[发明专利]一种基于隐马尔科夫模型的PID控制参数离线整定方法

说明书

技术领域

本发明属于控制器设计领域，涉及一种基于隐马尔科夫模型的PID控制参数离线整定方法。

背景技术

目前，工程应用中所采用的控制算法大多为PID控制算法，该算法具有结构简单、物理意义清晰且控制参数数目较少、利于工程调试等优点，在科研生产实践中发挥着不可替代的作用。对于PID控制参数的确定方法主要采用离线调整和在线调整。离线调整是在控制器形式确定之后，对PID控制参数进行范围锁定。在《最优Fuzzy-GA PID控制器及其应用》(谭冠政，李安平，王越超.中南工业大学学报,2002,33(4):419-423.)一文中所设计的离线优化过程，以系统响应的超调量、上升时间及调整时间为性能指标，利用遗传算法搜索出一组最优的PID参数，作为在线部分调节的初始值，完成PID控制器参数调整。在专利《一种压电陶瓷物镜驱动器的控制方法》(陈华,董钊明,林广升,聂雄.申请(专利)号:CN201310067167.5,公开(公告)号:CN103116276A.)中提出在离线状态下，预先采用遗传算法完成PID初始参数的全局优化，并将优化初始参数配置于在线模糊比例积分微分PID控制中，进行在线反馈实时控制，控制压电陶瓷物镜驱动器进行微步进定位。

PID参数的离线调整发展从ZN经验整定法、继电型自整定法，发展到目前常用的智能整定法。智能整定法一般是将神经网络、遗传算法及模糊控制方法等引入到PID参数的整定过程中，通过优化搜索算法对控制参数进行调整，使其满足系统性能指标(如超调量、上升时间及调整时间等)的要求。在整定过程中主要是按照某种优化规则，对性能指标进行优化，进而得到满足要求的PID参数，但在PID控制器的整定过程中往往需要考虑被控系统的多个要求，性能指标函数所能包含的要求有限，一般无法完全覆盖所有的要求，另外现有技术未采用严密的数学推导过程描述PID控制参数的整定过程，准确性和全面性大大降低。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提出了一种基于隐马尔科夫模型的PID控制参数离线整定方法，本发明结合PID控制参数观测序列和隐马尔科夫模型计算产生特定序列的条件概率，利用验证系统对最大条件概率的参数序列进行判定，以获得满足控制精度要求的PID参数序列。

本发明的技术解决方案是：

一种基于隐马尔科夫模型的PID控制参数离线整定方法，包括步骤如下：

(1)获取PID控制参数观测序列O＝{O₁,O₂…O_L}，L为观测序列长度，其中每个观测序列O_L包括一组PID控制参数K_p、K_i和K_d；

(2)判断步骤(1)中获取的观测序列的长度L是否大于1，若大于则进入步骤(3)，否则进入步骤(1)继续获取观测序列；

(3)计算当前时刻观测序列的状态概率分布；

(4)将步骤(3)中得到的概率分布作为初始状态概率分布，引入到隐马尔科夫模型训练过程中，通过前向概率算法和后向概率算法得到HMM下观测序列的状态概率以及该状态概率对应的观测序列；

(5)将步骤(4)得到的训练后的控制参数的观测序列送入PID控制系统进行验证，判断该组控制参数是否满足PID控制系统精度要求，若满足则进入步骤(6)；不满足则进入步骤(1)；

(6)结束。

所述步骤(3)中计算当前时刻观测序列的状态概率分布的具体方式如下：