的方式為根據模糊算法 計算模糊控制參數。
[0064] 模糊控制參數是模糊控制器的參數，是PID控制參數的增量，模糊控制器用于調整 PID控制器的系數。
[0065] 模糊控制器的輸入量是被控對象的輸出量與目標量的偏差值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，被控對象同時受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和PID控制器輸 出的被控對象的控制參數的總和。
[0066] 模糊控制器的數學模型如公式3所示，
[0067]
(公式 3)
[006引公式3中，山化)是第k個采樣時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。通過第二預設算法計算模糊控制參數即是通過算法確定出模糊控制器的數學模 型的系數，W調整被控對象輸出的量，其中，模糊控制參數可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=個計算過程。在 確定出模糊算法參數之后，可W通過模糊算法計算出模糊控制參數。
[0070] 模糊化過程是對模糊控制器的輸入量進行模糊化得到輸入量的模糊量的過程，模 糊化過程需要兩個輸入量，一個是被控對象的輸出量與目標量的偏差值e，另一個是被控對 象的輸出量與目標量的偏差的變化率e。。對于離散系統來說，e。是當前采樣時刻的被控對象 的輸出量與目標量的偏差值e化)與當前時刻的上一時刻的被控對象的輸出量與目標量的 偏差值e化-1)的差值。
[0071] 首先確定對兩個輸入量模糊化的目標，也即，將兩個輸入量定義到n個模糊子集 中，每個模糊子集用一個模糊語言值來表示。例如，分別將e和e。定義到7個模糊子集{NB， 醒，NS，ZO，PS，PM，PB}中，其中，NB，醒，NS，ZO，PS，PM和PB為模糊語言值，分別表示負大，負 中，負小，零，正小，正中，正大。將兩個輸入量定義到n個模糊子集中是采用隸屬度函數進行 定義的，隸屬度函數可W是均勻隸屬度函數(公式4)、S角形隸屬度函數(公式5)或者高斯 隸屬度函數(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是不同隸屬度函數的參數，通過調整參數可W改變函數 形狀，W適應不同系統不同輸入變量在不同值域時的控制要求。模糊算法參數可W包括隸 屬度函數標識和/或隸屬度函數參數。隸屬度函數標識為隸屬度函數的標識，可W用數字代 碼來表示，例如，00表示均勻隸屬度函數，Ol表示=角形隸屬度函數，10表示高斯隸屬度函 數。隸屬度函數參數為隸屬度函數的參數。
[0076] 在將輸入量模糊化之后，根據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，模糊控制參數的模糊量為采用模糊語言值表示的模糊控制參數，模糊控制參數的 模糊量可W在反模糊化過程之后求解出模糊控制參數，其中，反模糊化過程需要用到隸屬 度函數和隸屬度函數參數。
[0077] 模糊推理過程為根據模糊規則庫確定模糊控制參數的模糊量的過程。模糊規則庫 包括多個模糊規則，模糊規則庫用于根據模糊算法的輸入量的模糊量確定對應的模糊規 貝1J，對應的模糊規則用于確定模糊控制參數的模糊量。模糊規則庫可W是通過模糊規則系 統生成的模糊規則庫，模糊規則系統可W是一個專家系統，該專家系統用于生成模糊規則。 [007引舉例而言，分別將e和ec定義到7個模糊子集{NB，匪，NS，ZO，PS，PM，PB}中，其中， NB，醒，NS，ZO，PS，PM和PB分別表示負大，負中，負小，零，正小，正中，正大，模糊規則庫的二 維控制表可W如表1所示。
[0079] 表1模糊規則庫的A kp的二維控制表
[0080]
[0081] 表1為模糊控制參數Akp的二維控制表，根據e和e。的模糊量可W找到對應的模糊 控制參數Akp的模糊量。
[0082] 表2模糊規則庫的A ki的二維控制表
[0083]
[0084] 表2為模糊控制參數A ki的二維控制表，根據e和ec的模糊量可W找到對應的模糊 控制參數Aki的模糊量。
