[发明专利]一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法

权利要求书

1.一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法，其特征在于，对于闭环稳定且可辨识的PI/PID控制回路，采用前向通道模型隔离输出噪声对输入的干扰，以控制器的输出作为前向通道的输入，将前向通道的输出与真实过程对象的输出差值的函数积分作为目标函数，利用已知的闭环稳定PI/PID控制器参数和闭环输入输出数据，提取闭环过程信息，确定前向通道的优化约束条件，利用PSO-SQP算法优化辨识前向通道模型，获得过程对象的动态特性；采用改进的多目标粒子群优化算法，基于性能指标约束的双质量指标多目标PID控制系统优化整定方法；其中：

通过对已知的PI/PID控制器参数和闭环输入输出数据进行闭环过程信息的提取，获得对象特性的估计值后，进行过程参数的拓展，其拓展的结构为1/a*X_{i_estimate}≤x_i≤a*X_{i_estimate}，形成优化辨识的寻优范围，控制器比例增益和过程对象的比例增益满足0≤K_c*K≤3.5，结合上述两种过程对象比例增益的估计方法，采用结构K∈[max(0,1/a*K_{c_estimate}),min(3.5/K,a*K_{c_estimate})]确定控制器比例增益的寻优范围；

利用PSO-SQP算法进行前向通道优化辨识，前向通道辨识优化步骤如下：①初始化，在优化约束范围内初始化种群的初始位置和个体最优解及种群大小、迭代次数，函数最大评价次数等参数，计算得到全局最优解，令当前迭代次数和粒子位置为1；②按照V_i＝w*V_i+C₁*rand()*(pbest_i-x_i)+C₂*rand()*(gbest-x_i)和x_i＝x_i+V_i分别进行速度和位置的更新；③粒子个体最优和种群全局最优的更新，判断是否满足结束条件，若是则结束；④判断粒子全局最优的收敛阈值是否小于某一个设定值，如果是则以全局最优为初始点,初始寻优范围为边界进行SQP局部搜索，进行全局最优解的更新，判断是否满足结束条件，若是则结束；⑤判断当前粒子是否为最后一个粒子，若是则当前粒子位置加1，跳到②；⑥判断当前迭代次数是否大于最大迭代次数，若否则当前迭代次数加1，跳到②，若是则结束。

2.根据权利要求1所述的基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法，其特征在于，所述闭环过程信息包括系统的时间常数、延迟时间和比例增益，其延迟时间的估计值选用控制器输出与真实系统输出的相关系数进行确定；对于时间常数和比例增益利用已知的PI/PID控制器参数，采用通过系统结构和参数确定控制器参数的公式进行反向推算方法，获得对应参数的估计值。