智能PID控制实际应用—电液伺服系统.doc

专家PID控制器在电液伺服系统中的应用在工业过程控制中，目前采用最多的控制方式依然PID方式。这一方面因为PID控制器具有简节而固定的形式，在很宽的条件范围内都能保持较好的鲁棒性；另一方面因为PID控制器允许工程技术人员以一种简单而直接的方式来调节系统。然而，在一些要求高精度、高性能但有常常具有非线性性质、时变性质、难以建立精确数学模型的控制系统中，传统PID往往表现出局限性。在人工智能高速发展的今天，智能PID成为弥补传统PID控制算法的一种有效手段，且已经运用到多方面工业控制中并表现良好。1 专家PID控制器的特点常规PID控制器是应用最基本最广泛的一种控制器，它具有算法简单，稳定性好、可靠性较高等优点。常规PID 控制器的调节规律对相当多的控制对象，特别是对于线性定常系统是非常有效的，其调节过程的品质取决于PID 控制器各个参数的整定。然而，传统的PID 控制算法是在某一特定条件下整定完成的，而实际控制系统中往往具有非线性、时变性和不确定性，难以建立精确的数学模型。因此当工况发生变化时，一组PID 参数很难适应不同的工作条件，因此常规PID 控制器往往不能达到理想的设计性能。为了克服常规PID 控制器的缺点，控制界已经提出了专家PID控制器，它针对如何选取和整定PID 参数，在保持常规PID 控制器结构的基础上，采用新的方法在线或离线的方式来确定PID控制的三个参数。1.1 什么是专家控制专家控制是指基于受控对象和控制规律的各种认识，以智能的方式利用这些知识，以求受控系统尽可能的优化和实用化。人工智能领域发展起来的专家系统，是一种基于知识的、智能的计算机程序系统，它包括有以下两个要素：（1）知识库：储存有某个专门领域中事先总结的按某种格式表示的专家水平的知识条目；（2）推理机制：按照类似专家水平的问题求解方法，调用知识库中的条目进行推理、判断和决策。1.2 什么是专家PID控制器将专家性的设计规范和运行机制与传统的控制理论和技术相结合，形成控制系统的设计与实现方法。利用专家经验系统来设计PID参数便构成了专家PID控制器。其原理图如图1所示。图1. 专家PID控制器原理图在图1中，性能识别模块将系统应该体现的性能信息送给推理机，同时，特征识别模块将系统通过被控对象的实际特征信息传送给推理机，二者在推理机模块中进行运算，得到专家系统的判断依据，再调用规则库中的相应控制规则，对PID控制器各参数予以调控，以改善控制性能。专家控制作为一种人工智能，它是由许多收集的规则组成，清楚地表达知识和结果。规则的最简单形式是ifthan的结构。其智能核心在于预先设定好的规则库中，此专家PID控制器的性能也基本取决于规则库模块是否设定合理。综上所述，专家控制是将专家的设计规范和运行机制与传统控制理论和技术相结合而成的控制系统设计、实现方法，其实质是基于受控对象和控制规律的各种知识，并以智能的方式利用这些知识来设计控制器。利用专家经验来设计PID参数便构成了专家PID控制器。2 电液伺服系统的描述2.1 什么是电液伺服系统电液控制技术已经在许多部门均有广泛应用，诸如冶金机械等工业部门，飞机船舶等交通部门，航空航天技术、海洋技术、近代科学实验装置及武器控制等。将其伺服系统结构图表示在图2中。图2.电液伺服系统结构图电液伺服系统是一种由电信号处理装置和液压动力机构组成 的反馈控制系统。其电位器包括反馈电位器与指令电位器。反馈电位器与控制对象相连，其作用是把控制对象位置的变化转换成电压的变化。反馈电位器与指令电位器间的电位差能反映控制对象位置与指令位置的偏差，此电位差经放大器放大后，加于电液伺服阀转换为液压信号，以推动液压缸活塞，驱动控制对象向消除偏差方向运动。因而使控制对象的位置总是按指令电位器给定的规律变化。2.2 为什么在电液伺服系统中引入专家PID控制电液伺服系统具有相对体积小的同时输出转矩大、响应快、刚度高等特点，通常有较高的精度要求。然而在液压系统中存在下述缺陷：（1）存在摩擦、死区、间隙等非线性因素；（2）因伺服系统管路、伺服阀及液压缸在运行过程中存在非线性特性，动态特性影响系统的状态参数；（3）温度、压力和工作状态不同，系统参数随之变化；（4）系统的机械、电气和液压部件随工作时间及环境会有变化。根据电液伺服系统的上述特点，考虑到专家控制的各项优点，在电液伺服系统中引入专家控制，理论上可以得到改进的控制效果。2.3 电液伺服系统传递函数的导出图3所示为电液伺服系统的简图，由对称缸、对称阀和负载组成。假设供油压力为常数，无泄漏。从液压伺服系统的流量方程、连续性方程和力平衡方程中可得出它的数学表达式。图3. 电液伺服系统的简图根据图3所示，结合电液机械工程相关知识，以表示外负载力，表示活塞有效面积，、表示负载压力，对称缸左右缸压力，、表示负载流量，对称缸左右缸流量，可以得到负载压力方程、负载流量方程如下： （2-1） （2-2）根据液压流量连续性方程： （2-3） （2-4）由式（2-1）、（2-2）、（2-3）、（2-4）可以得到液压缸流量连续方程： （2-5）以表示位移、表示负载和活塞总质量、表示活塞和负载的粘性系数、表示流量增益系数、表示流量压力系数，再根据力平衡方程及工作点线性化方程： （2-6） （2-7）进行参数合并，得到电液伺服系统的传递函数如式（2-8）所示： （2-8）由此可知该系统传递函数为3阶。