[0085] 表3模糊規則庫的A kd的二維控制表
[0086]
[0087] 表3為模糊控制參數A kd的二維控制表，根據e和ec的模糊量可W找到對應的模糊 控制參數Akd的模糊量。
[0088] 在確定模糊控制參數的模糊量之后，通過反模糊化過程求解除模糊控制參數。反 模糊化的過程如公式7所示，
[0089]
(公式 7)
[0090] 式中，Ak表示任意一個模糊控制參數，G為該模糊控制參數對應的比例因子，G等 于模糊控制參數的范圍與模糊子集的個數之比，Wi為模糊控制參數的模糊量，化為Wi在各個 模糊子集中對應的隸屬度函數值。
[0091] 圖3是根據本發明實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 的流程如圖3所示。
[0092] 步驟S1021為通過第二預設算法確定模糊算法參數，步驟S1022在步驟S1021之后 執行，步驟S1022為根據模糊算法參數對e和ec執行模糊化過程，得到e和ec的模糊量，模糊算 法參數可W包括隸屬度函數標識和隸屬度函數參數。步驟S1023為模糊推理過程，具體地， 根據e和e。的模糊量在模糊規則庫中確定模糊控制參數的模糊量，在確定模糊控制參數的 模糊量之后，執行步驟S1024,解模糊化過程，根據模糊算法參數求解模糊控制參數的模糊 量，得到模糊控制參數。
[0093] 在通過第二預設算法計算模糊算法參數之前，還需要獲取被控對象的傳遞函數。 通過第二預設算法計算模糊算法參數可W是通過試驗法，通過人工試驗不同的模糊算法參 數計算出來的模糊控制參數對被控對象的控制效果，根據被控對象的輸出與目標輸出的差 值來人工調試模糊算法參數。
[0094] 優選地，在通過第二預設算法計算模糊算法參數之前，確定模糊算法參數的初始 值，通過第二預設算法計算模糊算法參數包括:通過第二評價算法計算模糊算法參數的初 始值對被控對象的傳遞函數的控制指標;通過第二優化算法對模糊算法參數的初始值進行 優化，得到模糊算法參數。
[00M]在確定PID控制參數和模糊算法參數之后，PID控制參數和模糊算法參數不變，PID 控制器的數學模型的系數不變，模糊控制器的數學模型的系數根據模糊控制器的輸入量的 變化而變化。
[0096] 優選地，第二預設算法為單變量分布估計算法，在通過第二預設算法計算模糊算 法參數之前，確定模糊算法參數的初始染色體種群，其中，模糊算法參數的初始染色體種群 包括多個染色體，多個染色體用于在通過預設解碼算法進行解碼之后確定模糊算法參數的 初始值。
[0097] 在確定模糊算法參數的初始染色體種群之后，通過適應度函數計算模糊算法參數 的初始染色體種群中各個染色體的適應度值;根據適應度值的大小對模糊算法參數的初始 染色體種群中各個染色體進行排序;通過預設更新算法更新在模糊算法參數的初始染色體 種群中排序在預設序號之后的染色體，得到模糊算法參數的優化染色體種群;判斷是否滿 足停止單變量分布估計算法的條件；如果判斷出滿足停止單變量分布估計算法的條件，通 過預設解碼算法對模糊算法參數的優化染色體種群進行解碼，得到模糊算法參數；W及如 果判斷出不滿足停止單變量分布估計算法的條件，將模糊算法參數的優化染色體種群作為 模糊算法參數的初始染色體種群，重新執行通過第二預設算法計算模糊算法參數。
[0098] 優選地，在通過適應度函數計算模糊算法參數的初始染色體種群中各個染色體的 適應度值之后，更新模糊算法參數的歷史最優染色體種群中的染色體，其中，模糊算法參數 的歷史最優染色體種群中的各個染色體的值為模糊算法參數的初始染色體種群中各個染 色體的歷史記錄中適應度值最大的值，確定模糊算法參數的初始染色體種群包括:根據模 糊算法參數的歷史最優染色體種群確定模糊算法參數的初始染色體種群。
[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，被控對象的目標量為被控對象預設的目標輸出量。
[0100] 優選地，獲取被控對象的輸出量和目標量可W是獲取主蒸汽參數采樣值，其中，主 蒸汽參數采樣值是對主蒸汽參數進行采樣得到的采樣值，其中，主蒸汽參數是鍋爐的主蒸 汽的溫度參數或壓力參數，主蒸汽參數是被控對象，主蒸汽參數采樣值是被控對象的輸出 量;W及獲取主蒸汽參數設定值，其中，主蒸汽參數設定值為被控對象的目標量。
