[发明专利]基于系统嵌套优化的预测PID方法

权利要求书

1.基于系统嵌套优化的预测PID方法，其特征在于，所述方法包括如下步骤：

步骤1：使用PID控制器控制被控对象，被控对象的输出与PID控制器之间形成单位负反馈，PID控制器的输出为被控对象的输入；

步骤2：增加预测优化模块，将被控系统的输出作为预测优化模块输入，形成单位正反馈，预测优化模块的输出与单位负反馈叠加共同接入PID的输入端；

步骤3：将PID控制器和被控对象及其之间的单位负反馈共同作为新的广义预测对象，将其数学模型写入预测优化模块；

步骤4：预测优化模块采用的预测算法为动态矩阵控制DMC算法，对控制系统做在线的优化；

步骤5：离线优化算法将预测算法融入粒子群PSO优化算法循环迭代过程之中，形成预测-PSO嵌套算法；将预测-PSO嵌套算法用于对预测PID控制器中比例K_p、积分K_i和微分K_d三个参数的寻优；

所述的预测优化模块和PID控制器组成串级控制结构，其结构是：将PID控制器和PID控制器的被控对象及其之间的单位负反馈共同作为预测优化模块广义预测对象，将被控系统的输出作为预测优化模块的输入，预测优化模块的输出叠加PID控制器的单位负反馈，作为PID控制器的输入；并且，将目标信号作为跟踪参考信号接入预测优化模块；广义预测对象的传递函数，如式(1)所示：

式中，U(s)为预测优化模块的最优输出也是广义预测对象的最优输入，Y(s)为广义控制对象的最优输出，s为拉普拉斯微分算子；

所述的预测-PSO嵌套算法，在PSO算法每更新一次当前全局最优解G_t之后将新的广义预测对象写入预测优化模块，即更新一次预测优化模块，其流程是：

第一步：初始化粒子群，随机生成所有粒子的位置和速度，将粒子分配给2-DOF PID控制器的五个控制参数，建立广义目标预测优化的初始数学模型；

第二步：设计目标函数J，并运行控制系统寻找最优粒子，并将粒子的值作为局部最优解P_t；

第三步：将局部最优解与全局最优解G_t进行比较，如果局部最优解是全局最优解，则将当前最优解作为新的全局最优解，否则全局最优解保持不变；

第四步：在预测优化过程中，更新广义控制对象的数学模型；

第五步：确定出口条件是否满足；如果满意，则退出；否则，生成一个新的粒子群并返回到第二步；

所述的预测-PSO嵌套算法，将广义预测对象写入预测优化模块，系统的动态状态方程如式(2)所示

式中：X、U、W和Y分别代表状态变量、输入变量、扰动量和输出量；A、B、D和C分别代表系统的状态矩阵、输入矩阵、扰动矩阵和输出矩阵，其中，X＝[Y(s) I(s) D(s) F(s)]^T

U＝U(s)

W＝W(s)

B＝[1 0 0 0]^T

C＝[1 0 0 0]

D＝[-1 0 0 0]^T

N为常数等于1000。