3 专家PID控制器的控制策略本文利用偏差和偏差变化率的大小来整定、，期望这在一定程度上可以弥补传统控制算法的局限性，从而得到较好的控制效果。设表示离散化后的当前采样时刻的误差值， 、分别标示前一个和前两个采样时刻的误差值，则有式（3-1）成立。 （3-1）根据误差及其变化趋势，可设计专家PID控制器，其控制律按以下情况进行：在控制过程中，根据采集的误差信息及误差变化率，设定M1、M2为误差界限，结合控制过程的状态变化，分为如下几种情况讨论：（1）当时，说明误差的绝对值已经很大，不论误差变化趋势如何，都应该考虑控制器的输出按最大输出，以迅速调整误差，是误差绝对值以最大速度减小。此时系统相当于实施开环控制。（2）当时，说明误差在向误差绝对值增大方向变化。又分两种情形如下：如果，说明误差也较大，此时考虑由控制器实施较强的控制作用，以期扭转误差向绝对值减小的方向变化，并迅速减小误差的绝对值。令放大系数为，控制器输出如式（3-2）. （3-2）如果，说明尽管误差向绝对值增大方向变化，但误差绝对值本身并不很大，此时考虑控制器实施一般的控制作用，扭转误差变化趋势即可。令抑制系数为，控制器输出如下： （3-3）（3）当且时，或者时，说明误差的绝对值向减小的方向变化，或者已经达到平衡状态，此时考虑采取保持控制器输出不变。（4）当且时，说明误差处于极值状态。如果此时误差绝对值较大，即，可考虑较强的控制作用。控制器输出如式（3-2）所示；如果此时误差绝对值较小，即可考虑较弱的控制作用。控制器输出如（3-3）所示。（5）取为一很小的正实数，当时，说明误差的绝对值很小，此时只需加入积分，以减小稳态误差。4 仿真结果与分析根据以上控制策略，结合实际情况将电液系统的传递函数式（4-1）形式。 （4-1）在没有专家控制的条件下，根据系统传递函数，取PID系数为、，采样时间取1毫秒，编制MATLAB程序进行仿真，将得到结果表示在图4.图4.普通PID仿真结果根据专家PID控制策略，取、，规则二中、，规则四中、，编制MATLAB程序进行仿真，将得到结果表示与图5. 图5 不加改进的专家PID仿真结果可见采用不加改进的专家系统似无太大改善，将控制系数做一修改，取、，以期得到较好的控制效果，将仿真其结果表示在图6.图6 改进系数的专家PID仿真结果可见修改系数后控制性能有所提升，为得到更为理想性能，将控制策略做一修改，仍取、，将误差级别细分，设定、，以期得到较好的控制效果，将仿真结果表示在图7.图7 改进策略的专家PID仿真结果可见通过改进策略的专家PID控制方案已经较为理想，为工程中可取方案。为便于直观分析，将四种方式的误差变化情况做一对比，将四者变化情况同列在图8.图8 各控制方法的误差比对结果可见改进策略的专家控制系统为最佳5 结论通过专家系统的概念和技术，模拟人类专家控制的技术和经验，结合电点液伺服系统知识，设计了智能化的专家PID控制器，通过误差大小和误差变化方向来决定控制器的控制作用，使控制误差有所减小，在一定程度上提高电液伺服控制系统的品质与性能。通过仿真分析，专家PID比常规PID总体效果较好，但仍有待于改善的地方。为此，考虑控制策略的改进很有必要，有时常常加入模糊控制、神经网络等算法来完善专家PID控制系统，以得到令人满意的控制效果。附录一：专家PID仿真程序%expert pid controllerPIDclear all;close all;ts=0.001; sys=tf(5.235e005,1,87.35,1.047e004,0);%plantdsys=c2d(sys,ts,z);num,den=tfdata(dsys,v); u_1=0;u_2=0;u_3=0;y_1=0;y_2=0;y_3=0; x=0,0,0;x2_1=0; kp=0.6;ki=0.01;kd=0.01; error_1=0;for k=1:1:500 time(k)=k*ts; yd(k)=1.0; u(k)=kp*x(1)+kd*x(2)+ki*x(3); if abs(x(1)0.8 u(k)=0.45; elseif abs(x(1)0.4 u(k)=0.40; elseif abs(x(1)0.2 u(k)=0.12; elseif abs(x(1)0.01 u(k)=0.10; end if (x(1)*x(2)0)|(x(2)=0) if abs(x(1)=0.05 u(k)=u_1+2*kp*x(1); else u(k)=u_1+0.4*kp*x(1); end end if (x(1)*x(2)0)|(x(1)=0) u(k)=u(k); end if x(1)*x(2)0&x(2)*x2_1=0.05 u(k)=u_1+2*kp*error_1; else u(k)=u_1+0.6*kp*error_1; end end if abs(x(1)=10 u(k)=10; end if u(k)=-10 u(k)=-10; end %linear model y(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(1)*u(k)+num(2)*u_1+num(3)*u_2+num(4)*u_3; error(k)=yd(k)-y(k); %return of parameters u_3=u_2;u_2=u_1;u_1=u(k); y_3=y_2;y_2=y_1;y_1=y(