[0101] 步驟S104,根據被控對象的輸出量和目標量、PID控制參數和模糊算法參數確定被 控對象的控制參數。
[0102] 優選地，根據被控對象的輸出量和目標量、PID控制參數和模糊算法參數確定被控 對象的控制參數可W是根據被控對象的輸出量和目標量和模糊算法參數計算模糊控制參 數;根據被控對象的輸出量和目標量和模糊控制參數確定被控對象的模糊控制參數;根據 被控對象的輸出量和目標量和PID控制參數確定被控對象的PID控制參數；W及將確定的模 糊控制參數和PID控制參數相加，得到被控對象的控制參數。
[0103] 步驟S105,向被控對象輸入確定的控制參數。
[0104] 向被控對象輸入確定的控制參數，確定的控制參數為確定的模糊控制參數和PID 控制參數的總和，確定的控制參數的值是模糊控制器和PID控制器分別根據被控對象的目 標量與輸出量的偏差所輸出的值的總和。
[0105] 該實施例提供的模糊PID控制方法，通過第一預設算法計算PID控制參數;通過第 二預設算法計算模糊算法參數，其中，模糊算法參數用于計算模糊控制參數，其中，第一預 設算法和/或第二預設算法為單變量分布估計算法;獲取被控對象的輸出量和目標量，其 中，被控對象為模糊PID控制器的控制對象，被控對象的目標量為被控對象預設的目標輸出 量；W及根據被控對象的輸出量和目標量、PID控制參數和模糊算法參數確定被控對象的控 制參數；向被控對象輸入確定的控制參數，解決了相關技術中的模糊PID控制方法的控制性 能較差的問題，進而達到了提高模糊PID控制方法的控制性能的效果。
[0106] 圖4是根據本發明實施例的PID控制參數和模糊算法參數優化方法的流程圖。通過 PID控制參數和模糊算法參數優化方法確定出PID控制參數和模糊算法參數之后，可W根據 被控對象的輸出量與目標量的偏差對被控對象執行控制。
[0107] 如圖4所示，PID控制參數和模糊算法參數優化方法包括W下步驟：
[0108] 步驟一，產生PID控制參數和模糊算法參數的染色體種群。染色體種群為一個矩 陣，包括多個染色體，每個染色體為一個數值。PID控制參數和模糊算法參數的染色體種群 中包括PID控制參數基因和模糊算法參數基因，其中，基因為染色體種群中的染色體。
[0109] 步驟二，將PID控制參數基因和模糊算法參數基因分別轉換為基因顯型，也即，通 過預設解碼算法分別對PID控制參數基因和模糊算法參數基因進行解碼，得到PID控制參數 和模糊算法參數。
[0110] 步驟=，將PID控制參數和模糊算法參數分別賦值到PID控制模塊和模糊控制模 塊，得到參數確定的模糊PID控制系統。
[0111] 步驟四，在步驟=之前，產生模擬信號。其中，模擬信號分為訓練信號和測試信號。 訓練信號用于作為PID控制器和模糊控制器的輸入信號對PID控制參數和模糊算法參數進 行訓練。
[0112] 步驟五，在步驟=和步驟四之后，將訓練信號輸入到參數確定的模糊PID控制系 統，根據模糊PID控制系統對訓練新號的響應對PID控制參數基因和模糊算法參數基因進行 適應度評估。
[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控制參數和模糊算法參數的染色體種群根據分布估計算法計算概率分布向量的結果進 行更新，W調整PID控制參數和模糊算法參數。
[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，得到調整好的模 糊PID控制系統。
[0116] 步驟九，在步驟六之后，如果判斷出滿足終止條件，則更新最優染色體種群，其中， 最優染色體種群中的各個染色體的值是歷史中適應度最高的染色體值。
[0117] 步驟九，在步驟八之后，將測試信號輸入調整好的模糊PID控制系統，對調整好的 模糊PID控制系統對測試信號的控制性能進行適應度評估。
[0118] W具有不確定性、非線性、大慣性、大時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為
'對其進行仿真控制，輸入的測試信 號為方波，采用不同的控制方法進行控制，得到結果如下：
[0119] 圖5是根據PID控制方法的仿真控制結果示意圖。如圖5所示，僅采用PID控制時，雖 然PID控制方法可W快速地進行響應，最終也能夠穩定在目標值上，但是由此帶來了較顯著 的超調，并且震蕩明顯，延長了調整時間。
[0120] 圖6是根據常規的模糊PID控制方法的仿真控制結果示意圖。常規的模糊PID控制 方法在PID控制的基礎上疊加了模糊控制修正，如圖6所示，常規的模糊PID控制方法不僅快 速地進行了響應，最終也能夠穩定在目標值上，而且基本消除了超調量，與僅采用PID控制 相比明顯縮短了調整時間，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是根據本發明實施例的模糊PID控制方法的仿真控制結果示意圖。如圖7所示， 采用單變量分布估計算法對PID控制參數和模糊算法參數進行自整定優化后，不僅可W快 速地進行響應，最終也能夠穩定在目標值上，而且基本消除了超調量，與PID控制方法和常 規的模糊PID控制方法相比明顯縮短了調整時間，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在諸如一組計算機可執行指令的 計算機系統中執行，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 同于此處的順序執行所示出或描述的步驟。
[0123] 本發明的實施例還提供了一種模糊PID控制裝置。需要說明的是，本發明實施例的 模糊PID控制裝置可W用于執行本發明的模糊PID控制方法。
[0124] 圖8是根據本發明實施例的模糊PID控制裝置的示意圖。如圖8所示，該裝置包括第 一計算單元10，第二計算單元20，獲取單元30，確定單元40和輸入單元50。
[0125] 第一計算單元10用于通過第一預設算法計算PID控制參數。第二計算單元20用于 通過第二預設算法計算模糊算法參數，其中，模糊算法參數用于計算模糊控制參數，其中， 第一預設算法和/或第二預設算法為單變量分布估計算法。獲取單元30用于獲取被控對象 的輸出量和目標量，其中，被控對象為模糊PID控制器的控制對象，被控對象的目標量為被 控對象預設的目標輸出量。確定單元40用于根據被控對象的輸出量和目標量、PID控制參數 和模糊算法參數確定被控對象的控制參數。輸入單元50用于向被控對象輸入確定的控制參 數。
[0126] 該實施例提供的模糊PID控制裝置解決了相關技術中的模糊PID控制方法的控制 性能較差的問題，進而達到了提高模糊PID控制方法的控制性能的效果。
[0127] 本發明的實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。需要 說明的是，本發明實施例的鍋爐主蒸汽溫度和壓力的模糊PID控制系統包括本發明實施例 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和壓力參數，用于向被控對 象輸入確定的控制參數，該系統還包括采樣器，用于采集被控對象的輸出量。
[0128] 圖9是根據本發明實施例的鍋爐主蒸汽溫度和壓力的模糊PID控制系統的示意圖。 如圖9所示，該系統包括模糊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和單變量分布估計優化模塊103。
[0129] 數字PID控制模塊101為PID控制器，單變量分布估計優化模塊103對數字PID控制 模塊101的控制參數和計算模糊控制器102的控制參數的模糊算法參數進行自整定優化，確 定出數字PID控制模塊101的控制參數和模糊算法參數。
[0130] 采樣器201采集被控對象200的輸出量y(t)，與被控對象200的目標量r(t)相減，得 到被控對象200的輸出量y(t)與目標量r(t)的偏差e(t)。被控對象200可W是鍋爐的主蒸汽 溫度參數和壓力參數。
[0131] 數字PID控制模塊101對偏差e(t)進行處理得到被控對象的第一控制參數U0。
[0132] 后向差分器1021對偏差e(t)進行處理，將當前采樣時刻的偏差e化)和上一采樣時 刻的偏差e化-1)相減得到偏差變化率e。，模糊控制器102根據模糊算法參數、偏差e (t)和偏 差e化-1)得到被控對象的第二控制參數m。
[0133] 將第一控制參數UO和第二控制參數Ui相加，得到被控對象的控制參數U，將控制參 數U輸入被控對象200 W實現對被控對象200的控制。
[0134] 顯然，本領域的技術人員應該明白，上述的本發明的各模塊或各步驟可W用通用 的計算裝置來實現，它們可W集中在單個的計算裝置上，或者分布在多個計算裝置所組成 的網絡上，可選地，它們可W用計算裝置可執行的程序代碼來實現，從而，可W將它們存儲 在存儲裝置中由計算裝置來執行，或者將它們分別制作成各個集成電路模塊，或者將它們 中的多個模塊或步驟制作成單個集成電路模塊來實現。運樣，本發明不限制于任何特定的 硬件和軟件結合。
[0135] W上所述僅為本發明的優選實施例而已，并不用于限制本發明，對于本領域的技 術人員來說，本發明可W有各種更改和變化。凡在本發明的精神和原則之內，所作的任何修 改、等同替換、改進等，均應包含在本發明的保護范圍之內。
【主權項】
1. 一種模糊PID控制方法，其特征在于，包括： 通過第一預設算法計算PID控制參數； 通過第二預設算法計算模糊算法參數，其中，所述模糊算法參數用于計算模糊控制參 數，其中，所述第一預設算法和/或所述第二預設算法為單變量分布估計算法； 獲取被控對象的輸出量和目標量，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量為所述被控對象預設的目標輸出量； 根據所述被控對象的輸出量和目標量、所述PID控制參數和所述模糊算法參數確定所 述被控對象的控制參數;以及 向所述被控對象輸入確定的控制參數。2. 根據權利要求1所述的方法，其特征在于，所述第一預設算法為所述單變量分布估計 算法， 在通過第一預設算法計算PID控制參數之前，所述方法還包括:確定所述PID控制參數 的初始染色體種群，其中，所述PID控制參數的初始染色體種群包括多個染色體，所述多個 染色體用于在通過預設解碼算法進行解碼之后確定所述PID控制參數的初始值， 通過第一預設算法計算PID控制參數包括:通過適應度函數計算所述PID控制參數的初 始染色體種群中各個染色體的適應度值;根據所述適應度值的大小對所述PID控制參數的 初始染色體種群中各個染色體進行排序;通過預設更新算法更新在所述PID控制參數的初 始染色體種群中排序在預設序號之后的染色體，得到所述PID控制參數的優化染色體種群； 判斷是否滿足停止所述單變量分布估計算法的條件;如果判斷出滿足停止所述單變量分布 估計算法的條件，通過所述預設解碼算法對所述PID控制參數的優化染色體種群進行解碼， 得到所述PID控制參數；以及如果判斷出不滿足停止所述單變量分布估計算法的條件，將所 述PID控制參數的優化染色體種群作為所述PID控制參數的初始染色體種群，重新執行通過 第一預設算法計算PID控制參數。3. 根據權利要求1所述的方法，其特征在于，所述第二預設算法為所述單變量分布估計 算法， 在通過第二預設算法計算模糊算法參數之前，所述方法還包括:確定所述模糊算法參 數的初始染色體種群，其中，所述模糊算法參數的初始染色體種群包括多個染色體，所述多 個染色體用于在通過預設解碼算法進行解碼之后確定所述模糊算法參數的初始值， 通過第二預設算法計算模糊算法參數包括:通過適應度函數計算所述模糊算法參數的 初始染色體種群中各個染色體的適應度值;根據所述適應度值的大小對所述模糊算法參數 的初始染色體種群中各個染色體進行排序;通過預設更新算法更新在所述模糊算法參數的 初始染色體種群中排序在預設序號之后的染色體，得到所述模糊算法參數的優化染色體種 群;判斷是否滿足停止所述單變量分布估計算法的條件；如果判斷出滿足停止所述單變量 分布估計算法的條件，通過所述預設解碼算法對所述模糊算法參數的優化染色體種群進行 解碼，得到所述模糊算法參數；以及如果判斷出不滿足停止所述單變量分布估計算法的條 件，將所述模糊算法參數的優化染色體種群作為所述模糊算法參數的初始染色體種群，重 新執行通過第二預設算法計算模糊算法參數。4. 根據權利要求3所述的方法，其特征在于， 在通過適應度函數計算所述模糊算法參數的初始染色體種群中各個染色體的適應度 值之后，所述方法還包括:更新所述模糊算法參數的歷史最優染色體種群中的染色體，其 中，所述模糊算法參數的歷史最優染色體種群中的各個染色體的值為所述模糊算法參數的 初始染色體種群中各個染色體的歷史記錄中適應度值最大的值， 確定所述模糊算法參數的初始染色體種群包括:根據所述模糊算法參數的歷史最優染 色體種群確定所述模糊算法參數的初始染色體種群。5. 根據權利要求1所述的方法，其特征在于，在根據所述被控對象的輸出量和目標量、 所述PID控制參數和所述模糊算法參數向所述被控對象輸入總控制量之前，所述方法還包 括： 通過模糊規則系統生成模糊規則庫，其中，所述模糊規則系統用于生成所述模糊規則 庫，所述模糊規則庫包括多個模糊規則，所述模糊規則庫用于根據所述被控對象的輸出量 和目標量確定對應的模糊規則，所述對應的模糊規則用于確定所述模糊控制參數的模糊 量，所述模糊控制參數的模糊量用于根據所述模糊算法參數計算所述模糊控制參數。6. 根據權利要求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量包 括： 獲取主蒸汽參數采樣值，其中，所述主蒸汽參數采樣值是對主蒸汽參數進行采樣得到 的采樣值，其中，所述主蒸汽參數是鍋爐的主蒸汽的溫度參數或壓力參數，所述主蒸汽參數 是所述被控對象，所述主蒸汽參數采樣值是所述被控對象的輸出量;以及 獲取主蒸汽參數設定值，其中，所述主蒸汽參數設定值為所述被控對象的目標量。7. 根據權利要求1所述的方法，其特征在于，根據所述被控對象的輸出量和目標量、所 述PID控制參數和所述模糊算法參數確定所述被控對象的控制參數包括： 根據所述被控對象的輸出量和目標量和所述模糊算法參數計算所述模糊控制參數； 根據所述被控對象的輸出量和目標量和所述模糊控制參數確定所述被控對象的模糊 控制參數； 根據所述被控對象的輸出量和目標量和所述PID控制參數確定所述被控對象的PID控 制參數；以及 將確定的模糊控制參數和PID控制參數相加，得到所述被控對象的控制參數。8. 根據權利要求1所述的方法，其特征在于， 在通過第一預設算法計算PID控制參數之前，所述方法還包括:獲取所述被控對象的傳 遞函數;確定所述PID控制參數的初始值， 在通過第二預設算法計算模糊算法參數之前，所述方法還包括:確定所述模糊算法參 數的初始值， 通過第一預設算法計算PID控制參數包括:通過第一評價算法計算所述PID控制參數的 初始值對所述被控對象的傳遞函數的控制指標;通過第一優化算法對所述PID控制參數的 初始值進行優化，得到所述PID控制參數， 通過第二預設算法計算模糊算法參數包括:通過第二評價算法計算所述模糊算法參數 的初始值對所述被控對象的傳遞函數的控制指標;通過第二優化算法對所述模糊算法參數 的初始值進行優化，得到所述模糊算法參數。9. 一種模糊PID控制裝置，其特征在于，包括： 第一計算單元，用于通過第一預設算法計算PID控制參數； 第二計算單元，用于通過第二預設算法計算模糊算法參數，其中，所述模糊算法參數用 于計算模糊控制參數，其中，所述第一預設算法和/或所述第二預設算法為單變量分布估計 算法； 獲取單元，用于獲取被控對象的輸出量和目標量，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量為所述被控對象預設的目標輸出量； 確定單元，用于根據所述被控對象的輸出量和目標量、所述PID控制參數和所述模糊算 法參數確定所述被控對象的控制參數;以及 輸入單元，用于向所述被控對象輸入確定的控制參數。10.-種鍋爐主蒸汽溫度和壓力的模糊PID控制系統，其特征在于，包括權利要求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，其中，所述被控對象為鍋爐的 主蒸汽溫度參數和壓力參數，所述系統還包括： 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
【發明人】王天堃, 黃波波, 彭大天
【申請人】神華集團有限責任公司, 神華國能集團有限公司, 陜西德源府谷能源有限公司